# Lightricks LTX-2.3 开源发布：220亿参数视频生成模型，支持4K竖屏与音视频同步

- Link: https://paooo.com/ai-tool/11301/
- Published: 2026-06-10T06:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 220 亿参数 DiT 视频模型开源，补齐高分辨率、竖屏适配与音画同步三大短板。
 * 支持 text-to-video、image-to-video、audio-to-video，最高 4K、9:16 竖屏与 24/48FPS。
 * 配套 LoRA 微调、超分工具和本地桌面编辑器，更适合内容生产而非单纯演示。

> **💡 站外导读：**当短视频成为主流媒介，内容创作者面临两个核心痛点：一是传统视频
> 制作成本高、周期长，难以快速响应热点；二是现有AI生成工具在画质、竖屏适配和音画
> 同步上存在明显短板，无法直接用于专业场景。在此背景下，以色列公司Lightricks开源
> 了其最新一代视频生成模型LTX-2.3，旨在通过强大的多模态生成能力与工程化优化，降低
> 高质量视频内容的生产门槛。

## LTX-2.3是什么

LTX-2.3 是以色列 AI 公司 Lightricks 开源的最新一代[视频生成](https://ai-bot.cn/ai-video-generation-tools/)
模型，采用 Diffusion Transformer 架构，拥有 220 亿参数。模型支持文本、图像、音频
三种输入方式生成视频，最高可输出 4K 分辨率，并原生支持 9:16 竖屏格式和 24/48FPS 
帧率选择。相比前代，LTX-2.3 通过全新训练的 VAE 架构显著提升了画面细节锐度，解决了
高分辨率下纹理模糊的问题，同时新增原生音频生成功能，实现音视频同步输出。模型提供
7 个生成端点，单次最长可生成 20 秒视频，并支持 LoRA 微调。

阅读目录

 * [LTX-2.3是什么](https://paooo.com/ai-tool/11301/#ltx23%e6%98%af%e4%bb%80%e4%b9%88)
 * [LTX-2.3的主要功能](https://paooo.com/ai-tool/11301/#ltx23%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [LTX-2.3的技术原理](https://paooo.com/ai-tool/11301/#ltx23%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [LTX-2.3的项目地址](https://paooo.com/ai-tool/11301/#ltx23%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [LTX-2.3的应用场景](https://paooo.com/ai-tool/11301/#ltx23%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/ai-tool/11301/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![LTX-2.3](https://paooo.com/wp-content/uploads/2026/05/LTX-2.3-website-1.avif)

## LTX-2.3的主要功能

 * **多模态视频生成**：支持 text-to-video（文本生视频）、image-to-video（图像生视频）、
   audio-to-video（音频生视频）三种核心生成方式，满足不同创作需求。
 * **原生竖屏支持**：新增 9:16 竖屏格式（最高 1080×1920），直接适配短视频平台和社交
   媒体内容创作。
 * **音视频同步生成**：新增原生音频生成功能，可同步输出环境音、音效和对话，也可通过
   音频输入驱动视频画面生成。
 * **灵活帧率选择**：支持 24FPS 电影感和 48FPS 流畅运动两种帧率模式。
 * **视频延展与重拍**：提供 extend-video（视频延长）和 retake-video（片段重生成）
   功能，单次最长生成 20 秒，可通过延展进一步延长。
 * **快速生成模式**：针对效率场景提供 text-to-video fast 和 image-to-video fast 
   加速版本。
 * **高分辨率输出**：支持最高 4K 分辨率，通过全新 VAE 架构实现更锐利的画面细节和
   纹理表现。
 * **LoRA 微调支持**：创作者可在本地进行 LoRA 适配器训练，不到一小时即可完成定制
   化模型微调。
 * **配套超分工具**：提供 2x/1.5x 空间超分和 2x 帧率提升的后期处理模型，优化最终
   输出质量。
 * **本地桌面编辑器**：同步推出 LTX Desktop 开源视频编辑器，基于 LTX-2.3 引擎，完全
   本地运行无需云端。

## LTX-2.3的技术原理

 * **DiT 扩散Transformer架构**：基于 Diffusion Transformer 架构，将扩散模型与 Transformer
   结合，通过迭代去噪过程生成高质量视频，拥有约 220 亿参数规模。
 * **全新VAE变分自编码器**：重新训练的 Variational Autoencoder 大幅改善编码-解码
   质量，显著提升画面锐度、纹理细节和面部特征清晰度，解决前代高分辨率下细节模糊问题。
 * **时空联合建模**：采用时空分离的注意力机制处理视频数据，同时建模空间维度的画面
   内容和时序维度的运动变化，确保生成视频的时序连贯性。
 * **原生音频生成模块**：集成音频生成子网络，实现音视频端到端同步生成，支持从音频
   输入驱动视觉内容生成，确保声画同步。
 * **多模态条件注入**：通过不同的条件编码器将文本、图像、音频三种模态输入统一映射
   到潜在空间，实现灵活的多模态控制。
 * **蒸馏加速版本**：提供 distilled 蒸馏版模型，通过知识蒸馏技术压缩模型规模，在
   保持质量的同时提升推理速度。
 * **LoRA低秩适配**：支持 Low-Rank Adaptation 技术，允许用户在预训练模型基础上快速
   注入特定风格或概念，实现低成本定制化。
 * **超分辨率后处理**：配套独立的超分模型，采用空间上采样（2x/1.5x）和帧率插值（
   2x）技术，对生成视频进行二次优化。

## LTX-2.3的项目地址

 * **项目官网**：https://ltx.io/model/ltx-2-3
 * **Hugging Face**：https://huggingface.co/Lightricks/LTX-2.3
 * **arXiv技术论文**：https://arxiv.org/pdf/2601.03233

## LTX-2.3的应用场景

 * **短视频与社交媒体内容**：原生 9:16 竖屏支持和 24/48FPS 帧率选择，完美适配抖音、
   TikTok、Instagram Reels 等平台的内容创作需求。
 * **广告与营销视频**：快速生成产品展示、品牌宣传片，支持图像到视频的转换，可将静态
   产品图转化为动态广告素材。
 * **影视预演与概念设计**：导演和制片方可用文本快速生成镜头预览，验证创意概念后再
   投入正式拍摄，降低前期成本。
 * **游戏与动画制作**：生成游戏过场动画、角色动作参考，或作为动画制作的初版素材，
   加速内容生产流程。
 * **音乐MV与音视频创作**：audio-to-video 功能支持用音频驱动画面生成，适合音乐人
   快速制作歌词版 MV 或视觉化音轨。
 * **教育与培训内容**：生成教学演示视频、操作步骤可视化，将静态教材转化为动态讲解
   内容。

#### 📝 站长洞察 (Editor’s Insight)

LTX-2.3的发布标志着AI视频生成从“玩具”走向“生产力工具”的关键一步。其核心价值不仅在于
220亿参数的模型规模，更在于对实际创作场景的深度适配：原生9:16竖屏、音视频同步、4K
输出与LoRA微调，直击短视频营销、影视预演等行业的效率痛点。从技术路径看，DiT架构与
全新VAE的结合，代表了“架构创新解决实际问题”的思路，而非单纯追求参数膨胀。值得关注
的是，配套的开源桌面编辑器与超分工具，形成了从生成到优化的完整工作流，这或将降低
专业视频工具链的构建门槛。在Sora等大厂模型主导舆论的背景下，Lightrick选择开源并聚焦
工程化，可能更利于在垂直生态中快速落地，值得国内[AIGC](https://paooo.com/aigc-news/)
创业者借鉴。

❓ 常见问题解答（FAQ）

LTX-2.3 适合做短视频吗？

适合。它原生支持 9:16 竖屏格式，最高可到 1080×1920，并提供 24/48FPS 选择，比较贴
合抖音、TikTok、Instagram Reels 等短视频平台的内容生产需求。

LTX-2.3 能实现音画同步吗？

可以。文章提到它新增原生音频生成功能，支持环境音、音效和对话的同步输出，也可通过
音频输入驱动视频画面生成，适合音乐 MV 和音视频创作。

LTX-2.3 支持本地微调吗？

支持。它提供 LoRA 微调能力，创作者可在本地训练适配器，文中提到通常不到一小时即可
完成定制化微调，适合做风格或概念级快速适配。

🔬 语宙深潜追问 · 进阶实操拆解

竖屏4K视频最难卡在哪？

难点通常在时序一致性、主体稳定和显存压力。实操上要先锁定镜头运动幅度，再控制分辨
率、帧长和采样步数，必要时用分段生成与后期拼接降低崩坏率。

音视频同步怎么接入工作流？

建议把音频节拍、口型和镜头切换作为同一约束源，先生成节奏骨架，再补画面细节。这样
比事后对齐更稳，也更适合广告、短视频和预演场景。

🗳️ 读者观点微投票 · 您的实战立场是？

开源4K视频模型更适合生产还是炫技？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎬 所属权威专题：AI 视频生成与影视工作流 →](https://paooo.com/topics/ai-video-generation/)

 * [LTXV-13B – Lightricks开源的最新视频生成模型](https://paooo.com/aigc-news/19891/)
 * [Lightricks LTX-2 震撼发布：原生4K/50fps电影级AI视频生成模型，支持音画同步与精细控制](https://paooo.com/aigc-news/13138/)
 * [LTX Video – Lightricks推出的开源AI视频生成模型](https://paooo.com/aigc-news/25402/)
 * [阿里通义开源 Wan2.2-S2V：一张图+一段音频，分钟级生成电影级数字人视频的多模态大模型](https://paooo.com/aigc-news/13987/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/ai-tool/11301/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
