LTX-2.3 22B

LTX-2.3 22B transforme un simple prompt écrit en un clip vidéo fini complet avec son propre audio synchronisé. Au lieu de générer un clip silencieux puis de chercher des effets sonores ou de la musique à superposer après coup, vous décrivez la scène voulue et le modèle produit des images en mouvement et un son correspondant en une seule passe. Cela en fait un outil idéal pour les cinéastes qui créent rapidement des prévisualisations, les créateurs de contenu produisant de courts clips sociaux, les motion designers explorant des idées, et tout artiste qui veut voir un concept s’animer et sonner vivant sans toucher à une timeline.

Au cœur du modèle, il lit votre prompt texte et en construit une vidéo. Un bon prompt décrit non seulement ce qui apparaît à l’écran, mais aussi comment cela se ressent — par exemple, « Un cow-boy marchant dans une ville poussiéreuse à midi, caméra suivant de derrière, profondeur cinématographique, éclairage réaliste, ambiance western, grain de film 4K. » Plus vous décrivez l’ambiance, l’éclairage, le comportement de la caméra et la texture, plus le résultat se rapproche de ce que vous aviez en tête. Le modèle peut aussi enrichir automatiquement votre prompt, en ajoutant des détails cinématographiques pour que même une description plus courte produise un plan riche et cohérent.

Vous avez un large contrôle sur la forme et la durée de votre clip. Les vidéos peuvent durer de 9 images à 481 images, et vous réglez le taux d’images de 1 à 60 images par seconde, avec 24 images par seconde — le rythme classique du cinéma — comme valeur par défaut. Le clip par défaut fait 121 images en format paysage 16:9, idéal pour les vidéos grand écran et sociales, mais vous pouvez choisir d’autres cadrages pour votre projet. La vitesse de lecture et la durée fonctionnent ensemble, donc un plus grand nombre d’images à un faible taux donne un moment plus lent et étiré, tandis qu’un taux plus élevé offre un mouvement plus fluide.

L’un des outils créatifs phares est le contrôle direct de la caméra. Plutôt que d’espérer que le modèle interprète une phrase comme « zoom avant sur le sujet », vous pouvez sélectionner parmi des mouvements de caméra réels : dolly in, dolly out, dolly left, dolly right, jib up, jib down, ou un plan statique fixe. Cela vous donne le genre de langage caméra délibéré et reproductible sur lequel comptent les cinéastes, et vous pouvez ajuster l’intensité du mouvement pour qu’il soit subtil ou dramatique. Cela rend beaucoup plus facile d’obtenir un mouvement intentionnel qui soutient votre récit au lieu d’une dérive aléatoire.

L’audio est généré en même temps que la vidéo par défaut, et vous pouvez le désactiver si vous n’avez besoin que d’images silencieuses. Vous avez aussi des réglages créatifs séparés pour contrôler à quel point l’audio et la vidéo adhèrent chacun à votre prompt, et comment ils s’équilibrent mutuellement — utile quand vous voulez que le paysage sonore soit proéminent ou que le focus reste fermement sur les visuels.

Pour améliorer la cohérence globale et les détails fins, le modèle utilise une approche multi-échelle. Il esquisse d’abord la vidéo à petite échelle, puis utilise ce brouillon pour guider un rendu final plus grand et détaillé. Le résultat offre une meilleure consistance et des détails plus nets que la génération en pleine taille en une seule fois. Vous pouvez affiner davantage comment le modèle suit votre prompt par rapport à sa liberté créative, ajuster le niveau de raffinement pour équilibrer vitesse et fini, et utiliser une option de variation contrôlée qui peut améliorer la qualité sur des scènes difficiles.

Un prompt négatif vous permet d’éloigner le modèle des apparences que vous ne voulez pas. Par défaut, il évite des éléments comme les esthétiques cartoon et jeu vidéo, le texte à l’écran, les filigranes, logos, sous-titres, le ralenti et les plans statiques plats — en orientant les résultats vers un rendu plus cinématographique et live-action. Vous pouvez le réécrire pour vos propres objectifs esthétiques.

Pour la sortie, vous pouvez exporter dans plusieurs formats selon votre flux de travail : MP4 standard, WebM, ProRes pour les pipelines d’édition haut de gamme, ou GIF animé pour un partage léger. Les niveaux de qualité vont de bas à maximum, et vous pouvez orienter le fichier vers une écriture plus rapide, une taille plus petite, ou un équilibre moyen. Les réglages d’accélération vous permettent d’échanger entre vitesse de génération et fidélité selon que vous itérez rapidement ou finalisez un plan hero.

Pour la reproductibilité, vous pouvez définir une seed afin que le même prompt et les mêmes réglages produisent le même résultat — pratique pour faire de petits changements contrôlés plutôt que de repartir de zéro à chaque fois. Un vérificateur de sécurité intégré est activé par défaut.

LTX-2.3 22B est idéal pour les vidéos cinématographiques courtes : pièces d’ambiance, plans conceptuels, clips sociaux, animatiques et exploration d’idées où le son synchronisé intégré évite toute une étape d’édition. Comme les clips sont mesurés en images et générés comme des moments autonomes, il excelle dans les plans uniques évocateurs plutôt que les récits longs à plusieurs scènes. Pour en tirer le meilleur, cela repose sur l’écriture de prompts descriptifs et cinématographiques, le choix d’un mouvement de caméra intentionnel, et laisser le rendu multi-échelle et le raffinement faire leur travail. Avec sa combinaison de vidéo pilotée par prompt, audio natif et contrôle précis de la caméra, il offre aux créateurs un chemin rapide d’une idée écrite à une scène en mouvement et sonorisante.