跳到主要内容Skip to main content
多模态与图像视频特定场景

LTX-Video

Lightricks / LTX-Video

Lightricks 的实时视频生成模型与代码,基于 DiT,强调速度与较低显存。

11.4k stars 1250 forks Python 语言 Apache-2.0 许可 最近推送 2026-11-02

为什么选

  • 生成速度快,适合做实时/批量草稿。
  • 显存门槛相对低,单卡可实验。
  • 与 ComfyUI / Diffusers 生态可接。

不适合

追求电影级长镜头稳定性的场景,仍需更大模型与后期。
商用前不读模型许可就批量生成。

最小上手

  1. 按 README 跑一个短提示词示例,记录生成时长。
  2. 开低分辨率/少帧模式,确认显存峰值。
  3. 换自己的素材,检查运动与一致性。

依赖与成本

Python + PyTorch + CUDA;建议 12GB+ 显存,速度取决于分辨率和帧数。

许可与使用边界

代码 Apache-2.0;模型权重与生成内容商用条款另读模型卡。

开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。

替代与相邻

  • HunyuanVideo — 特定场景,腾讯混元的开源视频生成模型与推理代码,支持文本/图像到视频。
  • CogVideo — 生产可用,智谱 CogVideoX 系列视频生成模型与推理代码,支持文本/图像到视频。
  • Wan2.1 — 特定场景,开源视频生成模型与推理代码,支持文生视频、图生视频与多尺寸。

下一步

  • 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
  • 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
  • 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。

GitHub 仓库 ↗ 文档 ↗ 加入对比

快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。