LTX-2 是由 Lightricks 开发的首个基于 DiT（扩散变换器）架构的音视频基础模型，能够在一个统一模型中同时生成高质量的视频与同步音频。与以往需要分别处理视频和音频的方案不同，LTX-2 将两者深度融合，实现真正的音画同步生成。
模型文件说明
本应用首次使用某功能时会按需自动下载对应模型，请确保网络畅通或提前将网盘内模型文件下载到项目文件夹内。模型保存在项目根目录的 checkpoints/ 文件夹，Gemma 文本编码器保存在 gemma/ 文件夹。
| ltx-2.3-22b-dev.safetensors | 开发版主模型，画质最佳 | ~44 GB |
| ltx-2.3-22b-distilled-1.1.safetensors | 蒸馏版主模型，速度最快 | ~44 GB |
| ltx-2.3-spatial-upscaler-x2-1.1.safetensors | 2× 空间上采样器 | ~1 GB |
| ltx-2.3-22b-distilled-lora-384-1.1.safetensors | 蒸馏 LoRA（辅助两阶段生成） | ~7GB |
| gemma-3-12b-it-qat-q4_0-unquantized（完整目录） | 文本编码器 | ~22.7 GB |
LTX2.3整合包软件功能介绍
八大功能详解
1. 两阶段高清生成（推荐）
适用场景：追求最佳画质的正式出片。
工作原理：先用开发版主模型生成低分辨率草图，再通过 2× 空间上采样器将分辨率翻倍，兼顾内容质量与细节清晰度。
所需模型：ltx-2.3-22b-dev + spatial-upscaler-x2 + distilled-lora + Gemma
使用步骤：
注意事项：
- 生成时间较长，适合最终出片而非快速预览
- 建议推理步数设置为 20~40
2. 蒸馏模型快速生成
适用场景：对速度要求极高的场景，或显存有限的环境。
工作原理：使用经过知识蒸馏的模型，仅需 8 步固定 sigma 推理即可生成视频，配合空间上采样器输出。
所需模型：ltx-2.3-22b-distilled + spatial-upscaler-x2 + Gemma
使用步骤：
注意事项：
- 推理步数固定为 8 步，修改「推理步数」参数对此模式无效
- 速度最快，但画质和细节丰富度略低于两阶段高清
- 此模式不使用蒸馏 LoRA，无需设置「蒸馏 LoRA 强度」
3. 图像视频转换
适用场景：基于参考图像或参考视频，生成风格一致、动作受控的新视频（IC-LoRA）。
所需模型：ltx-2.3-22b-distilled + spatial-upscaler-x2 + Gemma
Tab 内专属参数：
| 参考视频文件 | 上传一个或多个参考视频，作为条件引导生成 |
| 参考视频强度 | 每个参考视频的影响强度（0~1+），逗号分隔，如 0.8,0.6 |
| 跳过第二阶段上采样 | 勾选后跳过高分辨率阶段，速度更快但分辨率不翻倍 |
| 注意力强度 | 控制参考视频的注意力影响程度（0.0~1.0），越大越贴近参考内容 |
| 遮罩视频（可选） | 上传遮罩视频，白色区域受参考条件影响，黑色区域自由生成 |
使用步骤：
注意事项：
- 参考视频数量与强度值数量需对应；若值少于文件数，最后一个值自动补全
- 遮罩视频尺寸会自动缩放为生成尺寸的一半
4. 关键帧插值
适用场景：给定若干关键帧图像，生成它们之间平滑过渡的视频片段。
所需模型：ltx-2.3-22b-dev + spatial-upscaler-x2 + distilled-lora + Gemma
使用步骤：
注意事项：
- 关键帧数量、帧索引数量、强度值数量需一致
- 第一帧索引通常设为 0，最后一帧索引设为 num_frames – 1
- 蒸馏 LoRA 强度影响插值的平滑程度，推荐保持默认值 1.0
5. 音频驱动视频生成
适用场景：以音乐或语音为驱动，生成与音频节奏同步的视频内容。
所需模型：ltx-2.3-22b-dev + spatial-upscaler-x2 + distilled-lora + Gemma
Tab 内专属参数：
| 音频文件 | 上传 WAV、MP3 等格式的音频文件 |
| 音频开始时间（秒） | 从音频的第几秒开始使用（默认 0） |
| 最大时长（秒） | 使用多长的音频片段（0 表示自动，与视频帧数匹配） |
使用步骤：
注意事项：
- 音频文件为必填项，不上传会报错
- 视频时长 = 帧数 ÷ 帧率，建议与使用的音频时长保持一致
- 可在「图像条件」中上传参考图像来影响视觉风格
6. 视频片段重生成
适用场景：对已有视频中某段不满意的片段进行局部重新生成，其余部分保持不变。
所需模型：ltx-2.3-22b-distilled + Gemma
Tab 内专属参数：
| 源视频文件 | 上传需要局部修改的原始视频 |
| 开始时间（秒） | 要重生成的片段起点 |
| 结束时间（秒） | 要重生成的片段终点 |
| 重生成视频轨 | 勾选后重新生成该时间段的视频画面 |
| 重生成音频轨 | 勾选后重新生成该时间段的音频 |
| 使用蒸馏模型 | 勾选使用快速蒸馏模型，取消勾选则使用全量推理（需手动设置引导参数） |
使用步骤：
注意事项：
- 「源视频文件」为必填项，不上传会报错
- 时间范围外的部分保持原样不变
- 使用蒸馏模型时，引导参数将自动使用预设值，手动修改无效
7. HDR 视频生成
适用场景：专业影视后期制作，需要高动态范围（HDR）素材，用于专业调色、色调映射和合成。
所需模型：ltx-2.3-22b-distilled + spatial-upscaler-x2 + HDR IC-LoRA
Tab 内专属参数：
| 参考视频文件 | 上传 SDR 参考视频，作为 HDR 转换的基础 |
| 参考视频强度 | 各参考视频的条件强度（逗号分隔） |
| 空间分块大小 | 控制上采样时的分块尺寸，默认 1280，影响显存占用 |
| 仅输出 EXR | 勾选后只保存 EXR 序列，不生成 MP4 预览 |
| EXR 半精度 | 使用 float16 保存 EXR，文件更小但精度略降 |
| 高质量模式 | 启用更精细的 HDR 处理流程（速度更慢） |
使用步骤：
输出说明：
- 输出为 EXR 帧序列（LogC3 编码的线性光照数据），保存在 output/hdr_XXXXXX_exr/ 目录
- 默认同时生成一个 MP4 预览文件（可勾选「仅输出 EXR」跳过）
- EXR 文件需在 DaVinci Resolve、Nuke 等专业软件中进行色调映射后才能正常显示
注意事项：
- 空间分块大小越大显存占用越高，OOM 时可适当减小
通用参数说明
提示词与基本参数
| 提示词 | 空 | 描述视频内容，建议详细描述动作、场景、镜头、光影（参见下方提示词写作技巧） |
| 反向提示词 | 空 | 描述不希望出现的内容，如 blurry, low quality |
| 随机种子 | -1 | -1 为随机；固定值可复现相同结果 |
| 高度 / 宽度（px） | 512 / 768 | 生成分辨率 |
| 帧数 | 33 | 生成的总帧数，视频时长 = 帧数 ÷ 帧率 |
| 帧率（fps） | 24 | 输出视频帧率 |
| 推理步数 | 8 | 扩散去噪步数，越多质量越好但速度越慢（蒸馏模式固定 8 步） |
| 最大批次大小 | 1 | 并行处理的分块数，增大可加速但需要更多显存 |
| 自动增强提示词 | 否 | 开启后用 Gemma 自动扩写提示词，适合短提示词 |
| 蒸馏 LoRA 强度 | 1.0 | 两阶段/关键帧/音频驱动模式专用，影响第二阶段细节锐化程度 |
图像条件（可选）
上传参考图像，为生成视频提供视觉锚点。
| 条件图像文件 | 上传一张或多张图像（关键帧插值模式必须在此上传） |
| 帧索引 | 每张图像对应视频中的哪一帧（从 0 开始），逗号分隔 |
| 强度 | 每张图像对生成内容的影响程度，逗号分隔 |
| CRF | 图像压缩质量（值越小质量越高，通常保持默认 33） |
运行参数
| 显存卸载模式 | none：全部放显存；cpu：部分卸载到内存；disk：卸载到硬盘（最省显存但最慢） |
| 量化模式 | none：全精度；fp8-cast：动态 FP8 量化（40/50系列可开启）；fp8-scaled-mm：Hopper GPU 专用 |
| Torch 编译加速 | 首次启用时编译耗时约几分钟，之后每次生成明显加速 |
| 附加 LoRA | 每行一条，格式：/path/to/lora.safetensors,0.8 |
引导参数（高级）
控制扩散过程的引导强度，一般无需修改。
| cfg_scale | 2~7 | 分类器引导强度，越大越贴合提示词但可能过饱和 |
| stg_scale | 0~2 | 跳步引导强度 |
| rescale_scale | 0.5~0.9 | 引导缩放补偿，防止过度饱和 |
| modality_scale | 1~5 | 多模态（音视频）对齐强度 |
| skip_step | 0 | 跳过的初始步数 |
| stg_blocks | 28 | 应用跳步引导的 Transformer 块索引 |
提示词写作技巧
LTX-2 使用 Gemma 进行深度语义理解，支持详细的自然语言描述。保持描述精确具体，像电影分镜表一样思考。建议控制在 200 词以内。
输出与设置保存
输出文件
生成的视频保存在项目根目录的 output/ 文件夹，文件名格式为：
output/{功能名称}_{日期时间}.mp4
HDR 模式额外生成：
output/hdr_{日期时间}_exr/frame_00000.exr
output/hdr_{日期时间}_exr/frame_00001.exr
…
设置保存
- 手动保存：点击「保存设置」按钮
- 自动保存：每次点击「开始生成」时自动保存当前所有参数
- 设置文件保存路径：{项目根目录}/settings.json
- 下次打开应用时，所有参数会自动从 settings.json 恢复
常见问题
Q：首次运行需要多少存储空间？ A：完整下载所有模型约需 100 GB 以上空间（dev 模型 ~44 GB、distilled 模型 ~44 GB、Gemma ~22.7 GB、上采样器等）。如果只使用特定功能，只下载对应模型。
项目文件夹目录结构为：
复制
–LTX2.3
–checkpoints
–ltx-2.3-22b-distilled-1.1.safetensors
–以及其它.safetensors模型文件
–gemma
–hf
–output
–..
Q：最低显存要求是多少？ A：显存较低时可启用「量化模式」（fp8-cast，RTX30或更低系列不要开启）+ 「显存卸载模式」（cpu 或 disk）组合使用。英伟达显卡显存越低速度越慢，如果不想长时间等待，建议显存大于12GB。
Q：生成结果和提示词不符？ A：
Q：视频中出现闪烁或不连贯？ A：适当增大 stg_scale 或降低 cfg_scale，也可以尝试不同的随机种子。
LTX2.3音视频生成软件下载链接
夸克网盘分享
