LTX-2.3：Lightricks 220億參數影片模型有哪些新功能（2026）

大家好，我是 Dora。上週有件小事促使我嘗試了 LTX‑2.3：一個 4 秒的片段，夾克拉鍊一直融入布料中。我並非在追求新模型，只是希望拉鍊看起來像拉鍊，而不必花一個小時反覆調整。所以我撥出一個晚上，用了一些自 LTX‑2 以來慣用的提示詞和音頻線索跑了幾遍測試。以下的筆記並非功能巡覽，而是這次發布實際改變我日常工作的地方，以及沒有改變的地方。

LTX-2 與 LTX-2.3 快速比較

這是我希望在開始之前就能看到的快覽。我分享的是自己觀察到的，以及發布說明中所述的內容。如果某些數據看起來是近似值，那是刻意為之。

參數	~10–14B（前代規模）	~22B（廠商說明：更大的上下文）
VAE	標準 VAE：較柔和的微細節	全新高保真 VAE：更銳利的精細邊緣、更乾淨的漸層
文字編碼器	穩固的提示詞遵循度：小物件有些模糊	更新後對小物件的定位和風格延續更佳
音頻	基本音頻條件控制：偶有相位偏移/顫抖	重建音頻層：更乾淨的條件控制、更少偽影
基礎/輸出	720p 基礎穩定：需透過變通方法支援直向	原生 9:16 直向；相同基礎但配備更好的放大器
新功能	/	音頻轉影片改進、空間與時序放大器、24/48 FPS 選項

從這張表格中有兩個快速結論：VAE 升級是視覺效果的無名英雄，音頻堆疊感覺不那麼脆弱了。參數量的躍升有助於一致性，但它無法神奇地修復故事板邏輯或精確的文字排印。

全新 VAE——更銳利的精細細節對輸出實際意味著什麼

在 LTX‑2 上，我經常看到精細紋理在幀間「呼吸」，布料紋理在第 12 幀看起來正確，到第 17 幀就模糊了。使用 LTX‑2.3 的全新 VAE，邊緣和微紋理的保持效果更好。 差異並不像霓虹燈一樣明顯：它是小煩惱的消失。

實際表現：

當動作加速時，髮絲和睫毛不會那麼快地結塊。
鉻合金邊緣保持更緊實的高光，不會膨脹。
天空和陰影中的漸層拾取的條帶更少。

這一開始並沒有為我節省時間，我仍然進行了慣常的降噪和種子掃描。但在三次嘗試之後，我停止了對珠寶和拉鍊進行手動清理遮罩。這種「節省時間」是緩慢且累積的：每個 10 秒片段可能節省 6–8 分鐘。

注意事項：如果你使用高對比度提示詞，它也可能出現過度銳化的情況。在這些情況下，我將引導值調低一個刻度（約 5–10%）以避免幀畫面過於生硬。

差異最明顯的地方（臉部、紋理、小物件、鉻合金）

我保持了緊湊的測試集：三個我熟記於心的提示詞，在 3 月 18–24 日這週用相同的種子值運行。

臉部：毛孔、細小的胎毛和眼角在動作中保持得更好。預設情況下感覺不那麼像「美顏濾鏡」。當我過度限制提示詞時，偶爾還是會出現詭異的微笑，但整體上蠟質感的臉頰減少了。
紋理：牛仔布、亞麻布、拉絲鋼。這些改善最多。模型在不脈動的情況下遵守編織圖案。在 LTX‑2 上，我有時會每隔 ~8–10 幀出現「紋理漂移」。這個問題基本消失了。
小物件：錶針、鈕扣、螺絲。它們在融入周圍環境之前能保持形狀更長時間。雖然不完美，但螺絲變成模糊斑點的跳接情況減少了。
鉻合金和高光：高光溢出減少了。我注意到反光輪圈和水龍頭上的高光衰減更緊實，這使得畫面不再顯得過度處理。

沒有顯著改善的地方：場景中的詳細印刷文字（標籤、標牌）仍然不穩定。如果清晰可讀的文字至關重要，我仍然會在後期進行合成。

重建音頻層：更乾淨的生成、更少偽影

音頻條件控制生成感覺更穩定了。在 LTX‑2 上，當我使用節奏性線索時，能聽到微弱的相位偏移或顫抖聲。在 2.3 中，這種情況更罕見了。我測試了 120 BPM 的點擊音與持續鋪底音，以及一個口述引導音軌。

對我的改變：

對齊節拍的動作更加一致，無需降低曝光來「跟隨」踢鼓。
旁白中齒擦音周圍有更多呼吸空間，以前模糊幀的嘈雜聲減少了。
輸出中嵌入的可聽偽影減少了。在舊版本的輸出中，我有時能在渲染結果中聽到條件控制的幽靈聲。在我的測試中，這種情況已消失。

限制：它仍然不是幀精確的動作對齊。如果你需要完美的節拍標記，你仍然需要在後期進行修剪。

音頻轉影片適合（和不適合）什麼

2.3 中的音頻轉影片適合塑造能量和節奏，但不擅長嘴型同步或精確的編舞。

對我有幫助的地方：

情緒跟隨音樂起伏的氛圍影片。模型會隨著音軌「呼吸」，而不是抽動曝光。
帶有輕柔呼嘯聲的產品片段，過場感覺有所引導，而非隨機。

沒有幫助的地方：

嘴型同步到獨白。嘴型仍然會漂移。我不會依賴它來製作說話人頭部的影片。
精確的節拍切換或舞蹈步驟。它對於氛圍來說足夠接近，但對於精確計數則不行。

所以我把它當作骨架層使用：從音頻獲得動作感，然後在真正的 NLE 中鎖定剪輯。

直向 9:16 和全新幀率選項（24 / 48 FPS）

原生 9:16 直向終於消除了我那笨拙的裁切流程。垂直構圖看起來更有意圖感，是構圖而非單純裁剪。我重新用 LTX‑2（從橫向裁切而來）運行了一個咖啡館序列，2.3 的垂直版本在手和杯子周圍給了我更乾淨的邊緣紀律。

關於幀率：

24 fps：動作感覺電影感十足，但在快速平移時可能出現頻閃。仍然是我的敘事氛圍預設選項。
48 fps：更流暢的動作，沒有我所擔心的肥皂劇感。對於產品旋轉和微距細節很有用，尤其是搭配新放大器使用時。

一個小摩擦：48 fps 使你的審查負擔加倍。 我開始輸出短片段進行檢查，否則我會錯過隱藏在幀間的小偽影。

空間與時序放大器：它們如何協同工作

我以前在獨立工具中進行空間放大，並接受時序抖動作為代價。LTX‑2.3 的配對放大器減少了這種取捨。

我的使用方式：

在舒適的基礎解析度（約 720p）生成，確認動作。
空間放大器提升細節。
時序放大器在幀間進行穩定化。

我注意到的：

最後執行時序放大器可以避免舊有的「單幀精美、序列抖動」問題。
這對組合從我的流程中節省了 1–2 個步驟。對於大多數片段，我停止了往返外部降噪器。
失敗案例：如果基礎動作已經混亂，時序放大器可能會模糊微動作。我通過在放大前微調降低動作強度來解決這個問題。

這不是魔法，但對我來說是這次發布中最「系統友好」的部分。

22B 規模：參數量躍升改變了什麼（和沒有改變什麼）

更大的模型可以記住更多上下文並更好地泛化。這在這裡表現為更穩定的 6–10 秒物件持久性，以及對多子句提示詞的遵循度略有提升。

我感受到的變化：

序列中途的物件置換減少了（紅色馬克杯保持紅色更長時間）。
風格指令的貫穿更加可靠。

它沒有修復的：

複雜的空間邏輯（例如，「相機從椅子後方穿過，然後揭示一面鏡子顯示……」）。你仍然需要仔細的提示詞編寫，有時還需要故事板步驟。
場景中的完美文字渲染。仍然令人頭疼。

代價：

更高的 VRAM 需求和更長的首次標記延遲。我的本地機器（24 GB VRAM）可以處理基礎解析度的短片段運行；任何有野心的內容都需要分塊或卸載。
暖機時間略長。不算大，但如果你迭代很快，會注意到。

誰應該現在開始關注

開發者（工具、節點、自定義工作流程）：新的 VAE 和放大器值得整合。它們消除了兩種常見的「為什麼會抖動？」技術支援工單。如果你提供預設，考慮使用保守的引導預設值以避免過度銳化的效果。
產品團隊：音頻一致性和 9:16 支援減少了社交媒體輸出的摩擦。如果你的用戶傾向於製作短影片，48 fps + 時序放大是一個平穩的升級。不要過度宣傳嘴型同步，它還未達到那個水準。
創作者：如果你曾為紋理漂移苦惱，或者討厭裁切到垂直格式的工作流程，2.3 是一個生活品質改善版本。如果你希望獲得完美的文字渲染或嚴密的故事邏輯，你可以安心等待。

我的簡短結算：更少的清理遮罩，更少的外部跳轉。這不算炫目，但我願意接受。

常見問題

LTX-2.3 本地運行的 VRAM 需求是什麼？

我的運行情況：24 GB 可以處理短基礎解析度生成（約 720p），並有空間進行小批次處理。對於 1080p 或更長的片段，我需要分塊和偶爾的 CPU 卸載。如果你使用 12–16 GB，預計運行速度更慢且限制更緊。你的確切需求會因採樣器、上下文長度以及是否同時啟用兩個放大器而有所不同。

如果你是記憶體調優的新手，PyTorch 關於 CUDA 記憶體管理的說明是一個很好的入門資料。

LTX-2.3 與現有的 LTX-2 ComfyUI 工作流程向後相容嗎？

大致上是的，但我必須為新的 VAE 替換節點並調整引導值。我舊的 LTX‑2 ComfyUI 圖形可以載入，但提示了幾個已棄用欄位的錯誤。十分鐘的節點清理修復了它。如果你在 ComfyUI 中建構，請注意模型載入器和 VAE 節點。如果你需要參考，ComfyUI 的主要倉庫在這裡：ComfyUI on GitHub。