从 LTX-Video / LTX-2 看视频模型的音画同步趋势（入门扫盲）

作为常年和 X 打交道的人，说点实在的。摸鱼时间到，聊点技术八卦。 「新手科普」写给刚入门的朋友，老手可以跳过。 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）。 硬件门槛方面：LTX-2.3 FP8 约 16GB；官方建议 32GB，全质量 80GB+。 带团队后我更看长期维护成本，而非单次 demo。补充几个硬信息：LTX-2.3 首次原生竖版视频；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。好了不贫了，正经事还有一堆。—— 保持好奇，保持敬畏。 👀