LTX-Video là gì?
LTX-Video là một mô hình tạo video AI mã nguồn mở dựa trên kiến trúc Diffusion Transformer (DiT), phát triển bởi Lightricks — công ty Israel nổi tiếng với các ứng dụng chỉnh sửa ảnh như Facetune. Đây là mô hình video AI đầu tiên tích hợp khả năng tạo đồng thời cả âm thanh và video trong một mô hình duy nhất.
Với giấy phép Apache 2.0 cho mã nguồn, LTX-Video cho phép người dùng chạy local trên GPU cá nhân mà không cần phụ thuộc vào dịch vụ trả phí như Sora hay Runway. Mô hình hỗ trợ text-to-video, image-to-video và video-to-video với khả năng tạo video lên đến 60 giây.
Kiến trúc kỹ thuật
Video-VAE đột phá
Điểm nổi bật nhất của LTX-Video nằm ở Video-VAE (Variational Autoencoder) với tỷ lệ nén 1:192 — gấp đôi so với các đối thủ như Sora (~1:96). VAE thực hiện downsampling không gian-thời gian 1:32 mỗi token với 128 kênh latent. Giải pháp mới mẻ này giúp giảm đáng kể chi phí tính toán trong quá trình denoising.
VAE decoder thực hiện bước denoising cuối cùng đồng thời chuyển đổi latents sang pixels theo cách tiếp cận toàn diện. Thư viện Reconstruction GAN được sử dụng làm hàm mất mát mới cho discriminator, cải thiện chất lượng tái tạo.
Text Encoder
Phiên bản gốc sử dụng T5-XXL từ PixArt-alpha làm text encoder. Phiên bản mới nhất LTX-2.5 nâng cấp lên Gemma 4 12B được fine-tune đặc biệt cho LTX, kết hợp cùng Llama 3.2 3B để nâng cao prompt enhancement.
Positional Embeddings
RoPE (Rotary Positional Embeddings) với tọa độ phân số chuẩn hóa giúp cải thiện tính nhất quán không gian và thời gian trong video đầu ra.
Hiệu suất ấn tượng
LTX-Video nổi bật với tốc độ tạo video vượt trội:
- 2B model: Tạo 121 khung hình (5 giây) tại 512×768 chỉ trong 2 giây trên NVIDIA H100 — nhanh hơn thời gian xem thực tế
- 13B distilled: Video HD trong 10 giây trên H100, preview độ phân giải thấp trong 3 giây
- 2B FP8: Tạo video 720×480×121 dưới 1 phút trên RTX 4060 (8GB VRAM)
- LTX-2: Chi phí compute thấp hơn 50% so với các mô hình đối thủ
| Model | Parameters | VRAM tối thiểu | Ghi chú |
|---|---|---|---|
| LTXV-2B distilled | 2B | ~4-8 GB (FP8) | Nhanh, phù hợp GPU phổ thông |
| LTXV-13B dev | 13B | ~24-40 GB | Chất lượng cao nhất |
| LTX-2.5 22B | 22B | ~40-80 GB | Mới nhất, chất lượng sản xuất |
| LTX-2.5 distilled | 22B | ~24-40 GB | Nhanh hơn, chất lượng sản xuất |
So sánh với đối thủ
| Tính năng | LTX-Video | Sora | Runway Gen-3 | Kling |
|---|---|---|---|---|
| Mã nguồn mở | Có | Không | Không | Không |
| Chạy local | Có | Không | Không | Không |
| Giá | Miễn phí (chi phí GPU) | 200 USD/tháng | Theo credit | Theo credit |
| Âm thanh + Video | Có (LTX-2+) | Có | Không | Không |
| Phân giải tối đa | 4K | 1080p | 1080p | 1080p |
| Thời lượng tối đa | 60 giây | 20 giây | 10 giây | 10 giây |
| LoRA fine-tuning | Có | Không | Không | Không |
LTX-Video là mô hình video AI mã nguồn mở duy nhất có chất lượng sản xuất, chạy được trên GPU phổ thông và hỗ trợ tùy biến đầy đủ qua LoRA/IC-LoRA. Không có đối thủ nào khác (Sora, Runway, Kling, Pika) vừa open-source vừa self-hostable.
Các phiên bản và tính năng
LTX-Video đã phát triển nhanh chóng qua nhiều phiên bản:
- v0.9.0 — Ra mắt ban đầu với text-to-video và image-to-video
- v0.9.6 — Mô hình 2B distilled với tốc độ nhanh gấp 15 lần
- v0.9.8 — Hỗ trợ video lên đến 60 giây, cải thiện hiểu prompt
- LTX-2 — Tích hợp tạo âm thanh đồng thời với video
- LTX-2.5 — Phiên bản mới nhất với 22B transformer, Gemma 4 12B text encoder
Các tính năng nổi bật bao gồm multi-keyframe conditioning, video extension (tiến và lùi), HDR output (EXR export), và video retaking (tạo lại các khoảng thời gian cụ thể).
Hệ sinh thái và hỗ trợ cộng đồng
LTX-Video sở hữu cộng đồng phát triển sôi động với hơn 10.900 GitHub stars và gần 500.000 lượt tải từ HuggingFace. Các công cụ cộng đồng bao gồm:
- ComfyUI plugin — tích hợp drag-and-drop cho người không viết code
- LTX-Video Trainer — công cụ fine-tuning LoRA
- LTX-Desktop — ứng dụng desktop gốc
- LTX Studio — ứng dụng web trực tuyến
Hỗ trợ phần cứng đa dạng: NVIDIA (CUDA), Apple Silicon (MPS), và AMD (ROCm). Yêu cầu Python 3.10.5+, CUDA 12.2+, PyTorch >= 2.1.2.
Giấy phép sử dụng
Mã nguồn áp dụng Apache License 2.0 cho tất cả phiên bản. Tuy nhiên, model weights từ v0.9.5 trở đi sử dụng Open RAIL-M License — giấy phép thương mại miễn phí nhưng có giới hạn: cấm deepfake, cấm PII, bắt buộc công bố nội dung AI-generated.
Với LTX-2 và LTX-2.5, Lightricks sử dụng custom LTX Community License Agreement — tương tự về tinh thần nhưng cập nhật các điều khoản phù hợp với phiên bản mới.
Hướng dẫn cài đặt nhanh
Bắt đầu với LTX-Video không phức tạp:
# Clone repository
git clone https://github.com/Lightricks/LTX-Video.git
cd LTX-Video
# Cài đặt dependencies
pip install -r requirements.txt
# Tải model weights
huggingface-cli download Lightricks/LTX-Video
--local-dir ./checkpointsSau khi cài đặt, bạn có thể tạo video đầu tiên chỉ với vài dòng Python. Với GPU 8GB VRAM (RTX 4060 trở lên), mô hình 2B distilled là lựa chọn tối ưu cho người mới bắt đầu.
Kết luận
LTX-Video đang định nghĩa lại thị trường tạo video AI bằng cách đưa công nghệ trước đây chỉ có ở các dịch vụ trả phí lên GPU cá nhân. Với tốc độ nhanh nhất phân khúc, giấy phép mở, và cộng đồng sôi động, đây là lựa chọn hàng đầu cho developer muốn tích hợp AI video generation vào ứng dụng của mình.
