はじめに
LTX 2.5 テキストから動画 は、文章のブリーフから 5〜20 秒（整数秒）のひと続きのテイクを生成します。画面比は 16:9 か 9:16、解像度は 720p / 1080p / 2K / 4K です。必須フィールドは prompt だけで、duration_seconds、aspect_ratio、resolution の既定値はそれぞれ 5 秒、16:9、720p、seed は任意です。どのクリップにも生成されたサウンドトラックが付きます。承認済みの画像がまだなく、舞台、動き、カメラをすべて言葉から組み立てる段階で使うエンドポイントです。リクエストは非同期タスクとして実行されます。タスクを作成したら、ステータスを確認するか callback を待ってください。
開始素材に応じてモードを選ぶ
| 開始素材 | モード |
|---|---|
| 書いたブリーフから、場面、行動、カメラ、必要に応じて音を組み立てます。 | LTX 2.5 テキストから動画 |
| 承認済みの開始画像が被写体と構図を決め、指示文がその後の動きを導きます。 | LTX 2.5 画像から動画 |
主な機能とハイライト
最大 20 秒をワンテイクで
duration_seconds は 5〜20 の整数秒を受け付け、下限は 3 ではなく 5 です。20 秒あれば、登場、静止、退場を 1 回で生成されるカットに収められるので、その間の連続性は編集ではなく生成の中で保たれます。このモデルシリーズには延長タスクがありません。尺は送信時に決まり、5 秒の下書きと 20 秒の本番は、1 本のクリップを伸ばしたものではなく別々の生成です。
4 つの解像度を 1 つのフィールドで
720p、1080p、2k、4k はすべて同じリクエスト形式から出力され、2k は幅およそ 2560 px のフレームを返します。立ち位置とカメラの経路は 720p の段階で判断できます。上位の解像度が加えるのは生地の織り、肌の質感、鏡面反射のディテールです。そのため実務では、720p で下書きを作り、seed を変えずに高解像度で 1 回だけ出力する流れが効率的です。
音は映像と一緒に生成されます
このエンドポイントには音声のフィールドがありませんが、クリップには音声トラックが入るため、オフにする手段はありません。音もブリーフの一部として書いてください。オペラの例は「orchestra tuning drifting up from the pit」で締めくくっています。自前の音楽や効果音を重ねる場合は、編集でトラックをミュートするか差し替えてください。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 弧の全体をひとつのカットとして書きます。被写体、動作、カメラ、光。 1 文字以上 |
resolution | いいえ | 720p、1080p、2k、4k。720p で下書きし、勝った 1 本を 2k か 4k で回し直してください。 |
aspect_ratio | いいえ | 16:9 か 9:16 のみ。正方形も 4:3 もアナモルフィックもここには存在しません。 |
duration_seconds | いいえ | 5〜20 の整数秒。切り出しではなく生成のパラメータなので、先に決めてください。 |
seed | いいえ | 解像度を上げるときは固定して、変わった変数が 1 つだけになるようにしてください。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.09 / 秒 |
| $0.13 / 秒 |
| $0.19 / 秒 |
| $0.30 / 秒 |
ユースケース
カットを割らない長い移動ショット
arena-gate-to-cages の例は上限の 20 秒を使い、1080p・16:9 で出力しています。ブリーフはアリーナのゲートから、ぎっしり埋まったスタンドと松明に照らされたトンネルを抜けて舞台裏の檻まで続く、ステディカムの 1 本の経路を描き、「No cuts」と明記しています。こうしたショットはカメラの経路と舞台装置が同時に崩れないことが前提で、長いワンテイクはまさにそのためにあります。
下書きから 4K プレートへ
テイクは 720p で下書きし、シードを保ってから、同じプロンプトを一度 4K で実行してください。変えるのは解像度の項目だけです。4K のレンダーには、編集の後半で加えるグレーディング、リフレーム、ゆっくりしたプッシュに耐えるだけの細部があります。copper-tub-candlelight の例は 2k でレンダリングされました。そのブリーフは湯気、ろうそくの炎、細かな表面の質感を求めており、上位の段階が担うべき種類の細部です。
縦型、主観視点、イラスト調
9:16 で 20 秒あれば、ランウェイの登場、ターン、退場を 1 回の生成に収められます。bedside-pov のブリーフは冒頭の一文で、カメラがベッドのヘッドボードにもたれて横たわる人物であると宣言しており、それによって観察される場面が、視聴者自身に起きる場面に変わります。このモデルシリーズにはスタイルのフィールドがないため、ramen-stall の例はセルシェーディングの画調を「Anime cel-shaded animation, hand-painted backgrounds」という言葉だけで指定しています。
プロンプトガイドと実践のヒント
起きる順番どおりにショットを書く
アーク全体を 1 段落に収め、被写体、動き、カメラ、光を起きる順に書きます。opera-staircase のブリーフがよい手本です。彼女が誰で何を着ているか、次に階段を下りる動きと一歩ごとに開くスリット、次に生地を透かす光、次に「Slow crane down」、最後に音という順です。カメラの指示は、それが応える動きのすぐ隣に置いてください。
書き始める前に尺と画面比を決める
まず duration_seconds と aspect_ratio を選びます。この 2 つで、ブリーフが担うべき動きの量が決まるからです。20 秒のアリーナのブリーフは複数の場所をつないでおり、5 秒のブリーフはそれぞれ 1 つの動きとその結末だけを描いています。画面比は 16:9 と 9:16 しかなく、正方形や 4:3 の納品物はこのエンドポイントでは作れません。
1 回の実行で変えるのは 1 つだけ
1 行を書き換えるときも解像度を上げるときも seed を固定し、比較がその 1 つの変更だけを切り分けられるようにします。固定した seed は 2 回の実行を比較可能にしますが、フレーム単位で同じクリップになる保証ではありません。高解像度の出力は下書きと同じだと決めつけず、あらためて確認してください。
言葉による演出の限界を知る
文章で書いたショットでは衣装、体、フレーミングがモデルに委ねられ、再実行のたびにぶれます。そのぶれは 5 秒より 20 秒のほうが目立ちます。顔、製品、構図を承認どおりに保つ必要があるときは LTX 2.5 画像から動画に切り替え、そのフレームを image_url として渡してください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "lightricks/ltx-2.5/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
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。
