ltxv-2b

基于DiT（Diffusion Transformer）架构开发，参数规模为20亿（2B）：

1. 实时生成速度：可短时间内生成5秒的24FPS视频（分辨率768x512或832x480），生成速度超越播放速度；
2. 显存需求：采用bfloat16精度优化显存占用，适配NVIDIA RTX4090等主流显卡，支持文本/图像/视频多模态输入；
3. 高质量动态效果：消除闪烁、抖动和物体变形，提供卓越的运动一致性；
4. 多场景支持：原生兼容ComfyUI，支持文生视频（t2v）、图生视频（i2v）和视频转绘工作流。
5. 开源说明：基于开源协议发布，默认仅限非商业用途（如研究、个人创作）

ltx-video-2b-v0.9.5（量化版本）

核心升级：引入int8量化技术，显著降低显存占用至10GB以下，适配中端显卡（如RTX 3080）。
新增功能：集成Gradio交互界面，支持用户通过WebUI直接操作，简化部署流程。
新增视频扩展功能（前后帧预测），支持生成更长视频片段。

ltx-video-2b-v0.9.1（优化版本）

改进重点：针对v0.9的稳定性与兼容性优化，提升与ComfyUI的集成体验。
更新内容：修复部分显存溢出问题，优化多GPU并行支持。增强提示词解析能力，支持更复杂的时序描述（如分镜脚本）。
默认推理步骤调整至25步，平衡速度与画面细节。
用户反馈：生成效率提升约15%，但仍需较高硬件配置

ltx-video-2b-v0.9（初始版本）

核心功能：首个公开发布的稳定版本，支持基础文本到视频（T2V）、图像到视频（I2V）生成，生成逻辑基于20步扩散过程，默认输出5秒（121帧）视频。
技术特点：依赖T5-XXL文本编码器，需搭配t5xxl_fp16模型文件。显存占用约16-18GB，需高性能显卡支持。
局限性：早期版本可能存在运动连贯性不足或复杂场景下的物体变形问题。