LTX2.3 最强开源视频生成模型 文生图 / 图生视频 / 音频驱动｜低端显卡本地安装
LTX2.3 是 Lightricks 推出的开源音视频生成模型，支持文生视频、图生视频、音频驱动生成视频，原生音画同步、支持 4K / 竖屏，消费级显卡可本地部署，一键整合包开箱即用。
一、LTX2.3 是什么
LTX‑2.3 是 Lightricks 发布的开源视频生成基础模型，基于 Diffusion Transformer（DiT）架构，参数量约 220 亿。
核心能力
✅文生视频（text‑to‑video）：文字描述生成视频
✅图生视频（image‑to‑video）：图片生成连续动态视频
✅音频驱动（audio‑to‑video）：输入音频生成同步画面
✅原生音画同步：一次推理生成视频 + 音频，无需后期配音
✅4K 分辨率 + 竖屏（9:16）：适配短视频平台
二、软件核心特点
多模态输入输出文、图、音三种输入模式，覆盖短视频、内容创作、批量生成场景，灵活适配需求。
原生音视频同步区别于多数模型 “先画面后配音”，LTX2.3 同步生成音画，无需后期对齐，一步到位。
竖屏原生支持9:16 竖屏直接输出，无需裁剪，适配抖音、快手等平台。
细节与提示词优化相比前代，细节更清晰、提示词理解更准、纹理表现提升，生成效果更稳定。
时长与帧率灵活单次最长生成 20 秒视频，支持 24/25/48/50 帧，适配不同画质需求。
三、本地部署硬件要求
推荐配置
- 显卡：RTX 4090（最佳）；RTX 3060/4060 可跑（降分辨率）
- 显存：≥12GB（1080p 稳定）；8GB 需用量化模型
- 内存：≥32GB（复杂生成更稳）
- 系统：Windows 10/11、Linux
模型版本选择
官方提供原始 / FP8 量化 / 精简版，低显存优先选量化版，平衡速度与画质。
四、与主流开源模型对比
表格
| 特征 | LTX‑2.3 | Wan 2.2 | 其他开源模型 |
|---|---|---|---|
| 核心架构 | DiT（扩散 Transformer） | 扩散架构 | 多样 |
| 参数量 | 约 220 亿 | 较少 | 依模型而定 |
| 音视频同步 | 原生支持（同生成） | 需后处理 | 多数不支持 |
| 竖屏原生支持 | ✅ | ❌ | ❌ |
| 多输入支持 | 文 / 图 / 音 | 文生 / 图生 | 多数仅文 / 图 |
| 最高分辨率 | 4K | 低于 4K | 部分可扩展 |
| 本地部署 | ✅ | ✅ | 多数支持 |
总结：LTX2.3 胜在音画同步、竖屏适配、多模态，短视频创作首选；Wan 2.2 清晰度略优。
五、一键整合包安装教程（新手友好）
第一步：下载整合包
LTX2.3 安装地址: https://pan.baidu.com/s/1j7Fci5qkl04s9p6KqDC0rQ?pwd=8888 提取码: 8888
后续会有陆续更新音频以及相应扩展插件丰富生成的各类场景视频，有兴趣的可以保存订阅
第二步：解压（避坑）
解压到纯英文路径，示例：D:\AI\LTX2.3，中文路径易报错。
第三步：环境准备
- 安装 NVIDIA 显卡驱动 + CUDA（适配 PyTorch）
- 安装 Python 3.10+
第四步：启动运行
- 进入目录，安装依赖：
pip install -r requirements.txt- 启动界面：
python run_server.py- 浏览器打开：
http://127.0.0.1:7860，选择生成模式（文 / 图 / 音）
第五步：生成参数调整
- 分辨率：1080p（12G 显存）/720p（8G 显存）
- 帧率：24 帧（通用）
- 时长：≤20 秒
- 模式：fast（快速）/pro（高清）
六、使用注意事项
- 低显存：降分辨率、用量化模型、分段生成
- 提示词：精准描述细节，提升生成稳定性
- 复杂场景：人物 / 复杂构图易细节偏差，多试几次
总结
LTX2.3 是消费级显卡可跑的全能开源视频模型，文生 / 图生 / 音频驱动全覆盖，音画同步 + 竖屏原生支持，一键整合包免配置，短视频、自媒体、AI 创作必备。