/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
diffusers
Опубликована
5 мар 2026

LTX-2.3-GGUF

Видео из изображенияИзображение, текст → видео3 профессии

vantagewithai/LTX-2.3-GGUF — квантованная версия в формате GGUF модели LTX-2.3, разработанной компанией Lightricks.

13 109скачиваний за 30 дней35лайковвеса обновлены30 мар 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

Это диффузионная аудиовизуальная foundation-модель на базе архитектуры DiT, предназначенная для совместной генерации синхронизированных видео и аудио. Модель ориентирована на локальный запуск и распространяется как открытые веса; исходный чекпойнт LTX-2.3 доступен у Lightricks.

Модель поддерживает сценарии text-to-video, image-to-video, video-to-video, image-text-to-video, audio-to-video, text-to-audio, video-to-audio, audio-to-audio и совместную генерацию аудио и видео из текста или изображений. В карточке указаны языки English, German, Spanish, French, Japanese, Korean, Chinese, Italian и Portuguese, однако в разделе характеристик отдельно указан English. Конкретный размер квантованного файла, объём контекста, разрешение и требования к оборудованию не приведены; для параметров генерации указано, что ширина и высота должны делиться на 32, а число кадров иметь вид 8n+1.

К сильным сторонам относятся совместная генерация аудио и видео в одной модели, улучшенные качество аудио и визуальной части, а также следование промпту по сравнению с LTX-2. Ограничения включают возможное неполное соответствие запросу, зависимость результата от стиля промпта, потенциально неподходящий или оскорбительный контент, усиление существующих социальных предубеждений и более низкое качество аудио без речи. Модель не предназначена для предоставления фактической информации. Указана лицензия LTX-2 Community License Agreement; точные условия следует уточнять в тексте лицензии Lightricks.

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

Quantized GGUF version of Split LTX-2 checkpoint

Original model Link: https://huggingface.co/Lightricks/LTX-2.3

Watch us at Youtube: @VantageWithAI

LTX-2.3 Model Card

This model card focuses on the LTX-2.3 model, which is a significant update to the LTX-2 model with improved audio and visual quality as well as enhanced prompt adherence. LTX-2 was presented in the paper LTX-2: Efficient Joint Audio-Visual Foundation Model.

💻💻 If you want to dive in right to the code - it is available here. 💾💾

LTX-2.3 is a DiT-based audio-video foundation model designed to generate synchronized video and audio within a single model. It brings together the core building blocks of modern video generation, with open weights and a focus on practical, local execution.

LTX-2 Open Source

Model Checkpoints

NameNotes
ltx-2.3-22b-devThe full model, flexible and trainable in bf16
ltx-2.3-22b-distilledThe distilled version of the full model, 8 steps, CFG=1
ltx-2.3-22b-distilled-lora-384A LoRA version of the distilled model applicable to the full model
ltx-2.3-spatial-upscaler-x2-1.0An x2 spatial upscaler for the ltx-2.3 latents, used in multi stage (multiscale) pipelines for higher resolution
ltx-2.3-spatial-upscaler-x1.5-1.0An x1.5 spatial upscaler for the ltx-2.3 latents, used in multi stage (multiscale) pipelines for higher resolution
ltx-2.3-temporal-upscaler-x2-1.0An x2 temporal upscaler for the ltx-2.3 latents, used in multi stage (multiscale) pipelines for higher FPS

Model Details

  • Developed by: Lightricks
  • Model type: Diffusion-based audio-video foundation model
  • Language(s): English

Online demo

LTX-2.3 is accessible right away via the API Playground.

Diffusers 🧨

LTX-2.3 support in the Diffusers Python library is coming soon!

General tips:

  • Width & height settings must be divisible by 32. Frame count must be divisible by 8 + 1.
  • In case the resolution or number of frames are not divisible by 32 or 8 + 1, the input should be padded with -1 and then cropped to the desired resolution and number of frames.
  • For tips on writing effective prompts, please visit our Prompting guide

Limitations

  • This model is not intended or able to provide factual information.
  • As a statistical model this checkpoint might amplify existing societal biases.
  • The model may fail to generate videos that matches the prompts perfectly.
  • Prompt following is heavily influenced by the prompting-style.
  • The model may generate content that is inappropriate or offensive.
  • When generating audio without speech, the audio may be of lower quality.

Train the model

The base (dev) model is fully trainable.

It's extremely easy to reproduce the LoRAs and IC-LoRAs we publish with the model by following the instructions on the LTX-2 Trainer Readme.

Training for motion, style or likeness (sound+appearance) can take less than an hour in many settings.

Citation

@article{hacohen2025ltx2,
  title={LTX-2: Efficient Joint Audio-Visual Foundation Model},
  author={HaCohen, Yoav and Brazowski, Benny and Chiprut, Nisan and Bitterman, Yaki and Kvochko, Andrew and Berkowitz, Avishai and Shalem, Daniel and Lifschitz, Daphna and Moshe, Dudu and Porat, Eitan and Richardson, Eitan and Guy Shiran and Itay Chachy and Jonathan Chetboun and Michael Finkelson and Michael Kupchick and Nir Zabari and Nitzan Guetta and Noa Kotler and Ofir Bibi and Ori Gordon and Poriya Panet and Roi Benita and Shahar Armon and Victor Kulikov and Yaron Inger and Yonatan Shiftan and Zeev Melumian and Zeev Farbman},
  journal={arXiv preprint arXiv:2601.03233},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов
7371ca3

0 моделей