LTX-Video 论文:单卡 H100 两秒生成 5 秒视频,超实时且开源
Crazy-Repeat-2006 · reddit · 2026-11-10
LTX-Video 是基于 transformer 的潜在扩散视频生成模型,核心思路是把 Video-VAE 与去噪 transformer 作为整体联合优化,而不是各自独立。
- VAE 压缩比高达 1:192,每 token 下采样 32×32×8 像素,把 patchify 从 transformer 输入移到 VAE 输入。
- 在高压缩潜在空间中,transformer 可高效做全时空自注意力,保证高分辨率视频的时间一致性;细节不足的问题由 VAE 解码器在像素空间完成最终去噪来解决,省去独立上采样模块。
- 同时训练文生视频与图生视频能力。在单张 H100 上仅需 2 秒即可生成 5 秒 768×512、24fps 视频,快于实时,超越同规模所有现有模型。
- 代码与预训练权重已开源。
所属事件:LTX-Video 论文发布：单卡 H100 两秒生成 5 秒视频并开源(2 条相关)→
「多模态」频道最新
- 25000 个 AI agent 自主建造 450 个 3D 互联世界，全程无人干预 — felixrieseberg · 2026-11-10
- 三位前苹果研究员创业做全双工数字人,Emma 能边听边实时反应 — ditzikow · 2026-11-10
- 突破 345 帧限制：ComfyUI 长视频节点用重叠窗口拼接生成 — Hoje-Na-IA · 2026-11-10
- 多运动相机视频拼接新研究：对齐网络让画面以假乱真 — kwangmoo_yi · 2026-11-10
- Claude 接 Blender MCP 用代码造出 931 零件、24260 铆钉的喷气机 — gaganghotra_ · 2026-11-10
- Claude Fable 5.2 自写乐谱自录制：产出贝多芬风格钢琴奏鸣曲 — imjustnewatai · 2026-11-10