LTX2.3 是 Lightricks 推出的开源音视频生成模型支持文生视频、图生视频、音频驱动视频生成具备原生音画同步、4K 分辨率及竖屏比例适配能力可在消费级独立显卡上完成本地部署提供一键整合包降低部署门槛。一、LTX2.3 模型基础概述LTX‑2.3 由 Lightricks 发布是基于Diffusion TransformerDiT架构的开源视频生成基础模型模型参数量约 220 亿。核心功能能力文生视频通过文本描述自动生成视频内容图生视频以单张图片为基准生成连续动态视频音频驱动视频输入音频素材生成与音频匹配的画面原生音画同步单次推理可同时生成视频与音频无需后期二次配音对齐分辨率与比例支持 4K 分辨率输出原生适配 9:16 竖屏比例适配短视频内容创作场景二、软件核心特性多模态输入输出支持文本、图片、音频三种输入方式可覆盖短视频制作、内容批量生成等常规创作场景。原生音画同步机制不同于常规模型先生成画面、后期匹配配音的方式LTX2.3 在推理阶段同步生成画面与音频减少后期剪辑对齐工作量。原生竖屏支持内置 9:16 竖屏输出规格无需手动裁剪画面适配主流短视频平台尺寸规范。细节与提示词理解优化相较于前代版本画面纹理细节表现、提示词语义理解准确度均有提升生成结果稳定性更好。时长与帧率可配置单次生成视频最长时长可达 20 秒支持 24/25/48/50 多种帧率可按使用需求自主选择。三、本地部署硬件配置要求推荐运行配置显卡RTX 4090 为最优适配RTX 3060、RTX 4060 可运行需降低分辨率使用显存显存 ≥12GB 可稳定运行 1080P8GB 显存设备建议使用量化模型内存建议内存 ≥32GB复杂场景生成稳定性更高系统支持 Windows 10/11、Linux 系统模型版本选择说明官方提供原始版、FP8 量化版、精简版三种版本低显存硬件优先选择量化版本可兼顾运行速度与生成画质。四、主流开源视频模型参数对比表格特征LTX‑2.3Wan 2.2其他开源模型核心架构DiT扩散 Transformer扩散架构架构不统一参数量约 220 亿参数量相对更少依具体模型而定音视频同步原生同步生成需要后期处理匹配多数无原生支持竖屏原生支持支持不支持多数不支持多输入模式文生、图生、音频驱动文生、图生多数仅支持文生 / 图生最高分辨率4K低于 4K部分可手动扩展本地显卡部署支持支持大部分支持对比小结LTX2.3 优势在于原生音画同步、竖屏适配、多模态输入Wan 2.2 在画面清晰度上有一定优势。五、一键整合包本地安装部署教程步骤 1下载整合包资源LTX2.3 整合包网盘地址 链接https://pan.baidu.com/s/1tfQd_NBGE-TpUfmvMtHCzw?pwd5555 提取码: 5555步骤 2解压路径规范解压至纯英文无中文、无空格路径示例D:\AI\LTX2.3含中文或特殊字符路径易引发程序运行报错。步骤 3运行环境准备安装适配显卡的 NVIDIA 官方驱动及对应 CUDA 版本适配 PyTorch 运行环境部署 Python 3.10 及以上版本运行环境。步骤 4安装依赖并启动服务进入项目根目录执行依赖库安装命令bash运行pip install -r requirements.txt启动后端服务与 Web 界面bash运行python run_server.py浏览器访问本地地址http://127.0.0.1:7860进入界面后可选择文生视频、图生视频、音频驱动三种生成模式。步骤 5生成参数配置参考分辨率12G 显存选用 1080P8G 显存选用 720P帧率通用场景推荐 24 帧视频时长建议控制在 20 秒以内生成模式fast 快速模式、pro 高清模式可选六、使用注意事项低显存设备可通过降低分辨率、使用量化模型、分段生成的方式提升运行稳定性编写提示词时尽量细化画面细节描述可提升生成内容匹配度与稳定性人物、复杂构图类场景容易出现细节偏差可通过调整提示词、多次生成优化效果。七、总结LTX2.3 是可在消费级显卡上本地部署的多模态开源视频生成模型覆盖文生视频、图生视频、音频驱动视频全场景具备原生音画同步、竖屏适配、4K 高分辨率输出能力。配套一键整合包简化了环境配置流程适用于短视频创作、自媒体内容生产、AI 视频制作等常规需求场景。