LTX-2.3 22B

LTX-2.3 22B transforma um único prompt escrito em um clipe de vídeo finalizado completo com seu próprio áudio sincronizado. Em vez de gerar um clipe silencioso e depois procurar efeitos sonoros ou música para sobrepor depois, você descreve a cena que deseja e o modelo entrega imagens em movimento e som correspondente juntos em uma única passada. Isso o torna uma ótima opção para cineastas criando pré-visualizações rápidas, criadores de conteúdo produzindo clipes curtos para redes sociais, designers de motion explorando ideias e qualquer artista que queira ver um conceito se mover e soar vivo sem mexer em uma linha do tempo.

No cerne, o modelo lê seu prompt de texto e constrói um vídeo a partir dele. Um bom prompt descreve não apenas o que aparece na tela, mas como se sente — por exemplo, "Um cowboy caminhando por uma cidade empoeirada ao meio-dia, câmera seguindo por trás, profundidade cinematográfica, iluminação realista, clima western, 4K film grain." Quanto mais você descrever clima, iluminação, comportamento da câmera e textura, mais próximo o resultado ficará do que você imaginou. O modelo também pode expandir seu prompt automaticamente, preenchendo detalhes cinematográficos para que mesmo uma descrição mais curta produza um take rico e coerente.

Você tem amplo controle sobre a forma e o comprimento do seu clipe. Os vídeos podem ter de um breve momento de 9 frames até 481 frames, e você define a taxa de frames de 1 até 60 frames por segundo, com 24 frames por segundo — o ritmo clássico de filme — como padrão. O clipe padrão tem 121 frames em landscape 16:9, ideal para widescreen e vídeo social, mas você pode escolher outros enquadramentos para combinar com seu projeto. Velocidade de reprodução e comprimento funcionam juntos, então uma contagem maior de frames com taxa menor dá um momento mais lento e prolongado, enquanto uma taxa maior proporciona movimento mais suave.

Uma das ferramentas criativas de destaque é o controle direto da câmera. Em vez de esperar que o modelo interprete uma frase como "push in on the subject", você pode selecionar de um conjunto de movimentos reais de câmera: dolly in, dolly out, dolly left, dolly right, jib up, jib down ou um take estático locked-off. Isso dá o tipo de linguagem de câmera deliberada e repetível de que os cineastas dependem, e você pode ajustar a intensidade do movimento para cima ou para baixo, tornando-o sutil ou dramático. Isso facilita muito obter movimento intencional que apoie sua narrativa em vez de deriva aleatória.

O áudio é gerado junto com o vídeo por padrão, e você pode desativá-lo se precisar apenas de material silencioso. Você também tem controles criativos separados para quão fielmente o áudio e o vídeo seguem seu prompt, e como eles se equilibram entre si — útil quando você quer que a paisagem sonora seja proeminente ou manter o foco firmemente nas visuais.

Para ajudar na coerência geral e nos detalhes finos, o modelo usa uma abordagem multi-escala. Ele primeiro esboça o vídeo em escala menor, depois usa esse rascunho para guiar um render final maior e mais detalhado. O resultado é maior consistência e detalhes mais limpos do que gerar em tamanho total de uma só vez. Você pode ajustar ainda mais quão fielmente o modelo segue seu prompt em oposição à liberdade criativa que toma, regular o nível de refinamento para um equilíbrio entre velocidade e polimento, e usar uma opção de variação controlada que pode elevar a qualidade em cenas difíceis.

Um negative prompt dá uma maneira de direcionar o modelo para longe de visuais que você não quer. Por padrão, ele evita coisas como estética de cartoon e videogame, texto na tela, marcas d'água, logotipos, legendas, slow motion e material estático e plano — direcionando os resultados para uma sensação mais cinematográfica e live-action. Você pode reescrevê-lo para se adequar aos seus próprios objetivos estéticos.

Quanto à saída, você pode exportar em vários formatos para se adequar ao seu fluxo de trabalho: MP4 padrão, WebM, ProRes para pipelines de edição high-end ou GIF animado para compartilhamento leve. Níveis de qualidade vão de baixo até máximo, e você pode inclinar o arquivo para escrita mais rápida, tamanho menor ou um meio equilibrado. Configurações de aceleração permitem trocar entre velocidade de geração e fidelidade dependendo se você está iterando rapidamente ou finalizando um hero shot.

Para reprodutibilidade, você pode definir uma seed para que o mesmo prompt e configurações produzam o mesmo resultado — útil quando você quer fazer mudanças pequenas e controladas em vez de começar do zero toda vez. Um verificador de segurança integrado está ativado por padrão.

LTX-2.3 22B é mais adequado para vídeos cinematográficos curtos: peças de clima, takes de conceito, clipes sociais, animatics e exploração de ideias onde ter som sincronizado já incorporado economiza uma etapa inteira de edição. Como os clipes são medidos em frames e gerados como momentos autônomos, ele brilha em takes únicos evocativos em vez de narrativas longas e multi-cenas. Obter o máximo dele resume-se a escrever prompts descritivos e cinematográficos, escolher um movimento de câmera intencional e deixar o render multi-escala e refinamento fazerem seu trabalho. Com sua combinação de vídeo impulsionado por prompt, áudio nativo e controle preciso de câmera, ele oferece aos criadores um caminho rápido de uma ideia escrita para uma cena em movimento e com som.