動画生成AI「LTX-2.5」がオープンモデルとして公開される、マルチショット対応＆プロンプト追従性が向上＆HDR対応などなど
AI開発企業のLTXが動画生成AI「LTX-2.5」を日本時間の2026年8月12日に公開しました。
LTX-2.5: LTX's Latest AI Open-Source Foundation Model | LTX
https://ltx.io/model/ltx-2-5
Introducing LTX-2.5: The Open World Model for Video, Real-Time, & Physical AI | LTX
LTX-2.5: The Foundation Film Is Made On | LTX Blog
https://ltx.io/blog/the-foundation-film-is-made-on
Introducing LTX-2.5, the world model the world builds on.
One of the biggest upgrades yet to the model already powering film, robotics, and real-time workflows. Higher pixel fidelity, multishot scenes that hold together across cuts, and a pretrained foundation built to be… pic.twitter.com/bgnH6YMjQD— LTX.io (@ltx_io) August 11, 2026
LTX-2.5は音声つきの動画を生成できるAIモデルで、テキスト・画像・動画の入力に対応しています。テキストエンコーダーにはGemma 4ベースのカスタムLLMを採用しており、複雑な動作・照明・文字・構図の指示に追従することができます。また、マルチショット動画の生成にネイティブ対応しており、顔や音声の連続性を保ったまま複数のショットからなる動画を一度の生成処理で作成できます。
動画内の重要な箇所を重点処理して品質を向上させる「Diffusion fidelity rendering」という技術も搭載しています。Diffusion fidelity renderingは8倍に時間圧縮した潜在空間でシーンを構築することで、シーンの複雑さに応じて計算リソースを割り当てられるとのこと。また、16bitのHDR出力にも対応しています。
各種動画生成AIで「画像から10秒の動画を生成する」というタスクを実行した際の処理時間を並べた図が以下。LTX-2.5をAPI経由で利用すると10秒の1080p動画を23.7秒で生成可能で、他社製AIの720p動画より高速な生成が可能です。また、GB200を2基搭載したオンプレミス環境ではわずか6.8秒で生成可能で、リアルタイムより高速な処理が可能です。
以下の図は「生成した動画に『テクスチャーの破綻』といった問題が発生しているか否かを人間に評価させた結果」を示しています。LTX-2.5は他社製AIと比べて破綻の少ないAIと評価されました。
LTX-2.5は以下のリンク先でオープンモデルとして公開されており、年間収益1000万ドル(約16億円)以下なら商用利用も可能です。
Lightricks/LTX-2.5 · Hugging Face
https://huggingface.co/Lightricks/LTX-2.5
ComfyUIでもLTX-2.5での動画生成がサポートされています。LTXは「VRAM16GBのGPUで動画を生成可能」とアピールしています。
Using ComfyUI with LTX | LTX Documentation
https://docs.ltx.io/open-source-model/integration-tools/comfy-ui
また、LTX-2.3用のLoRAも流用可能とのこと。
Most LoRAs and IC-LoRAs trained on LTX-2.3 run on LTX-2.5 as is. A few edge cases don't transfer cleanly, so we'd suggest testing yours.— LTX.io (@ltx_io) August 11, 2026
思い通りの動画を生成するためのプロンプトガイドも以下のリンク先で公開されています。
Prompting Guide | LTX Documentation
https://docs.ltx.io/open-source-model/usage-guides/prompting-guide
