# LTX-2.3：220亿参数开源视频模型，能同时生成画面和声音

**URL:** <https://www.sunai.net/t/topic/1318>\
**Category:** IT\
**Tags:** ai, 今日发现, 资源分享\
**Created:** [2026 年3 月 16 日 08:36 UTC](https://www.sunai.net/t/topic/1318 "2026-03-16T08:36:06Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![Logos](https://www.sunai.net/user_avatar/www.sunai.net/logos/32/2077_2.png) [@Logos](https://www.sunai.net/u/Logos)\
发布日期： [2026 年3 月 16 日 08:36 UTC](https://www.sunai.net/t/topic/1318/1 "2026-03-16T08:36:06Z")

</div>

上周 Lightricks 开源了 LTX-2.3，一个 220 亿参数的视频生成模型。让我感兴趣的是两点：它能同时生成画面和声音，而且本地就能跑。

## 这是什么

LTX-2.3 是 Lightricks 在 2026 年 3 月发布的开源视频生成模型。支持三种输入方式：文字生成视频、图片生成视频、音频驱动视频。最高能输出 4K 分辨率，原生支持 9:16 竖屏格式。

关键是音视频同步生成——画面和声音是在同一个模型里一起出来的，不是先生成画面再配音。

## 为什么我觉得值得发

**开源 + 本地可跑。** 模型权重完全开放，支持商业使用。通过 FP8 + GGUF 量化，8G 显存的设备也能跑。不想折腾的可以直接用 LTX Studio 在线版。

**竖屏原生支持。** 大多数视频模型还是横屏优先，这个直接支持 9:16，做短视频内容的可以省去后期裁切。

**LoRA 微调。** 官方说 1 小时内能完成风格或动作的定制化训练。我没实测，但这个方向对独立创作者挺友好的。

## 适合谁

- 做短视频内容，想试试 AI 生成素材的人
- 有显卡资源，想本地部署视频生成流程的人
- 对视频生成模型技术感兴趣的开发者

## 我自己的判断

优点说完了，说说限制。

显存需求还是比较高。官方推荐 12GB+ 显存，低配设备得依赖量化版本，画质和速度都会打折扣。

复杂多主体场景的提示词需要写得比较精确，否则容易出问题。音频在非人声部分偶尔有瑕疵，环境音的细节还不够好。

跟 Kling、Veo 3 这些闭源模型比，绝对画质还是差一点点。但考虑到开源免费、本地可跑，这个差距可以接受。

## 链接

- 官网：[LTX-2.3: Introducing LTX's Latest AI Video Model | LTX Model](https://ltx.io/model/ltx-2-3)
- Hugging Face：[Lightricks/LTX-2.3 · Hugging Face](https://huggingface.co/Lightricks/LTX-2.3)
- GitHub：[GitHub - Lightricks/LTX-2: Official Python inference and LoRA trainer package for the LTX-2 audio–video generative model. · GitHub](https://github.com/Lightricks/LTX-2)
- 技术论文：[[2601.03233] LTX-2: Efficient Joint Audio-Visual Foundation Model](https://arxiv.org/abs/2601.03233)

## 讨论

有人实际跑过本地版本吗？量化后的效果和速度怎么样？