LTX-2.3 22B

LTX-2.3 22B は、書かれた単一のプロンプトを、独自の同期オーディオ付きの完成したビデオクリップに変換します。従来のように無音クリップを生成して後から効果音や音楽を探すのではなく、欲しいシーンを記述すれば、モデルが動きのある画像と一致する音声を一度のパスで同時に生成します。これにより、迅速なプレビジュアライゼーションを作成する映画製作者、短いソーシャルクリップを制作するコンテンツクリエイター、アイデアを探求するモーションデザイナー、タイムラインを触らずにコンセプトを動かして音を鳴らしたいあらゆるアーティストに最適です。

モデルの核心は、テキストプロンプトを読み込んでそこからビデオを構築することです。優れたプロンプトは画面に現れるものだけでなく、その感覚も記述します — たとえば、「真昼の埃っぽい街を歩くカウボーイ、後ろから追うカメラ、シネマティックな被写界深度、現実的な照明、西部劇のムード、4Kフィルムグレイン。」ムード、照明、カメラの挙動、質感を詳細に記述するほど、結果が想像に近づきます。モデルはプロンプトを自動拡張し、シネマティックな詳細を補完するため、短い記述でも豊かで一貫したショットが生まれます。

クリップの形状と長さについては広範な制御が可能です。ビデオは短い9フレームの瞬間から最大481フレームまで設定でき、フレームレートは1から60 fpsまで調整可能で、デフォルトはクラシックな映画の24 fpsです。デフォルトクリップは16:9のランドスケープ121フレームで、ワイドスクリーンやソーシャルビデオに適していますが、プロジェクトに合わせて他のアスペクト比を選択できます。再生速度と長さが連動するため、低いフレームレートで長いフレーム数ならゆったりとしたスローな瞬間、高いフレームレートなら滑らかな動きになります。

際立つクリエイティブツールの1つが直接的なカメラ制御です。「被写体にプッシュイン」などのフレーズに頼るのではなく、dolly in、dolly out、dolly left、dolly right、jib up、jib down、または固定静止ショットなどの実際のカメラ移動を選択できます。これらは映画製作者が頼る意図的で再現可能なカメラ言語を提供し、移動の強さを微調整して繊細または劇的にできます。これにより、ランダムな漂流ではなく、ストーリーテリングを支える意図的な動きが容易になります。

オーディオはデフォルトでビデオと同時に生成され、静音映像のみが必要ならオフにできます。また、オーディオとビデオがプロンプトにどれだけ忠実に従うか、それぞれ独立して調整でき、両者のバランスも制御可能 — 音響を強調したい場合や視覚に集中したい場合に便利です。

全体の整合性と細部を強化するため、モデルはマルチスケールアプローチを採用します。まず小規模でビデオをスケッチし、それをガイドに大規模で詳細な最終レンダリングを行います。これにより、フルサイズ一発生成より高い一貫性とクリーンな詳細が得られます。さらに、プロンプト忠実度対クリエイティブ自由度、速度対仕上げの洗練度を調整でき、難易度の高いシーンで品質を向上させる制御されたバリエーションオプションも使用可能です。

ネガティブプロンプトで避けたい見た目を排除できます。デフォルトではカートゥーンやビデオゲーム風、画面テキスト、ウォーターマーク、ロゴ、字幕、スローモーション、静的フラット映像を避け、よりシネマティックで実写風に導きます。自身の美学に合わせて書き換え可能です。

出力形式はワークフローに合わせ複数選択可能：標準 MP4、WebM、高度編集向け ProRes、軽量共有向けアニメGIF。品質は低から最大まで、ファイルの書き込み速度、小容量、バランスをバイアス調整できます。加速設定で生成速度と忠実度をトレードオフし、素早いイテレーションかヒーローショットの仕上げかを選びます。

再現性のため、シードを設定すれば同一プロンプトと設定で同一結果を生成 — 毎回ゼロから始めるのではなく、小さな制御変更に便利です。ビルトインの安全チェックはデフォルトで有効です。

LTX-2.3 22B は短形式シネマティックビデオに最適：ムードピース、コンセプトショット、ソーシャルクリップ、アニマティック、アイデア探求で、同期音声が内蔵されているため編集ステップを省けます。フレーム単位の自己完結型瞬間生成のため、単一の印象的なショットに優れ、長大なマルチシーン叙事には不向きです。最大限活用するには、記述的でシネマティックなプロンプト執筆、意図的なカメラ移動選択、マルチスケールレンダリングと洗練を任せることです。プロンプト駆動ビデオ、ネイティブオーディオ、精密カメラ制御の組み合わせで、書かれたアイデアから動く音のするシーンへの高速パスを提供します。