LTX、オープンソース動画生成モデルLTX-2.5を無料公開

LTXは動画生成と物理AIの基盤となるオープンウェイト世界モデル「LTX-2.5」を発表しました。このモデルはHugging FaceとComfyUIを通じて無料で利用可能で、視覚品質、プロンプト理解、生成速度、効率性の向上をもたらします。LTXの世界モデルはこれまでに3300万回以上ダウンロードされ、映画製作、ロボティクス、リアルタイムレンダリングなど多様な分野で活用されています。

LTX-2.5は従来のアーキテクチャへの機能追加ではなく、生成パイプラインの大部分を再構築しました。主要な追加機能には、複数シーンを通じてキャラクター、背景、音声の一貫性を保持するネイティブマルチショット生成があります。プロンプト理解はカスタムGemma 4言語バックボーンと専用プロンプトエンハンサーにより強化され、複数の主体を含む複雑なプロンプト解釈が可能になりました。視覚出力では、新しい拡散ビデオデコーダが高動作シーンでのアーティファクトを削減しながら高い圧縮率を保持します。Diffusion Fidelity Renderingというアプローチにより、8倍時間圧縮潜在空間で動きと構造を構築し、重要な視覚的詳細を保持するより高忠実度のキーフレームを生成します。

ロボティクスと物理AI分野では、LTX-2.5がロボットの学習を支援するために特別に調整された事前学習チェックポイントを含んでいます。開発者は独自ドメイン固有データを使用してモデルをファインチューニングできます。Markov RoboticsのCEO兼共同創設者Atharva Gundawarは、「LTX-2.5は当社にとってオープンモデルの中で最も物理世界の実際の振る舞いをとらえるモデルであり、独自ハードウェアで実行・ファインチューニング可能である点が実際のロボティクス作業に欠かせない」とコメントしています。

Nvidiaとの協業により、LTX-2.5はNvidia RTX GPUおよびDGX Sparkシステムでのローカル推論に最適化されました。メモリ要件が削減され、より多くの開発者と企業がクラウド依存を減らしてローカルで実行できるようになります。NvidiaのローカルAI製品シニアディレクターであるGerardo Delgado Cabreraは、「ローカルGPUにより、クリエイターと開発者は自由に発想を探索でき、ComfyUIなどの人気フレームワークでの最適化により、RTX GPUとDGX Sparkユーザーは大幅にVRAM消費を削減しながら最高のパフォーマンスが得られる」と述べています。LTX-2.5はデータセンターGPUからMacまで幅広いハードウェアで実行可能です。

ComfyUIとの統合により、開発者は実験から本番ワークフローへと移行する際に別の専有プラットフォームにコードを転送する必要がなくなります。ComfyUI共同創設者兼CEOのYoland Yanは「ComfyUIとLTXはオープンモデルがより良いツールをより速く構築するという単純な信念を共有している。LTX-2.5がComfyUIでネイティブ実行されることで、開発者は午後1回で構想から動作する世界モデルパイプラインへ進み、企業は同じパイプラインを独自ハードウェアで本番運用に直結できる」とコメントしています。また、Reactorなどのリアルタイム生成動画開発プラットフォームも協業しており、インタラクティブアバター、ライブ生成環境、リアルタイムロボティクスワークロードへの活用が進みます。LTXは最終的に世界モデルがメディア、シミュレーション、インタラクティブアプリケーション、物理マシンにまたがるインフラストラクチャレイヤーを提供すると見込んでいます。LTX-2.5は年間経常収益1000万ドル未満の組織に対して無料で利用できます。