Pular para o conteúdo principal

Sem censura — Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.Ver todos os modelos com esse nível de filtragem
lightricks/ltx-2-19b/text-to-video

O text-to-video do LTX-2 19B gera um clipe de 5 a 20 segundos e a sua trilha estéreo a partir de um único prompt, em 480p, 720p ou 1080p, em 16:9 ou 9:16. Vozes, música e efeitos seguem o prompt, a cobrança é por segundo e não há filtro de conteúdo.

A partir de $0.014/s
Executar modelo

Playground

Entrada

Texto para vídeo
Descreva a cena, a ação e a câmera e, em seguida, o som em uma linha "Audio:" própria: vozes, música, efeitos, ambiência. pelo menos 1 caracteres
16:9 para horizontal (o padrão) ou 9:16 para vertical. O formato não altera o preço.
afeta o preço
480p (832 x 448), 720p (1280 x 704, o padrão) ou 1080p (1920 x 1024). Cada degrau custa mais por segundo.
Duraçãoafeta o preço
Qualquer segundo inteiro de 5 a 20, cobrado por segundo. não menor que 5 · não maior que 20
Seed
Mantém as execuções comparáveis enquanto você muda uma coisa de cada vez. Não promete um clipe idêntico quadro a quadro. não menor que 0 · não maior que 2147483647
Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Saída

Pronto para uma nova execução
Resultado de exemplo
Estender
Ampliação de vídeo
Edição de vídeo

Modelos relacionados e próximas tarefas

Não encontrou o modelo que precisa?

Conte qual modelo adicionar e para que você vai usá-lo. Os pedidos vão direto para quem decide os próximos modelos.

Uma requisição, um clipe pronto com imagem e som

O LTX-2 19B é o modelo aberto de áudio e vídeo da Lightricks e devolve cada clipe como um MP4 pronto, com trilha estéreo gerada na mesma passada. Texto para vídeo e imagem para vídeo rodam de 5 a 20 segundos em 480p, 720p ou 1080p, e um clipe de 5 segundos em 720p levou de 14 a 25 segundos de tempo de modelo nos nossos testes. Vozes, canto, efeitos e ambiência seguem o seu prompt, e não existe um botão para desligar o som. Nada filtra o prompt, a imagem nem o resultado.

Abrir o Playground
Uma requisição, um clipe pronto com imagem e som
Modelo
Lightricks LTX-2 19B, um modelo aberto de áudio e vídeo que gera imagem e som juntos
Duração do clipe
Qualquer segundo inteiro de 5 a 20; 4 e 21 são rejeitados no envio
Resolução
480p 832 x 448, 720p 1280 x 704, 1080p 1920 x 1024 em 16:9; em 9:16 os lados se invertem
Áudio
AAC estéreo a 24 kHz em todo clipe, sem como desligar
Velocidade
5 s em 720p: de 14 a 25 segundos; em 1080p: de 31 a 44; 20 s em 480p: 36 segundos
Filtro de conteúdo
Nenhum; a maioria dos nossos testes saiu como escrita e o mais forte saiu suavizado
Som
O som faz parte do clipe, não é uma etapa extraTodo clipe voltou com áudio AAC estéreo: a balada de uma cantora de lounge, a coqueteleira de um barman, um violão nos degraus de uma varanda. Para guiar o resultado, adicione uma linha começando com “Audio:” e liste o que deve ser ouvido; sem ela o modelo ainda adiciona som, mas você escolhe menos.
Duração
Até 20 segundos em uma única geraçãoEscolha qualquer segundo inteiro de 5 a 20. Um clipe de 20 segundos em 480p terminou em 36 segundos de tempo de modelo no nosso teste, longo o bastante para uma cena e não só um fragmento. O número de quadros é segundos vezes 24 mais um; por isso, um pedido de 5 segundos gera um arquivo de 5,04 segundos.
Limites
O que ele não fazSem botão de áudio e sem tamanhos exatos em quadros: o 1080p é 1920 x 1024 e o 720p é 1280 x 704. Texto para vídeo oferece só 16:9 e 9:16, e imagem para vídeo exige uma foto e um prompt. A publicadora observa que som sem fala pode ter qualidade menor.

Como trabalhar com LTX-2 19B

Dê ao som uma linha própria

Dê ao som uma linha própria

Termine o prompt com “Audio:” e nomeie o que deve ser ouvido, por exemplo “ice rattling in the shaker, low bar chatter, soft music”. A cantora de lounge e o barman da galeria tinham, nos dois prompts, uma linha Audio; por isso, descreva primeiro a ação e depois o áudio.

Escolha duração e formato a cada requisição

Escolha duração e formato a cada requisição

Texto para vídeo aceita 16:9 ou 9:16, e a folha mostra três momentos de um clipe vertical para feeds. A duração é qualquer segundo inteiro de 5 a 20; então faça o rascunho em 5 e estenda a ideia só quando a tomada funcionar.

  • Rascunho em 480p, entrega em 720p ou 1080p

    Uma execução quente de 5 segundos em 480p terminou em 7 a 9 segundos, embora execuções frias ou em fila tenham levado de 45 a 118. O 720p é o ponto ideal nos nossos testes, com 14 a 25 segundos, e o 1080p levou de 31 a 44.

  • Em imagem para vídeo, fique dentro da foto

    O primeiro quadro é a sua foto e o clipe segue o formato dela. Se o prompt descreve outro lugar, o clipe pode cortar para uma nova tomada: no nosso teste, uma foto de uma cantora no palco com um prompt situado em outro cômodo cortou para esse cômodo. Descreva o que acontece em seguida na imagem que você enviou.

  • Uma cena por clipe

    Um personagem, uma ação e um cenário, depois a linha de som. Clipes longos deixam a cena respirar, mas empilhar vários eventos em um prompt faz o modelo escolher por você.

Quem usa LTX-2 19B

  • Clipes que já saem com o som certo

    Criadores de fitness e estilo de vida

    Clipes que já saem com o som certo

    Uma mulher diante de uma barra numa academia escura: imagem para vídeo parte da foto, ela segura, levanta e sustenta, e a linha Audio do prompt pede os sons do ambiente. Não há uma etapa de som separada para sincronizar.

  • Apresentações com áudio de verdade

    Músicos e criadores de videoclipes

    Apresentações com áudio de verdade

    Um homem tocando violão nos degraus da varanda e cantarolando ao pôr do sol voltou com imagem e som juntos. Descreva o clima da música na linha Audio, não uma melodia.

  • Uma foto que se move ao vento

    Equipes de moda e retrato

    Uma foto que se move ao vento

    Um homem apoiado no parapeito de um terraço se virou para a câmera enquanto o vento do fim da tarde mexia na camisa de linho branco e no cabelo. A foto fixa o rosto e o figurino; o prompt só acrescenta movimento.

  • Sem censura, com o som incluído

    Quem constrói plataformas sem filtro

    Sem censura, com o som incluído

    Sem filtro no prompt, na imagem nem no resultado, e o áudio vem junto. Todas as pessoas em cena devem ser adultas e, mesmo nos nossos testes mais fortes, o resultado ainda saiu suavizado.

Do primeiro clipe ao lote pronto com LTX-2 19B

  1. Escolha texto ou foto

    Texto para vídeo para uma ideia em 16:9 ou 9:16, imagem para vídeo quando um rosto ou um lugar precisa ficar fixo.

  2. Escreva a imagem, depois o som

    Uma cena, uma ação, depois uma linha começando com “Audio:” com o que deve ser ouvido.

  3. Faça o rascunho em 480p por 5 segundos

    Confira o som e o quadro inicial antes de gastar mais com duração ou resolução.

  4. Aumente a resolução e a duração

    Rode o melhor de novo em 720p ou 1080p e estique a duração até 20 segundos quando a ação precisar.

  5. Atenção aos cortes de cena

    Em imagem para vídeo, mantenha o prompt dentro da cena da foto; um cenário diferente pode provocar uma nova tomada.

Prompts de LTX-2 19B que valem a pena copiar

  • Uma apresentação com áudio próprio

    Para texto para vídeo em 16:9, 720p, 6 segundos.

    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.

  • Uma cena de rua na vertical

    Para texto para vídeo em 9:16.

    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.

  • Movimento a partir de um retrato junto à janela

    Para imagem para vídeo a partir do retrato de um adulto à janela. Fique dentro do cenário da foto.

    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.

Mais perguntas sobre LTX-2 19B

Use quando o clipe precisa soar certo

Escreva uma cena, adicione uma linha Audio com o que deve ser ouvido e faça o rascunho em 480p por 5 segundos.

Rode o melhor de novo em 720p ou 1080p, estique até 20 segundos e, em imagem para vídeo, mantenha o prompt dentro da cena da foto para que o clipe não corte para outra tomada.

Todos os modelos LTX6