LTX-2.3 22B

O LTX-2.3 22B transforma um único prompt escrito num clipe de vídeo acabado completo com o seu próprio áudio sincronizado. Em vez de gerar um clipe silencioso e depois procurar efeitos sonoros ou música para sobrepor depois, descreve a cena que quer e o modelo entrega imagens em movimento e som correspondente juntos numa única passada. Isso torna-o uma forte opção para cineastas a construir previsualizações rápidas, criadores de conteúdo a produzir clipes sociais curtos, designers de movimento a explorar ideias e qualquer artista que queira ver um conceito mover-se e soar vivo sem tocar numa linha temporal.

No seu núcleo, o modelo lê o seu prompt de texto e constrói um vídeo a partir dele. Um bom prompt descreve não só o que aparece no ecrã, mas como se sente — por exemplo, "A cowboy walking through a dusty town at high noon, camera following from behind, cinematic depth, realistic lighting, western mood, 4K film grain." Quanto mais descrever ambiente, iluminação, comportamento da câmara e textura, mais próximo o resultado fica do que imaginou. O modelo também pode expandir o seu prompt automaticamente, preenchendo detalhes cinematográficos para que mesmo uma descrição mais curta produza um plano rico e coerente.

Tem amplo controlo sobre a forma e duração do seu clipe. Os vídeos podem durar desde um momento breve de 9 frames até 481 frames, e pode definir a taxa de frames desde 1 até 60 frames por segundo, com 24 frames por segundo — o ritmo clássico de filme — como padrão. O clipe padrão é de 121 frames em formato landscape 16:9, uma opção natural para ecrãs largos e vídeo social, mas pode escolher outros enquadramentos para o seu projeto. A velocidade de reprodução e a duração trabalham em conjunto, pelo que uma contagem de frames mais longa a uma taxa de frames mais baixa lhe dá um momento mais lento e prolongado, enquanto uma taxa mais alta dá movimento mais suave.

Uma das ferramentas criativas de destaque é o controlo direto da câmara. Em vez de esperar que o modelo interprete uma frase como "push in on the subject", pode selecionar de um conjunto de movimentos reais de câmara: dolly in, dolly out, dolly left, dolly right, jib up, jib down ou um plano estático locked-off. Estes dão-lhe a linguagem deliberada e repetível de câmara de que os cineastas dependem, e pode ajustar a intensidade do movimento para cima ou para baixo para que seja subtil ou dramático. Isso torna muito mais fácil obter movimento intencional que apoie a sua narrativa em vez de deriva aleatória.

O áudio é gerado ao lado do vídeo por padrão, e pode desligá-lo se só precisar de footage silencioso. Tem também controlos criativos separados para o grau de adesão do áudio e do vídeo ao seu prompt, e para o equilíbrio entre os dois — útil quando quer que a paisagem sonora seja proeminente ou quer manter o foco firmemente nas imagens.

Para ajudar na coerência geral e no detalhe fino, o modelo usa uma abordagem multi-scale. Primeiro esboça o vídeo a uma escala menor, depois usa esse rascunho para guiar um render final maior e mais detalhado. O resultado é maior consistência e detalhe mais limpo do que gerar em tamanho completo numa única passada. Pode ajustar ainda mais o quão de perto o modelo segue o 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-lhe uma forma de afastar o modelo de aparências que não quer. Por padrão, evita coisas como estética de cartoon e vídeo-jogo, texto no ecrã, marcas de água, logótipos, legendas, slow motion e footage estático e plano — guiando os resultados para uma sensação mais cinematográfica e live-action. Pode reescrever isto para se adequar aos seus próprios objetivos estéticos.

No que toca à saída, pode exportar em vários formatos para se adequar ao seu fluxo de trabalho: MP4 padrão, WebM, ProRes para pipelines de edição de topo, ou GIF animado para partilha leve. Os níveis de qualidade vão de baixo até máximo, e pode enviesar o ficheiro para escrita mais rápida, tamanho menor ou um meio equilibrado. As definições de aceleração permitem trocar entre velocidade de geração e fidelidade dependendo se está a iterar rapidamente ou a finalizar um plano hero.

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

O LTX-2.3 22B é mais adequado a vídeo cinematográfico de curta duração: peças de ambiente, planos de conceito, clipes sociais, animatics e exploração de ideias onde ter som sincronizado incorporado poupa um passo inteiro de edição. Como os clipes são medidos em frames e gerados como momentos autónomos, brilha em planos únicos evocativos em vez de narrativas longas e multi-cena. Obter o máximo dele resume-se a escrever prompts descritivos e cinematográficos, escolher um movimento intencional de câmara e deixar o render multi-scale e o refinamento fazerem o seu trabalho. Com a sua combinação de vídeo guiado por prompt, áudio nativo e controlo preciso de câmara, dá aos criadores um caminho rápido de uma ideia escrita para uma cena em movimento e com som.