LTX-2.3
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
LTX-2.3 est un modèle de diffusion DiT qui génère vidéo et audio de façon synchronisée en une seule passe. Ses versions distillées (8 pas) et ses LoRA permettent d'entraîner un style, un mouvement ou une voix sur mesure en moins d'une heure. Le suivi de prompt reste imparfait et l'audio sans parole perd en qualité. Poids ouverts sous licence Apache 2.0, exécution entièrement locale sur poste desktop, sans dépendance au cloud.
Profil de compétences
Non communiqué
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vous avez des contraintes RGPD
Cas d'usage idéaux
- Prototypage vidéo synchronisée
- Contenu marketing rapide
- Fine-tuning style ou voix
- Génération locale sans cloud
- Pipelines ComfyUI personnalisés
Accès & disponibilité
Caractéristiques clés
Confidentialité
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 12.5 Go | 16 Go | PC 32 Go / Mac 24 Go / RTX 4070 Ti+ |
| Q8 · équilibré | 23.5 Go | 28 Go | Mac 64 Go / bi-GPU 24 Go |
| FP16 · qualité max | 44 Go | 50 Go | Mac 64 Go / bi-GPU 24 Go |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve Lightricks/LTX-2.3 \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |