LTX 2.5: riprese lunghe con audio, volti incostanti

Non pubblichiamo le nostre esecuzioni sulla scala di contenuto; la galleria qui sotto è il registro quotidiano, presa dagli esempi pubblicati e adatti al lavoro sulla pagina del modello LTX 2.5.

Dal tramonto al fuoco, in una sola richiesta. Due persone su una spiaggia al tramonto atterrano, tramite il fotogramma di chiusura, avvolte in una coperta vicino a un falò di notte — il prompt deve descrivere solo il passaggio tra i due fermi immagine, non la destinazione.

Lume di candela e vapore che sale. Da un fotogramma d'apertura in un bagno a lume di candela, lei si immerge in acqua fumante, le mani che scorrono tra i capelli bagnati — il fermo immagine fornisce la stanza, il prompt fornisce solo ciò che cambia.

Una caduta all'indietro in piscina. Cade all'indietro da un bordo piastrellato, le bolle salgono mentre la macchina da presa affonda con lei e i riflessi caustici continuano a increspare le colonne — il tipo di momento fisico che di solito rompe un fermo immagine animato.

Un attraversamento di folla ininterrotto di venti secondi. Un unico movimento continuo in stile Steadicam da un cancello di arena attraverso una folla compatta, scritto interamente da testo senza tagli, alla piena durata di 20 secondi dell'endpoint.

Una scalinata di marmo, discesa in un'unica ripresa. Una donna in un abito di seta smeraldo scende la scalinata di un teatro dell'opera vuoto mentre la luce del lampadario cattura il tessuto — un intero arco di discesa, movimento del tessuto e un movimento a gru da un solo paragrafo.

Un banco di ramen cel-shaded sotto la pioggia. Stile anime, sfondi dipinti a mano: una donna si china sotto una tenda noren, scuote l'ombrello e si siede — lo stile portato interamente dalla formulazione, dato che non c'è un campo di stile separato.

Ordina la frase come soggetto, azione, macchina, luce, poi qualunque vincolo, e cambia una sola variabile alla volta quando risolvi una ripresa sbagliata. Sull'immagine-in-video, lascia che il fotogramma d'apertura (e di chiusura) porti identità e abbigliamento, e usa il prompt solo per il movimento.

1. Un finale fissato, descritto come passaggio (immagine-in-video, fotogramma di chiusura fornito).

Cast: one man and one woman. Begin on the two of them on the beach at sunset and end on the supplied final frame: the same two at night wrapped in one blanket by a bonfire, sparks rising. Close: wet swimwear still clinging at sunset, then opening onto firelight.

Esegui questo prompt su LTX 2.5 →

2. Una ripresa lunga, scritta come un unico movimento ininterrotto (testo-in-video).

Cast: a mixed crowd of men and women of different ages and skin tones. The camera stays at chest height in the crush of bodies the whole way through. One continuous 20-second Steadicam take: from the arena gate, through a packed crowd, no cuts.

Esegui questo prompt su LTX 2.5 →

Debole: descrivere un'azione fisica veloce e complessa (un sorvolo di canyon, un wok lanciato sopra la fiamma) con un movimento di macchina pesante e dettaglio fine nella stessa frase — quella combinazione è dove gli artefatti sono stati più gravi. Forte: rallentala, o dividi un'azione complicata in meno cambi simultanei di macchina e di soggetto.

Tra il 16 e il 24 settembre 2026 abbiamo lanciato la nostra scala di contenuto a cinque gradini su entrambi i compiti di LTX 2.5. L'immagine-in-video ha reso L1 Allusivo, L2 Temi maturi, L3 Forte e L4 Intenso puliti in ogni esecuzione, e anche la prova L5 Estremo di restrizioni e impact è stata resa pulita; non abbiamo testato la prova L5 Estremo di gore su questa famiglia. Il testo-in-video ha eguagliato questo schema tranne una delle sue esecuzioni L4 Intenso, tornata attenuata. Nessuno dei due compiti porta un filtro di contenuto nostro; l'etichetta della pagina è Senza censura.

Una nota su suono e dialogo. I nostri test audio sul testo-in-video hanno trovato risultati altalenanti piuttosto che uniformemente buoni o cattivi: una scena di dialogo al bar ha consegnato una risata naturale e battute per lo più a tempo con un momento di sincrono labiale impreciso; un monologo emotivo ha centrato il momento emotivo ma con un volto dall'aspetto leggermente artificiale; una battuta ravvicinata «mi sei mancato» aveva un buon sincrono labiale insieme a strani artefatti nella forma della bocca a metà; una scena di musicista di strada ha prodotto uno strimpellio udibile con un movimento un po' ripetitivo; un prompt di effetto sonoro di bicchiere in frantumi ha reso l'oggetto sbagliato (un bicchiere basso invece di un calice da vino) con una frantumazione poco chiara. Controlla la traccia audio su ogni clip prima di pubblicarlo: non c'è un campo per disattivare la generazione del suono se una scena non lo richiede.

Non ancora testato: la prova L5 Estremo di gore su nessuno dei due compiti; se un fotogramma di chiusura fornito riduce il problema di cambio del volto segnalato dai tester indipendenti; scene con due uomini sulla scala; se rallentare un prompt di movimento complesso evita i fallimenti ad artefatti di colore visti sulle scene di canyon e wok.

Solo adulti, in ogni prompt, fermo immagine e risultato. Non ritrarre mai una persona reale e riconoscibile senza il suo consenso, e assicurati i diritti su ogni foto che carichi come fotogramma.

La reazione a LTX 2.5 è divisa quasi esattamente lungo la linea trovata dai nostri test. Sul lato positivo, un utente di Hugging Face che testava su hardware consumer ha scritto che «la velocità di generazione e la qualità visiva sono state molto impressionanti sulla mia RTX 5070 Ti», in particolare per paesaggi e scatti prodotto.

Le lamentele si concentrano sulla coerenza. Una discussione intitolata «La coerenza del personaggio in i2v è un disastro.» ha segnalato la stessa foto di riferimento resa come una persona visibilmente diversa tra LTX 2.3 e LTX 2.5. Un secondo thread, intitolato «Non usate LTX 2.5 per i video musicali! Restate su LTX 2.3», ha puntato il dito contro l'encoder di testo della versione più recente come fonte di un sincrono labiale più debole per canto e dialogo.

Le nostre esecuzioni si collocano su entrambi i lati di quella divisione: le scene quotidiane del jazz club e della scalinata che abbiamo lanciato hanno retto bene, mentre le lamentele su cambio di volto e sincrono labiale della community corrispondono a ciò che abbiamo visto nei nostri test audio e nei confronti diretti.

• Ti serve un volto che regge e non ti dispiace rinunciare all'audio nativo? LTX 2.3 Spicy usa la generazione LTX più vecchia e più testata per la coerenza con preset LoRA integrati, da $0.019 al secondo.
• Vuoi una base a pesi aperti con un ecosistema LoRA locale profondo? Wan 2.2 scambia il formato di ripresa unica lunga con un clip fisso di cinque secondi a $0.24 fisso.
• Riprese più lunghe con regia multi-inquadratura? Wan 3.0 arriva fino a 30 secondi, a prezzo al secondo da $0.045 a 480p.
• Un rivale a pesi aperti diverso con un proprio seguito nella community? MiniMax H3 è l'altra famiglia con cui i tester indipendenti confrontano LTX più spesso.