LTX-2.3 22B

LTX-2.3 22B convierte un único prompt escrito en un clip de vídeo terminado con su propio audio sincronizado. En lugar de generar un clip mudo y luego buscar efectos de sonido o música para añadir después, describes la escena que deseas y el modelo entrega imágenes en movimiento y sonido a juego juntos en una sola pasada. Esto lo hace ideal para cineastas que crean previsualizaciones rápidas, creadores de contenido que producen clips cortos para redes sociales, diseñadores de motion graphics que exploran ideas y cualquier artista que quiera ver un concepto cobrar vida, con imagen y sonido, sin tener que editar en la línea de tiempo.

En esencia, el modelo lee tu prompt de texto y construye un vídeo a partir de él. Un buen prompt describe no solo lo que aparece en pantalla, sino cómo se siente, por ejemplo: "Un vaquero caminando por un pueblo polvoriento al mediodía, la cámara le sigue desde detrás, profundidad cinematográfica, iluminación realista, ambiente western, grano de película 4K." Cuanto más detalles sobre el ambiente, la iluminación, el comportamiento de la cámara y la textura incluyas, más se parecerá el resultado a lo que imaginaste. El modelo también puede ampliar tu prompt automáticamente, añadiendo detalles cinematográficos para que incluso una descripción breve genere una toma coherente y rica.

Tienes un control amplio sobre la duración y el formato del clip. Los vídeos pueden ir desde un instante de 9 fotogramas hasta 481, y puedes configurar la tasa de fotogramas entre 1 y 60 fps, siendo 24 fps —el ritmo clásico del cine— el valor predeterminado. El clip por defecto es de 121 fotogramas en formato panorámico 16:9, ideal para vídeo en pantalla ancha y redes sociales, pero puedes escoger otros encuadres según tu proyecto. La velocidad de reproducción y la duración trabajan juntas: más fotogramas a menos fps ofrecen un momento más pausado y prolongado, mientras que más fps aportan mayor fluidez.

Una de las herramientas creativas más destacadas es el control directo de la cámara. En vez de esperar que el modelo entienda frases como "acércate al sujeto", puedes elegir entre varios movimientos reales de cámara: dolly in, dolly out, dolly left, dolly right, jib up, jib down o una toma fija sin movimiento. Esto te da el tipo de lenguaje visual deliberado y repetible que emplean los cineastas, pudiendo ajustar la intensidad de cada movimiento para que sea sutil o dramático según lo necesites. Así logras una intencionalidad en la acción que apoya tu narrativa en lugar de depender de interpretaciones aleatorias.

El audio se genera junto con el vídeo de forma predeterminada, y puedes desactivarlo si solo necesitas material mudo. También cuentas con controles separados para determinar cuán fielmente tanto el audio como el vídeo siguen tu prompt, y cómo se equilibra el peso entre ambos —útil para resaltar el paisaje sonoro o centrar completamente la atención en lo visual.

Para lograr coherencia y detalle, el modelo emplea un enfoque multi-escala. Primero esboza el vídeo a menor escala y usa ese borrador para guiar una renderización final más grande y detallada. El resultado es mayor coherencia y nitidez que generando a tamaño completo en un solo paso. Puedes ajustar hasta qué punto el modelo sigue tu prompt frente a la libertad creativa, definir el nivel de refinamiento para equilibrar velocidad y calidad, y emplear una opción de variación controlada que mejora escenas complejas.

El prompt negativo te permite orientar al modelo lejos de aspectos que no deseas. Por defecto evita estéticas de dibujo animado y videojuegos, texto en pantalla, marcas de agua, logotipos, subtítulos, cámara lenta y material estático o plano, guiando los resultados hacia un acabado más cinematográfico y realista. Puedes modificar esto para que se adapte a tus preferencias visuales.

En cuanto a la exportación, puedes generar el resultado en varios formatos según tu flujo de trabajo: MP4 estándar, WebM, ProRes para ediciones profesionales, o GIF animado para compartir rápido. Los niveles de calidad van desde bajo hasta máximo, y puedes priorizar velocidad de escritura, tamaño reducido o un término medio equilibrado. Los ajustes de aceleración permiten elegir entre velocidad de generación y fidelidad, dependiendo de si buscas iterar rápido o finalizar un plano principal.

Para reproducibilidad, puedes fijar una semilla para que el mismo prompt y configuración generen siempre el mismo resultado, ideal si quieres iterar con pequeños cambios en lugar de empezar de cero cada vez. El sistema de comprobación de seguridad está activado por defecto.

LTX-2.3 22B está especialmente diseñado para vídeo corto de estilo cinematográfico: piezas de ambiente, planos concepto, clips sociales, animatics y exploración de ideas donde el sonido sincronizado ahorra un paso entero de edición. Como los clips se miden en fotogramas y se generan como momentos auto-contenidos, es perfecto para crear planos únicos e impactantes, más que para narrativas largas y multiescena. Sacar el máximo partido requiere redactar prompts descriptivos y cinematográficos, elegir un movimiento de cámara intencionado, y dejar que el renderizado multi-escala y el refinamiento hagan su trabajo. Gracias a la combinación de vídeo dirigido por texto, audio nativo y control preciso de cámara, te da una vía rápida de la idea escrita a una escena en movimiento y con sonido.