LTX-2.3：免费开源AI视频模型，在自己的GPU上生成4K视频

为什么开源AI视频现在值得认真对待

Kling、Veo、Seedance、Runway——每一款主流AI视频工具都是按积分计费的。每个clip收费，按秒收费，按次生成收费。对于每个月要产出50个以上clip的创作者或小型制作公司，这些费用积累起来相当可观。按Kling 4K单价CA$0.40计算，每月100个clip就是CA$40。换成Runway Gen-4，可能要接近CA$200。

LTX-2.3彻底改变了这个算法。它是以色列公司Lightricks（FaceTune和LTX Studio的母公司）发布的完全开源视频生成模型，采用Apache 2.0商业友好协议。你下载模型权重，在自己的GPU上运行，生成多少clip都行。每个clip的成本就是电费。

2.3版本发布后，LTX和付费工具的画质差距大幅缩小。原生4K输出、50fps、同步音频生成、与Kling 3.0在环境和产品镜头上接近的运动质量。它还不完美——角色一致性仍弱于Kling——但对于一个本地免费运行的工具来说，这个水平已经很惊人了。

LTX-2.3 核心参数

输出质量： - 原生分辨率：最高4K（3840×2160） - 帧率：最高50fps - 时长：每次生成最长10秒（可拼接做更长内容） - 音频：视频生成时同步生成原生音频 - 色彩：支持HDR，开箱即有电影质感色彩

硬件要求： - 最低配置：NVIDIA RTX 3080（10GB显存）— 可跑1080p/24fps - 推荐配置：RTX 4090（24GB显存）— 完整4K/50fps流程 - Apple Silicon：M3 Max和M4 Pro/Max通过MPS后端支持（稍慢但可用） - AMD：ROCm支持，稳定性不如CUDA

授权： Apache 2.0 — 个人和商业用途均免费，包括对外客户交付。

生成速度（RTX 4090）： - 1080p，6秒：约45秒 - 4K，6秒：约3分钟 - 4K，10秒：约5分钟

和云端工具比（Kling API约15秒，Veo约20秒），LTX慢一些。但每个clip都是免费的，对批量工作来说这个代价通常值得。

如何用ComfyUI跑LTX-2.3

运行LTX-2.3最实用的方式是通过ComfyUI——这个开源节点工作流工具刚刚完成5亿美元估值融资，拥有400万用户。ComfyUI通过可视化界面处理模型加载、提示词路由和输出管理，完全不需要写代码。

第一步：安装ComfyUI ``` git clone https://github.com/comfyanonymous/ComfyUI cd ComfyUI pip install -r requirements.txt ``` 或者用comfy.org的桌面安装器——Windows和Mac一键完成。

第二步：下载LTX-2.3模型权重 权重托管在Hugging Face，总大小约12GB。 ``` # 放在 ComfyUI/models/video_models/ 目录下 huggingface-cli download Lightricks/LTX-Video ltx-video-2b-v0.9.5.safetensors ```

第三步：安装LTX ComfyUI节点包 在ComfyUI Manager里搜索"LTX Video"并安装，会在工作流面板中添加LTX生成节点。

第四步：加载入门工作流 从ComfyUI文档（docs.comfy.org/tutorials/video/ltx/ltx-2-3）下载官方LTX-2.3工作流JSON，拖进ComfyUI就能直接运行文字转视频。

第五步：生成第一个clip 在正向提示词节点输入描述，设置时长（从6秒开始），点Queue。第一次生成时需要把模型加载进显存，稍慢；后续生成会快很多。

LTX vs Kling vs Veo：各自适合什么场景

LTX-2.3不是用来替代付费工具的，而是补充它们。实用对比如下：

用LTX-2.3的情况： - 高频批量工作（每天20个以上clip），单价成本是关键 - 环境B-roll：风景、城市、抽象运动、产品环境 - 在花钱生成之前先做概念测试 - 内部交付物（培训视频、内部汇报），不需要客户级别的画质 - 需要离线/断网生成的场景 - 网站背景视频、展会展示、数字标牌的循环素材

改用Kling 3.0的情况： - 人物出镜是主体——角色一致性和面部质量Kling仍明显更强 - 速度比成本更重要——Kling API每clip快4-6倍 - 需要5语言原生唇形同步（Kling独有功能）

改用Veo 3.1的情况： - 需要最好的环境音频质量 - 这个clip是高价值交付物的唯一英雄镜头 - Google Workspace集成对你的工作流很重要

实际有效的混合工作流： 本地用LTX做概念测试和批量B-roll生成。当一个概念在本地验证效果不错，再花积分在Kling或Veo里生成最终版本。把积分花在已验证的概念上，而不是实验上。

LTX-2.3的原生音频实际表现

原生音频是LTX-2.3和上一个版本最大的区别。早期版本只生成无声视频，音频必须后期添加。LTX-2.3在单次生成时同步输出视频和音频。

音频引擎和Veo 3.1用的类似：环境音效、环境噪声、物理交互拟音。雨中城市街道的clip会生成雨声。产品放到桌上会生成碰撞声。户外市场场景会生成人群背景音。

实际质量说明： - 环境氛围音：出色，接近Veo 3.1 - 物理交互音效（碰撞、机械）：良好 - 背景音乐：基础，建议后期加授权音乐 - 对白/旁白：不支持，还是需要单独录音

对于房产B-roll（建立镜头、社区街道、配套设施展示），LTX-2.3的音频生成省去了后期单独给每个clip找素材和同步环境音的工序。

在Apple Silicon上跑LTX（M3/M4）

如果你用的是MacBook Pro M3 Max或M4 Pro/Max，LTX-2.3通过PyTorch的MPS（Metal Performance Shaders）后端运行，设置方式和CUDA相同，ComfyUI会自动检测Apple Silicon并切换到MPS。

和NVIDIA RTX 4090的速度对比： - M4 Max（128GB统一内存）：1080p约慢2.5倍，4K约慢1.8倍（大内存有帮助） - M3 Max（96GB）：1080p约慢3倍 - M3 Pro（36GB）：限制在1080p，某些配置下4K会OOM

Apple Silicon的统一内存架构意味着M4 Max可以把完整4K流程加载进内存不换页，这部分补偿了较慢的GPU吞吐量。对已经有MacBook Pro的创作者来说，本地跑LTX是免费的，不需要额外买硬件。

有RTX 4080或更高显卡的Windows用户，CUDA路径更快更稳定。NVIDIA的Tensor Core加速在4K分辨率下有明显差异。

值得花时间配置吗？

配置时间大约需要1-2小时，如果你每月生成超过20-30个clip，这个时间很快就能回本。那个量级下，比Kling Premier（约CA$30/月可生成375个clip）省的钱不算多，但LTX没有clip上限。每月产出200个以上社交素材的视频制作工作流，规模化之后省的钱是实打实的。

对温哥华的创作者来说：LTX非常擅长房产和企业品牌视频所需的那种氛围B-roll。社区建立镜头、产品环境素材、抽象品牌运动——这些都在LTX-2.3目前的能力范围内。

这个工具还在快速进化，Lightricks大约每6-8周出一个更新。LTX和付费工具之间的差距会继续缩小。现在就熟悉ComfyUI工作流，等画质跨过客户级别那道门槛时，你已经准备好了。