/ Модель

Характеристики

Лицензия
MIT
Архитектура
AudioVideo · dense
Базовая модель
LTX-2
Библиотека
mlx
Опубликована
29 янв 2026

ltx2-mlx-av

Видео из изображенияИзображение, текст → видео3 профессии

MLX-версия Lightricks/LTX-2 для создания видео с синхронизированным звуком по тексту или изображению на Mac с Apple Silicon.

162скачиваний за 30 дней5лайковвеса обновлены29 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

notapalindrome/ltx2-mlx-av — версия Lightricks/LTX-2, оптимизированная для MLX и компьютеров Mac с Apple Silicon; README указывает на преобразование исходной модели. Она создаёт видео с синхронизированным звуком по текстовому запросу или анимирует изображение с генерацией звука. Модель представляет собой аудиовизуальную архитектуру; веса доступны в формате MLX safetensors с типом bfloat16, размер составляет около 42 ГБ.

Для генерации README указывает примерно 45 ГБ оперативной памяти, разрешение 512×512, частоту 24 кадра/с и ограничения на число кадров: оно должно быть вида 8n+1. Репозиторий распространяется по лицензии MIT. Для работы требуется Mac с Apple Silicon и ffmpeg.

Сценарии применения

  • создание видеоролика со звуком по текстовому запросу
  • анимация изображения с генерацией синхронизированного звука
  • локальная генерация аудиовизуального контента на Mac с Apple Silicon

Ограничения

Для генерации требуется Mac с Apple Silicon и около 45 ГБ оперативной памяти; также нужен ffmpeg. Число кадров должно быть вида 8n+1; README приводит разрешение 512×512 и частоту 24 кадра/с.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LTX-2 MLX (Audio-Video)

MLX-optimized version of Lightricks/LTX-2 for Apple Silicon Macs.

Generate synchronized video and audio from text prompts, running entirely on your Mac's GPU.

Features

  • Text-to-Video + Audio: Generate videos with synchronized audio from text
  • Image-to-Video + Audio: Animate images with audio
  • Unified format: Single file for fast loading
  • Native bfloat16: Optimized for Apple Silicon

Requirements

  • macOS with Apple Silicon (M1/M2/M3/M4)
  • ~45GB RAM for generation
  • ffmpeg (brew install ffmpeg)

Installation

pip install git+https://github.com/james-see/mlx-video-with-audio.git

Usage

Text-to-Video with Audio

uv run mlx_video.generate_av \
    --prompt "A jazz band playing in a smoky club" \
    --model-repo notapalindrome/ltx2-mlx-av

Landscape 16:9 format (4 seconds)

uv run mlx_video.generate_av \
    --prompt "Ocean waves crashing on rocks at sunset" \
    --width 768 --height 448 --num-frames 97 \
    --model-repo notapalindrome/ltx2-mlx-av

Image-to-Video with Audio

uv run mlx_video.generate_av \
    --prompt "A person dancing to music" \
    --image photo.jpg \
    --model-repo notapalindrome/ltx2-mlx-av

Model Details

ComponentDetails
FormatUnified MLX safetensors
Dtypebfloat16
Size~42GB
Transformer48 layers, 19B parameters
Video VAE128 latent channels
Audio VAE8 latent channels, 64 mel bins
VocoderHiFi-GAN, 24kHz stereo output

Generation Parameters

ParameterDefaultNotes
Height/Width512Must be divisible by 64
Frames65Must be 8n+1 (9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97...)
FPS24Video framerate

Credits

License

This model inherits the LTX-Video license from Lightricks.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
d8843d6

0 моделей