从 LTX-Video / LTX-2 看视频模型的音画同步趋势（踩坑复盘）

先叠个甲：以下都是个人实测，不代表官方说法。今天没啥事，来唠唠这个。 这篇「避坑指南」都是踩过的坑，看完能少走弯路。 按官方与社区交叉核对的信息：LTX-Video / LTX-2（Lightricks，LTX-Video 2024；LTX-2 开源 2026-01；LTX-2.3 2026-03-05）LTX-Video 2B/13B；LTX-2 为 19B（后升 22B）DiT：14B 视频流 + 5B 音频流，版权口径是LTX-2 Community License（年收入低于 1000 万美元免费商用，超阈值需付费授权）。 本地跑起来的话，LTX-2.3 FP8 约 16GB；官方建议 32GB，全质量 80GB+。 交互角度看，可控性与反馈延迟决定它是不是玩具。几个值得关注的点：首个单模型同步生成音视频的开源 DiT；dev/fp8/fp4/distilled 多档权重 + 空间/时序超分。 欢迎持不同意见的朋友理性讨论。先唠到这，评论区接着聊。—— 个人经验，仅供参考。