LTX 2.5 Fast

位置づけの概要

ltx-2.5-fast/image-to-video は Lightricks が提供する高速な画像から動画を生成するモデルで、静止画像を起点として同期音声付きの動画クリップを生成します。開始フレームと終了フレームの補間に対応し、2～20 秒の長さ、720p または 1080p の解像度、横画面または縦画面を必要に応じて組み合わせられるため、ショットの方向性を素早く検証したい開発者や、短尺の動画素材を一括生成したい開発者に適しています。

主な特長

• 開始・終了フレームの補間でショットの遷移を制御——1 枚の開始フレーム画像を渡し、さらに 1 枚の終了フレーム画像を追加することで、モデルが 2 点間の滑らかな遷移を生成でき、開始と終了の構図を固定しやすくなります。
• 動画とネイティブ音声を同期生成——デフォルトで映像の生成と同時にネイティブ音声も生成され、音声と映像を後から合わせる作業を削減できます。
• 長さと画面比率を柔軟に組み合わせ——2～20 秒、720p または 1080p、横画面または縦画面に対応し、配信チャネルに応じて出力仕様をすばやく切り替えられます。

機能説明

画像から動画生成と開始・終了フレーム補間：1 枚の開始フレーム画像をもとに動画を生成し、2 枚目を終了フレームとして追加すると、モデルが開始と終了の間を補間して遷移します。開始と終了の画面を正確に制御したいショットに適しています。

長さと画面比率のパラメータ化：長さは 2～20 秒の範囲で偶数秒を選択でき、解像度は 720p と 1080p、画面比率は 16:9 と 9:16 に対応しています。1 回の呼び出しで対象プラットフォーム向けの横画面または縦画面素材を出力できます。

音声と映像の同期生成：generate_audio パラメータにより、動画生成時にネイティブ音声を同時生成するかどうかを制御できます。デフォルトで有効になっており、音声付きの完成品をそのまま得たいシーンに適しています。

プロンプトでシーンとカメラワークを記述：prompt フィールドは最大 5000 文字で、シーン、動き、カメラワーク、音声を同時に記述でき、生成結果を制作者のショット意図に近づけられます。

適用シーン

• プロトタイプを素早く検証する開発者——コンセプト画像 1 枚と短いプロンプトで短いクリップを素早く生成し、低コストでショットの方向性とスタイルを試してから、精細な制作に進むか判断できます。
• SNS や広告向け素材の一括生産——9:16 の縦画面と 16:9 の横画面それぞれで 2～20 秒の音声付きクリップを生成し、ショート動画配信や広告素材の一括候補として利用できます。
• 開始・終了フレームの遷移ショット制作——開始フレームと終了フレームの 2 枚の画像を提供し、中間の遷移アニメーションを生成します。トランジション、製品紹介、ストーリーボードで開始と終了の構図を固定したいショットに使用できます。

制限と選定のアドバイス

このモデルは速度最適化版として位置づけられており、長さが 10 秒を超える場合は 720p または 1080p のみ対応し、フレームレートは 24/25 FPS に制限されます。長すぎる長さと高解像度を同時に満たすことはできないため、シーンに応じて長さと解像度の間で取捨選択する必要があります。より長い長さやより高いフレームレートの出力が必要な場合は、同シリーズの他のバージョンを評価してください。入力には少なくとも 1 枚の開始フレーム画像を含める必要があり、テキストのみから動画を始めるシーンではテキストから動画生成のラインを選択してください。