LTX-2 19B は音声も生成しますか？

はい、すべてのクリップで生成します。Lightricks は映像と音声を 1 つのモデルで扱えるように作っており、各 MP4 にはプロンプトに沿った 24 kHz のステレオ AAC 音声が含まれます。音を消すスイッチはなく、パブリッシャーは、発話のない音は品質が下がることがあると述べています。

クリップはどのくらいの長さにできる？

5 〜 20 の整数秒です。4 秒や 21 秒のリクエストは送信時に拒否されます。フレーム数は秒数 × 24 + 1 なので、5 秒のリクエストは 5.04 秒のファイルが返ります。

どんな解像度と形が得られる？

480p、720p、1080p です。16:9 のテキストから動画では 832 x 448、1280 x 704、1920 x 1024 になり、9:16 では縦横が入れ替わります。画像から動画は写真に従い、16:9 の写真は 832 x 448、1216 x 704、1856 x 1088 で返りました。

規制なしですか？

はい。プロンプトも画像も結果もフィルタリングしません。当社のコンテンツテストの大半は書いたとおりに生成され、最も強いものはモデルが控えめに描きました。映っている人物は全員が成人であることが条件で、生成するものすべての権利と同意の確認は、ご自身の責任となります。

どのくらい速い？

当社の実行では、720p・5 秒のクリップがモデル処理時間で 14 〜 25 秒、1080p が 31 〜 44 秒、480p・20 秒のクリップが 36 秒でした。480p・5 秒のクリップは、ウォームな状態で 7 〜 9 秒、コールド状態や順番待ちでは 45 〜 118 秒でした。

画像から動画のクリップが別の場面に切り替わるのはなぜ？

最初のフレームは写真ですが、別の場所を描写するプロンプトだと、クリップが新しいショットにカットアウェイすることがあります。画像の中で次に起きることを書いてください。

画像から動画にプロンプトは必須ですか？

はい。このモデルでは画像とプロンプトの両方が必須です。プロンプトを省略できる HunyuanVideo 1.5 とは異なります。

カメラワークやスタイルには LoRA が必要？

そのコントロールが欲しいときだけです。LTX-2 19B LoRA は同じモデルで、1 リクエストに最大 3 つの LoRA ファイル（公式のカメラコントロール LoRA など）を使えます。このページのエンドポイントには LoRA のフィールドはありません。

LTX-2 19B API｜検閲なし、音声付き 5〜20 秒の NSFW 動画

lightricks/ltx-2-19b/image-to-video

LTX-2 19B の image-to-video は、写真を 5〜20 秒のクリップに動かし、ステレオ音声を付けます。解像度は 480p / 720p / 1080p で、形は写真のままです。動きと音を書いてください。課金は 1 秒単位で、コンテンツフィルターはありません。

最低価格 $0.014/秒

モデルを実行 API を見る

入力

画像から動画

プロンプト

入力画像1/1

ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 1 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF

解像度料金に影響

長さ料金に影響

シード値

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち

サンプル出力

延長

動画アップスケール

動画編集

{
  "model": "lightricks/ltx-2-19b/image-to-video",
  "input": {
    "resolution": "720p",
    "duration_seconds": 5,
    "seed": 612031,
    "prompt": "She leans back into the cushions, draws one fingertip slowly along her collarbone and turns her head to hold the camera's gaze with a slow smile, as hundreds of brass lanterns sway and scatter patterned light across her silk. The camera slowly pushes in. Audio: an oud playing softly, distant evening calls over the city, the creak of lantern chains in the breeze.",
    "image_url": "https://cdn.spicyapi.ai/models/examples/inputs/ed2dc2ff9616bec2.webp"
  }
}

はじめに

LTX-2 19B Image to video は、写真 1 枚を専用のサウンドトラック付きクリップに動かします。LTX-2 は Lightricks のオープンな 19B パラメータの音声・映像モデルで、このエンドポイントは 480p / 720p / 1080p の 5〜20 秒を、写真そのままの形で、同じ MP4 に入ったステレオ音声付きで返します。プラットフォームがコンテンツフィルターを加えることはありません。

手元の素材に合わせてモードを選ぶ

手元にあるもの	モード
文章による説明	LTX-2 19B Text to video
動かしたい写真	LTX-2 19B Image to video
写真と自分の LoRA ファイル	LTX-2 19B LoRA Image to video

主な機能とハイライト

音の付いたあなたの写真

サウンドトラックは動きと一緒に生成されるので、ギターの写真は演奏して返ってきて、群衆の写真は話して返ってきます。

形を保つ

縦長、正方形、横長のどの写真も、それぞれの形のまま返ってきます。

最大 20 秒

5〜20 の整数秒から選べ、1 秒単位で課金されます。

検閲なし

写真にもプロンプトにもクリップにもフィルターはありません。私たちの中程度のコンテンツのプローブは描画され、最も強いものは控えめになって返りました。

リクエストパラメーター

LTX-2 19B · Image to Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	必須です。この写真の中で次に何が起こるか、カメラの動き、そして "Audio:" 行で音を書きます。 1 文字以上
`image_url`	はい	開始フレームです。クリップはこの写真から始まり、アスペクト比も引き継ぎます。
`resolution`	いいえ	480p、720p（既定）、1080p です。一段上がるごとに 1 秒あたりの料金が上がり、形は写真に従います。 `480p` · `720p` · `1080p` · デフォルト値: `720p`
`duration_seconds`	いいえ	5〜20 の整数秒で、1 秒単位で課金されます。 `≥ 5` · `≤ 20` · デフォルト値: `5`
`seed`	いいえ	プロンプトを変えながら、実行結果を比べやすくします。フレームまで同一のクリップになることは保証しません。 `≥ 0` · `≤ 2147483647`

料金

選んだ解像度での出力 1 秒単位で課金されます。写真の形によって料金は変わらず、サウンドトラックも含まれます。

料金
仕様	料金
`480p`	$0.0144 / 秒
`720p`	$0.0192 / 秒
`1080p`	$0.0288 / 秒

ユースケース

ミュージシャンやパフォーマー

楽器やマイクを持つ人の写真が、パフォーマンスに変わります。

商品・ライフスタイルのショット

カタログ写真に、動きと環境音を 1 回の呼び出しで加えます。

ユーザーの画像からの無フィルターのクリップ

ユーザー自身の画像を、音声付き・コンテンツフィルターなしで動かします。成人のみが対象です。

主なユースケースのチュートリアルを見る

プロンプトガイドと実践のヒント

写真の中にとどまる

送った写真の中で次に何が起こるかを書いてください。別の場所を描写すると、新しいショットに切り替わることがあります。

音を書く

"Audio:" の行に 2〜3 個の音を書いたほうが、何も書かないよりうまくいきます。

480p で下書きする

480p・5 秒で動きを見つけ、そのあとで上げていきます。

きれいな公開リンクを使う

画像は直接ダウンロードできる必要があります。ログインが必要なリンクは失敗しますが、課金はされません。

API クイックスタート

# 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-2-19b/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p"
  }
}'

# 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"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

1 回のリクエストで、映像と音声がそろった完成クリップを

LTX-2 19B は Lightricks が公開しているオープンな音声・映像モデルで、すべてのクリップを、同じ処理で生成したステレオ音声付きの完成した MP4 として返します。テキストから動画も画像から動画も、480p・720p・1080p で 5 〜 20 秒に対応し、当社の実行では 720p・5 秒のクリップがモデル処理時間で 14 〜 25 秒でした。声、歌、効果音、環境音はプロンプトに従い、音を消すスイッチはありません。プロンプトも画像も結果もフィルタリングしません。

プレイグラウンドを開く

モデル: Lightricks の LTX-2 19B。映像と音声を同時に作るオープンな音声・映像モデル
クリップの長さ: 5 〜 20 の整数秒。4 秒と 21 秒は送信時に拒否
解像度: 16:9 で 480p は 832 x 448、720p は 1280 x 704、1080p は 1920 x 1024。9:16 は縦横が入れ替わる
音声: 全クリップに 24 kHz のステレオ AAC。オフにする方法はなし
速度: 720p・5 秒は 14 〜 25 秒、1080p は 31 〜 44 秒、480p・20 秒は 36 秒
コンテンツフィルター: なし。大半のテストは書いたとおりに生成され、最も強いものはモデルが控えめに描いた

音声: 音は追加の工程ではなく、クリップの一部どのクリップにも AAC のステレオ音声が付いてきました。ラウンジ歌手のバラード、バーテンダーのシェイカー、ポーチの階段で弾くギターなどです。「Audio:」で始まる行を加えて聞こえてほしい音を並べると、音を誘導できます。なくてもモデルは音を付けますが、選べる範囲は狭くなります。
長さ: 1 回の生成で最長 20 秒5 〜 20 の整数秒から選べます。480p・20 秒のクリップは当社の実行でモデル処理時間 36 秒で完了し、断片ではなく 1 つの場面になる長さです。フレーム数は秒数 × 24 + 1 なので、5 秒のリクエストは 5.04 秒のファイルになります。
制限: できないこと音声のスイッチはなく、フレーム単位できりのよいサイズでもありません。1080p は 1920 x 1024、720p は 1280 x 704 です。テキストから動画は 16:9 と 9:16 だけで、画像から動画は写真とプロンプトの両方が必要です。パブリッシャーは、発話のない音は品質が下がることがあると述べています。

LTX-2 19B の使いこなし方

音には専用の行を用意する

プロンプトの末尾に「Audio:」を置き、聞こえてほしい音を挙げます。たとえば「ice rattling in the shaker, low bar chatter, soft music」です。ギャラリーのラウンジ歌手とバーテンダーのプロンプトにはどちらも Audio の行があります。先に動作を、次に音を書いてください。

長さと形はリクエストごとに選ぶ

テキストから動画は 16:9 か 9:16 を受け付けます。シートには、フィード向けの縦型クリップ 1 本の 3 つの瞬間を並べました。長さは 5 〜 20 の整数秒なので、まず 5 秒で下書きし、ショットが決まってから伸ばしてください。

480p で下書きし、720p か 1080p で納品する
ウォームな状態の 480p・5 秒の実行は 7 〜 9 秒で終わりましたが、コールド状態や順番待ちの実行は 45 〜 118 秒かかりました。当社のテストでは 720p が最もバランスが良く 14 〜 25 秒、1080p は 31 〜 44 秒でした。
画像から動画では、写真の中にとどまる
最初のフレームは写真で、クリップはその形に従います。プロンプトが別の場所を描写すると、クリップが新しいショットに切り替わることがあります。当社のテストでは、ステージ上の歌手の写真に別の部屋を描くプロンプトを付けたところ、その部屋にカットが切り替わりました。送った写真の中で次に起きることを書いてください。
1 クリップに 1 つの場面
被写体 1 つ、動作 1 つ、場所 1 つを書いて、最後に音の行を置きます。長いクリップは場面に余裕を持たせられますが、1 つのプロンプトに複数の出来事を積むと、モデルが勝手に選んでしまいます。

LTX-2 19B の主な使い手

フィットネス・ライフスタイル系のクリエイター
最初から音が合っているクリップ
薄暗いジムでバーベルの前に立つ女性です。画像から動画は写真から始まり、彼女は握り、持ち上げ、止めます。プロンプトの Audio の行で、その空間の音を指定しました。音を別工程で合わせる必要はありません。
ミュージシャン・ミュージックビデオの制作者
本物の音声付きのパフォーマンス
夕暮れのポーチの階段でギターをつま弾き、ハミングする男性は、映像と音声が一緒に返ってきました。Audio の行には、メロディではなく曲のムードを書いてください。
ファッション・ポートレートのチーム
風に動く静止画
屋上の手すりにもたれた男性が、夕方の風に白いリネンのシャツと髪を揺らされながらカメラに振り向きました。写真が顔と服装を固定し、プロンプトは動きだけを加えます。
規制なしプラットフォームの開発者
規制なし、音声込み
プロンプトにも画像にも結果にもフィルターはなく、音声も一緒に付いてきます。映っている人物は全員が成人であることが条件で、当社のテストでは最も強いテストもモデルが控えめに描きました。

LTX-2 19B で最初のクリップから量産まで

テキストか写真かを選ぶ
アイデアを 16:9 か 9:16 で作るならテキストから動画、顔や場所を固定したいときは画像から動画です。
先に映像、次に音を書く
場面を 1 つ、動作を 1 つ書き、そのあとに「Audio:」で始まる行で聞こえてほしい音を書きます。
480p・5 秒で下書きする
長さや解像度に費用をかける前に、音と冒頭フレームを確認します。
解像度と長さを上げる
勝った 1 本を 720p か 1080p でやり直し、動作に必要なら長さを最長 20 秒まで伸ばします。
カットアウェイに注意する
画像から動画では、プロンプトを写真の場面の中にとどめてください。別の場所を書くと、新しいショットが始まることがあります。

そのまま使える LTX-2 19B のプロンプト

自前の音声付きのパフォーマンス

16:9、720p、6 秒のテキストから動画向けです。

An adult woman in her thirties in a long burgundy dress sings softly into a vintage microphone on a small club stage, eyes half closed, a pianist behind her in warm amber light, slow push-in. Audio: her voice singing a slow ballad, soft piano, quiet applause at the end.

縦型の街角のシーン

9:16 のテキストから動画向けです。

An adult man in a dark rain jacket walks through a night market under paper lanterns, steam rising from food stalls, he stops, glances back at the camera and smiles. Handheld camera, shallow depth of field. Audio: crowd chatter, sizzling pans, light rain on canvas.

窓辺のポートレートから動かす

窓辺の成人のポートレートからの画像から動画向けです。写真の場面の中にとどめてください。

The adult woman in the cream sweater lifts her mug, looks out of the window at the rain, then turns to the camera and smiles. The camera holds steady. Audio: rain on the glass, a soft kettle click, her quiet laugh.

LTX-2 19B のその他のよくある質問

音まで仕上げたいクリップに

場面を 1 つ書き、聞こえてほしい音を Audio の行に足して、480p・5 秒で下書きします。

勝った 1 本を 720p か 1080p でやり直し、最長 20 秒まで伸ばしましょう。画像から動画では、プロンプトを写真の場面の中にとどめると、クリップが別のショットに切り替わりません。

LTX のすべてのモデル6

LTX 2.5テキストから動画 · 画像から動画最低料金 $0.09出力秒あたり
LTX 2.3 Spicy画像から動画 · 動画延長Spicy 定価：$0.02最低料金 $0.019出力秒あたり
LTX 2.3 Spicy LoRA画像から動画 · 動画延長Spicy 定価：$0.03最低料金 $0.029出力秒あたり
LTX-2.3 LoRAテキストから動画 · 画像から動画最低料金 $0.024出力秒あたり
LTX-2 19B表示中テキストから動画 · 画像から動画 · +1最低料金 $0.014出力秒あたり
LTX-2 19B LoRAテキストから動画 · 画像から動画最低料金 $0.018出力秒あたり

プレイグラウンド

入力

出力