WaveSpeedAI
← ブログ

WaveSpeedAI LTX 2.3 Image-to-Video LoRAがWaveSpeedAIに登場

LoRAサポートを備えたLTX-2.3は、DiTベースの映像・音声基盤モデルであり、カスタムスタイル、モーション、または外見を反映した映像と音声を同期生成するために設計されています。

1 min read
Wavespeed Ai Ltx.2.3 Image To Video Lora
Wavespeed Ai Ltx.2.3 Image To Video Lora LoRAサポートを備えたLTX-2.3は、DiTベースの映像・音声基盤モデルであり、カスタムスタイル、モーション、または...
Try it
WaveSpeedAI LTX 2.3 Image-to-Video LoRAがWaveSpeedAIに登場

カスタムスタイルで画像に命を吹き込む：LTX-2.3 Image-to-Video LoRAが登場

静止画には力がありますが、動きがストーリーを語ります。WaveSpeedAIにLTX-2.3 Image-to-Video LoRAが登場し、あらゆる静止画を同期オーディオ付きの高品質動画に変換できるようになりました。さらに、LoRAアダプターを通じて独自のスタイル、キャラクター、モーションパターンで出力をカスタマイズできます。

190億パラメータを持つLightricksの最新Diffusion Transformer（DiT）アーキテクチャ上に構築されたLTX-2.3は、オープンソース動画生成における世代的な飛躍を表しています。WaveSpeedAI上のLoRAサポートにより、ベースモデルのデフォルト設定に縛られることなく、ブランドの美学、特定のシネマティックな雰囲気、またはキャラクターの外見を直接生成パイプラインに組み込むことができます。

LTX-2.3 Image-to-Video LoRAとは？

LTX-2.3はLightricksが提供する最新のオーディオビデオ基盤モデルであり、このバリアントは滅多に同時に見られない2つの機能を組み合わせています：画像条件付き動画生成とLoRAファインチューニングサポートです。

実際の意味を説明すると、参照画像（製品写真、ポートレート、コンセプトアート）を提供すると、モデルがそれを自然なモーションと同期オーディオを持つ動画に、1回のパスですべてアニメーション化します。LoRAレイヤーにより最大3つのカスタムアダプターを同時に適用でき、自分のデータでトレーニングした特定のビジュアルスタイル、モーションダイナミクス、またはキャラクターの外見へと出力を誘導できます。

その結果は、すぐに使える強力さと、プロフェッショナルなワークフローへの深いカスタマイズ性を兼ね備えた動画生成パイプラインです。

LTX-2.3の新機能

LTX-2.3は段階的なアップデートではありません。Lightricksはモデルの3つのコアコンポーネントを再構築しました：

  • 再設計されたVAE：より高品質なデータでトレーニングされた新しい変分オートエンコーダーが、より鮮明な細部、よりリアルなテクスチャ、クリーンなエッジを生成します。髪、テキスト、小さなオブジェクトがフレーム全体で鮮明さを維持し、特に高解像度で顕著な改善が見られます。

  • 4倍大きなテキストコネクター：新しいゲート付きアテンションメカニズムにより、プロンプトがより忠実に反映されます。タイミング、モーション、表情、オーディオキューの説明が、生成された出力により正確に変換されます。

  • 改良されたHiFi-GAN Vocoder：よりクリーンなサウンド、ノイズアーティファクトの低減、ダイアログ・音楽・環境音のより良い処理により、オーディオ品質が大幅に向上しました。以前のバージョンで問題だったサイレンスギャップやアーティファクトが除去されています。

  • より良いImage-to-Videoモーション：モデルが入力フレームからより自然でリアルなモーションを生成します。静的な「ケン・バーンズ」パニング効果が減り、参照画像の構図、ライティング、被写体を尊重した真のアニメーションが実現します。

  • ネイティブポートレートサポート：横向きからトリミングすることなく、縦9:16の動画をネイティブに生成できます。ソーシャルメディアやモバイルファーストコンテンツに最適です。

主な機能

  • 同期オーディオビデオ生成：オーディオは1回のモデルパスで動画と同時に生成されます。別のオーディオパイプラインは不要です。サウンドは視覚的なモーションとプロンプトキューに文脈的に合わせられます。
  • LoRAカスタマイズ：最大3つのLoRAアダプターを同時に適用して、スタイル、モーション、外見を制御できます。各アダプターには細かいブレンディングのためのスケールパラメーターが含まれます。
  • 柔軟な解像度：素早いイテレーションには480p、バランスの取れた品質には720p、最終納品には1080pから選択できます。
  • 可変デュレーション：1回のパスで5〜20秒のクリップを生成できます。
  • 構図の保持：モデルは自然で一貫したモーションを加えながら、入力画像の被写体、フレーミング、ライティングを維持します。

実際のユースケース

プロダクトマーケティング

製品写真を目を引く動画広告に変換します。ヒーローショットをアップロードし、さりげないモーションと環境オーディオを説明し、ブランドスタイルのLoRAを適用してキャンペーン全体で視覚的な一貫性を維持します。

キャラクターアニメーション

特定のキャラクターやマスコットでLoRAをトレーニングし、一貫した外見でそのキャラクターを含む任意のポーズやシーンをアニメーション化します。認知可能なIPを構築するアニメーションスタジオ、ゲーム開発者、コンテンツクリエイターに最適です。

ソーシャルメディアコンテンツ

静的なソーシャル投稿をスクロールが止まる動画コンテンツに変換します。ネイティブポートレートモードのサポートにより、後処理なしでTikTokやInstagram Reels対応の縦向き動画を直接生成できます。

シネマティックストーリーテリング

特定のシネマティックスタイルLoRA（フィルムノワール、アニメ、ドキュメンタリー）でストーリーボードのフレームやコンセプトアートをアニメーション化し、オーディオの雰囲気が合った一貫した動画を取得できます。

ブランド一貫性コンテンツの大規模生成

スタイルLoRAを使用して特定の美的ガイドラインに動画生成を固定します。1クリップを生成する場合でも100クリップを生成する場合でも、すべてのコンテンツがブランドのビジュアルシグネチャーを持ちます。

WaveSpeedAIでの始め方

始めるのはわずか数行のコードです：

import wavespeed

output = wavespeed.run(
    "wavespeed-ai/ltx-2.3/image-to-video-lora",
    {
        "image": "https://example.com/your-image.jpg",
        "prompt": "The woman turns her head slowly and smiles, soft ambient music plays",
        "loras": [
            {"path": "https://example.com/your-style-lora.safetensors", "scale": 0.8}
        ],
        "resolution": "720p",
        "duration": 10,
    },
)

print(output["outputs"][0])

スケールに応じた料金体系

解像度5秒10秒15秒20秒
480p$0.15$0.30$0.45$0.60
720p$0.20$0.40$0.60$0.80
1080p$0.25$0.50$0.75$1.00

480pでプロンプトとLoRAの組み合わせを素早くイテレーションし、最終出力の準備ができたら1080pにスケールアップしましょう。

最良の結果を得るためのプロのヒント

  • 特定のサウンドが必要な場合はオーディオを明示的に説明しましょう：「窓への雨音」、「アップビートなジャズ」、「拍手喝采」など。
  • モーションプロンプトは集中させる — プロンプト1つに対して1つの明確なアクションが最も一貫した結果をもたらします。
  • 高品質な入力画像を使用する — シャープでよく露出された画像が最高のアニメーション品質を実現します。
  • 480pで素早くイテレーションし、最終バージョンを720pまたは1080pでレンダリングします。
  • 固定シードを使用する — LoRAバリエーションを比較する際に、ランダムな変化からスタイルの変化を分離できます。

まとめ

WaveSpeedAI上のLTX-2.3 Image-to-Video LoRAは、プロフェッショナルなワークフローが求めるカスタマイズの深さを持つ、プロダクショングレードの動画生成を提供します。改善されたビジュアル品質、同期オーディオ、LoRAアダプターサポートの組み合わせにより、汎用的な動画を生成するだけでなく、あなたのスタイルで、あなたのスケールで、あなたの動画を生成できます。

コールドスタートなし、高速推論、透明な秒単位の料金体系により、始めるための障壁はありません。

今すぐWaveSpeedAIでLTX-2.3 Image-to-Video LoRAを試す、あなたの画像が何になれるかを確認してください。

共有