Introduction
LTX 2.5 Texte vers vidéo génère, à partir d’un brief écrit, une prise continue de 5 à 20 secondes entières, en 16:9 ou 9:16, en 720p, 1080p, 2K ou 4K. Seul prompt est obligatoire ; duration_seconds, aspect_ratio et resolution valent par défaut 5 secondes, 16:9 et 720p, et seed est facultatif. Chaque clip revient avec une bande son générée. Ce point de terminaison s’impose quand aucune image n’a encore été validée et que le décor, l’action et la caméra doivent tous naître des mots. Les requêtes s’exécutent en tâches asynchrones : créez la tâche, puis interrogez-la ou attendez le callback.
Choisir le mode selon le matériau de départ
| Matériau de départ | Mode |
|---|---|
| Un brief écrit définit la scène, l’action, la caméra et, si nécessaire, le son. | LTX 2.5 Texte vers vidéo |
| Une image de départ validée fixe le sujet et la composition ; la consigne dirige le mouvement qui suit. | LTX 2.5 Image vers vidéo |
Fonctionnalités et points forts
Jusqu’à vingt secondes en une seule prise
duration_seconds accepte des secondes entières de 5 à 20 ; le plancher est de 5, pas de 3. Vingt secondes suffisent pour une entrée, un temps d’arrêt et une sortie dans un seul plan généré : la continuité entre ces temps se règle dans la génération plutôt qu’au montage. Cette famille de modèles n’a pas de tâche d’extension, la durée est donc fixée à l’envoi : un brouillon de cinq secondes et une version finale de vingt secondes sont deux générations distinctes, pas un clip rallongé.
Quatre résolutions derrière un seul champ
720p, 1080p, 2k et 4k sortent tous de la même forme de requête, et 2k renvoie une image d’environ 2560 px de large. La mise en place et la trajectoire de caméra se jugent déjà en 720p. Ce que les paliers supérieurs apportent, c’est le tissage des étoffes, la texture de la peau et les reflets spéculaires ; d’où la démarche pratique : un brouillon en 720p, puis un seul passage en haute résolution avec la même seed.
Le son naît avec l’image
Le clip contient une piste audio alors que le point de terminaison n’a aucun champ audio : il n’existe donc pas d’interrupteur pour la couper. Traitez le son comme une partie du brief : l’exemple de l’opéra se termine par « orchestra tuning drifting up from the pit ». Quand le clip passe sous votre propre musique et vos bruitages, coupez ou remplacez la piste au montage.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Écrivez tout l’arc comme un seul plan : sujet, action, caméra, lumière. La direction sans censure est acceptée. 1 caractères minimum |
resolution | Non | 720p, 1080p, 2k ou 4k. Brouillonnez en 720p, relancez le gagnant en 2k ou 4k. |
aspect_ratio | Non | 16:9 ou 9:16 uniquement. Aucun cadre carré, 4:3 ou anamorphique n’existe ici. |
duration_seconds | Non | Secondes entières, de 5 à 20. C’est un paramètre de génération, pas un rognage — décidez-le d’emblée. |
seed | Non | Gardez-la constante quand vous montez la résolution, pour qu’une seule variable ait changé. |
Tarification
| Spécification | Prix |
|---|---|
| $0.09 / seconde |
| $0.13 / seconde |
| $0.19 / seconde |
| $0.30 / seconde |
Cas d’utilisation
Un long mouvement sans coupe
L’exemple arena-gate-to-cages utilise les 20 secondes maximales, en 1080p et en 16:9. Son brief décrit une seule trajectoire en Steadicam, de la porte d’une arène à travers une tribune bondée et un tunnel éclairé aux torches, jusqu’aux cages des coulisses, et précise « No cuts » en toutes lettres. Ce type de plan exige que la trajectoire de caméra et le décor tiennent ensemble, et c’est précisément le rôle d’une longue prise unique.
Des brouillons qui deviennent des plates 4K
Dessinez la prise en 720p, gardez le seed, puis relancez le même prompt une fois en 4K ; le champ de résolution est le seul changement. Un rendu 4K porte assez de détails pour supporter un étalonnage, un recadrage et un lent travelling ajoutés plus tard au montage. L’exemple copper-tub-candlelight a été rendu en 2k ; son brief demande de la vapeur, une flamme de bougie et une texture de surface fine, le type de détail pour lequel existent les niveaux supérieurs.
Vertical, vue subjective et style illustré
En 9:16 sur vingt secondes, un passage de défilé tient en une génération, avec entrée, demi-tour et sortie. Le brief bedside-pov pose dès sa première phrase que la caméra est une personne allongée contre la tête de lit, ce qui transforme une scène observée en scène vécue par le spectateur. Cette famille n’a pas de champ de style : l’exemple ramen-stall installe son rendu en cel-shading uniquement par la formulation, « Anime cel-shaded animation, hand-painted backgrounds ».
Guide de prompt et conseils pratiques
Écrire le plan dans l’ordre où il se déroule
Gardez tout l’arc dans un seul paragraphe et énoncez sujet, action, caméra et lumière dans l’ordre où ils surviennent. Le brief opera-staircase sert de modèle : qui elle est et ce qu’elle porte, puis la descente et la fente qui s’ouvre à chaque pas, puis la lumière à travers le tissu, puis « Slow crane down », enfin le son. Placez chaque consigne de caméra à côté de l’action qu’elle accompagne.
Fixer durée et format avant le premier mot
Choisissez d’abord duration_seconds et aspect_ratio, car ils déterminent la quantité d’action que le brief doit porter. Le brief de 20 secondes de l’arène enchaîne plusieurs lieux ; les briefs de 5 secondes décrivent chacun un seul mouvement et sa fin. Seuls 16:9 et 9:16 existent : un livrable carré ou en 4:3 n’est pas disponible sur ce point de terminaison.
Changer une seule variable par passage
Gardez seed constante pendant que vous reformulez une ligne ou montez en résolution, afin que la comparaison isole ce seul changement. Une seed fixe rend deux passages comparables, mais ne promet pas un clip identique image par image : revoyez donc le passage en haute résolution au lieu de supposer qu’il correspond au brouillon.
Savoir où s’arrête la direction écrite
Un plan écrit laisse la garde-robe, le corps et le cadrage au modèle, et les relances dérivent, ce qui se voit davantage sur vingt secondes que sur cinq. Quand un visage, un produit ou une composition doit rester tel qu’il a été validé, passez à LTX 2.5 Image vers vidéo et fournissez cette image dans image_url.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "lightricks/ltx-2.5/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
