LTX har släppt LTX-2.5, en öppen AI-modell som skapar video och synkroniserat ljud, håller ihop personer och miljöer över flera klipp och kan köras på användarens egen dator. I stället för att låsa filmare och utvecklare till ännu en molntjänst publiceras vikterna, koden och träningsverktygen för lokal körning och egen anpassning.
Modellen lanserades den 11 augusti och är den hittills största uppgraderingen av LTX:s system för AI-genererad film. Företaget beskriver LTX-2.5 som en 22-miljarders ”världsmodell”: ett system som inte bara framställer enskilda bilder, utan försöker hålla rörelse, rum, ljud, personer och miljöer sammanhängande över tid.
Den stora nyheten för vanliga kreatörer är ägandet. Modellfilerna kan laddas ned från Hugging Face och köras lokalt, medan källkod, referensflöden och verktyg för finjustering ligger öppet på Github. Råmaterial, röster och ännu opublicerade projekt behöver därmed inte skickas till ett utomstående AI-bolags servrar.
LTX-2.5 får samtidigt inbyggt stöd från första dagen i ComfyUI, det fria nodbaserade gränssnitt som blivit ett nav för lokal bild- och videogenerering. Det gör vägen från nedladdade modellvikter till ett fungerande visuellt arbetsflöde betydligt kortare än när nya modeller kräver specialskrivna installationer.
På den punkten går LTX längre än flera uppmärksammade konkurrenter. MiniMax H3, som Nya Dagbladet nyligen skrev om, kan också köras lokalt men har en communitylicens som undantar bland annat EU. LTX:s nya licens gäller globalt och tillåter kostnadsfri kommersiell användning för företag med mindre än tio miljoner dollar i årsomsättning.
Flera filmscener i ett enda svep
En av de mest spännande nyheterna är så kallad multiscengenerering. Modellen ska kunna skapa en följd av sammanhängande klipp i en körning och behålla samma karaktärer, miljö, ljus och röster genom klippen. Just sådan kontinuitet har länge varit en av AI-filmens stora svagheter: en person kan byta ansikte, kläder eller röst så fort kameravinkeln ändras.
En särskilt anpassad version av Googles språkmodell Gemma 4 med tolv miljarder parametrar tolkar instruktionerna. LTX uppger att modellen därmed klarar mer komplicerade beskrivningar med flera personer och händelser, samtidigt som en ny funktion själv kan avgöra hur långt klippet behöver vara för att hinna genomföra den efterfrågade handlingen.
Systemet kan användas för text-till-video, bild-till-video och video-till-video. Det stöder även redigering av delar av ett befintligt klipp, styrning med nyckelbilder, läppsynkroniserad dubbning och samtidig generering av bild och ljud. För professionella filmflöden finns stöd för 4K, HDR och EXR-filer i färgsystemet ACES, enligt den officiella lanseringen.
Ny metod ska ge skarpare AI-film
Den tekniska huvudnyheten kallas Diffusion Fidelity Rendering. I stället för att lägga lika mycket datorkraft på varje ögonblick analyserar systemet scenens svårighetsgrad och skapar extra detaljrika nyckelbilder där de behövs mest. Rörelse och grundstruktur byggs först i ett kraftigt komprimerat arbetsutrymme, varefter en separat diffusionsbaserad videodekoder återskapar detaljer i bland annat ansikten och snabba rörelser.
LTX hävdar att detta ger jämnare rörelser, färre visuella fel och bildkvalitet som håller även på en bioduk. På företagets egen modellsida redovisas ett preliminärt automatiserat test där LTX-2.5 Pro hade färre synliga bildfel än nio jämförda modeller. Resultatet är bolagets egen mätning och upplösningarna skiljer sig mellan systemen, så det bör inte betraktas som ett slutgiltigt oberoende prestandatest.
Mer intressant än en enskild topplacering är ändå att samma teknik går att ladda ned. Utvecklare kan bygga egna tillägg, träna LoRA-anpassningar för en viss figur eller filmstil och förändra hela arbetskedjan utan att vänta på att en molnleverantör ska godkänna funktionen.
Kan köras lokalt – men kräver fortfarande kraft
Lokal körning betyder inte att LTX-2.5 förvandlar vilken kontorsdator som helst till en filmstudio över natten. Den officiella modellsidan anger 16 gigabyte grafikminne som lägstanivå och företaget lyfter en ensam RTX 5090 som ett praktiskt exempel. För den fulla standardinstallationen anger Github samtidigt omkring 66 gibibyte modellfiler, även om åtta- och fyrabitarsversioner samt avlastning till arbetsminne eller disk kan sänka kraven på grafikminnet.
Det innebär att en kraftfull speldator eller arbetsstation är den realistiska startpunkten för snabbare lokal generering. Men skillnaden mot en låst molntjänst är grundläggande: användaren kan själv välja kompromissen mellan hastighet, bildkvalitet och minnesåtgång, uppgradera hårdvaran och behålla allt material lokalt.
Öppen – med en tydlig licensgräns
LTX kallar utgåvan ”open source”, men mer exakt handlar det om öppna modellvikter och öppen kod under LTX-2.x Community License. Licensen tillåter användning, ändringar, vidareutveckling och kommersiellt bruk, men företag med en sammanlagd årsomsättning på minst tio miljoner dollar måste teckna ett betalt avtal för kommersiell användning. Det är därför inte en helt villkorslös standardlicens i samma mening som Apache eller MIT.
För privatpersoner, mindre studior, forskare och de flesta fristående utvecklare är friheten ändå ovanligt konkret. De kan ladda ned modellen, undersöka hur den fungerar, anpassa den till egna data och skapa film utan obligatorisk märkning eller löpande avgifter till en central tjänst.
LTX-2.5 visar därmed en möjlig väg bort från en framtid där all avancerad AI-film kontrolleras av ett fåtal nätplattformar. Den verkliga prövningen börjar när oberoende användare testar kvaliteten på sina egna datorer, men kombinationen av starkare bild, synkroniserat ljud, flera sammanhängande scener och lokal kontroll gör släppet till ett av årets mest intressanta steg för öppen AI-video.
