当前AI视频模型普遍存在“失声”的短板，仅能生成无声画面。Lightricks开源的LTX-2模型打破了这一局限，首次实现了视频与音频的一体化生成。这不仅是一次技术突破，更让AI视频创作从“制作画面”迈向了“创作完整作品”的新阶段，为创作者提供了真正的声画同步解决方案。
智能速览
LTX-2 是首个实现视频与音频同步生成的开源模型。
模型支持最高4K分辨率和约50FPS的高帧率输出。
提供文本、图片生成视频的多模态控制能力。
设计了Fast、Pro、Ultra三种模式以适应不同创作需求。
可在消费级GPU上运行，便于开发者二次开发与集成。
精华内容
面对AI视频“无声”的普遍痛点，LTX-2的出现并非简单功能的叠加，而是对创作流程的重新思考。它试图回答一个核心问题：如何让AI像人类一样，用完整的视听语言进行表达？
声画同步生成
LTX-2最核心的突破在于其视频与音频的一体化生成能力。它并非在视频生成完毕后后期配音，而是在生成画面的同时，同步创作出与之匹配的对白、环境音等音轨。这种原生同步确保了音画时间的精确对齐，生成的角色口型更加自然流畅，解决了传统“音画分离”模式下的口型匹配难题，极大地提升了最终成片的真实感与沉浸感。
专业级输出控制
为满足专业创作需求，LTX-2在画质与控制方面表现突出。其输出分辨率最高可达4K，帧率支持约50FPS，保证了视频画面的清晰度与流畅度，减少了AI视频中常见的“抽动感”。在控制层面，模型支持Text-to-Video和Image-to-Video两种生成方式，并允许用户对镜头语言、动作节奏进行精细调控。此外，Fast、Pro、Ultra三种工作模式分别适配头脑风暴、方案评审和影视级成片等不同场景，兼顾了效率与质量。
开源底座与易用性
作为一款开源模型，LTX-2公开了全部权重与代码，允许用户进行本地部署、二次开发与商业集成，这为创作者和开发者提供了极大的自由度。更关键的是，它对硬件的要求相对亲民，可在消费级GPU上运行，显著降低了技术门槛。这种开放性和易用性使其不仅是一个演示模型，更是一个能够被广泛应用的“视频创作底座”，有望在广告、短片、游戏动画及各类内容创作平台中发挥巨大价值。
LTX-2的价值在于它将声音从“附属品”变为了生成过程的“原生部分”，真正实现了声画合一。这不仅为创作者提供了更高效的工具，也为AI视频的未来发展指明了新方向。当AI能够完整地视听表达，下一个革命性的应用会是什么？
