Новый стандарт контроля в LTX-Video 2.3
Лаборатория LTX представила обновленную версию своей видео-генеративной модели LTX-Video 2.3. Ключевое отличие этой версии — архитектура на 22 миллиарда параметров, которая предлагает баланс между качеством генерации и вычислительной эффективностью. Главная инновация — интеграция адаптера IC-LoRA (CrossView Prompt v0.9).
Этот инструмент решает одну из самых болезненных проблем генеративного видео: потерю контроля над камерой. Раньше модели часто «дрейфовали» в ракурсе или искажали перспективу. IC-LoRA позволяет пользователю задавать конкретный вид (cross-view) и направление взгляда камеры прямо в текстовом запросе, сохраняя целостность сцены.
Технические характеристики и метрики
Модель позиционируется как улучшенная версия предыдущих итераций. Ниже приведено сравнение ключевых аспектов новой версии с общими характеристиками базовых видео-генераторов:
| Параметр | LTX-Video 2.3 (22B) | Базовые аналоги (до 2024) |
|---|---|---|
| Количество параметров | 22 Billion | 1B - 7 Billion |
| Контроль камеры | IC-LoRA (CrossView) | Слабый / Отсутствует |
| Версия адаптера | v0.9 | N/A |
| Платформа | Huggingface | Различные |
Как работает CrossView Prompt?
Механизм IC-LoRA работает как дообученный слой, который «понимает» пространственные отношения в кадре. Пользователь может использовать специфические триггеры в промпте, чтобы указать:
- Угол обзора: Вид сверху, вид сзади, вид сбоку.
- Композицию: Расположение объектов относительно камеры.
- Движение: Направление панорамирования или зума.
Это критически важно для создателей контента, которым нужна не просто «красивая картинка», а конкретная кинематографическая композиция, соответствующая сценарию.
Доступность и обновление
Модель доступна на платформе Huggingface. Последнее обновление весов и адаптера было произведено около 16 часов назад, что указывает на активную фазу разработки и тестирования. Для работы с моделью потребуется значительный объем видеопамяти (VRAM) из-за размера в 22B параметров, однако использование LoRA-адаптеров позволяет оптимизировать инференс.
Почему это важно?
Появление LTX-Video 2.3 с 22B параметров сигнализирует о переходе от экспериментальных генераторов к профессиональным инструментам. Контроль над камерой через текстовый промпт (CrossView) снижает необходимость в ручной постобработке или использовании сложных 3D-сцен для достижения нужного ракурса. Это открывает путь к более быстрому производству видеоконтента в маркетинге, геймдеве и кинематографе.
Источник: Huggingface ↗