La Revolución Silenciosa de LTX 2.3

LTX acaba de lanzar una actualización significativa para su modelo de video 2.3, introduciendo discretamente potentes controles de video a video dentro de LTX studio. Este 'lanzamiento sigiloso', destacado por medios como Theoretically Media, contrasta fuertemente con los anuncios ruidosos y a menudo exagerados de muchos competidores de IA. LTX se posiciona consistentemente como un desarrollador enfocado en tecnología fundamental, permitiendo que sus innovaciones —como la adición crítica del soporte HDR— surjan con un impacto discreto en lugar de un marketing agresivo.

Las nuevas capacidades otorgan a los usuarios un control granular sin precedentes sobre el contenido de video generado. Estos incluyen controles dedicados para: - Pose - Profundidad - Borde - Soporte HDR - Flujos de trabajo de estilización

Aunque estas características residen actualmente exclusivamente dentro de la plataforma LTX studio, la comunidad de IA más amplia anticipa su eventual lanzamiento de código abierto. Esto sigue un patrón consistente visto con características anteriores de LTX 2.3 como ID LoRA, y controles anteriores de profundidad a video y de 'candy' a video para LTX2, señalando un compromiso con una mayor accesibilidad y participación de la comunidad.

Esto no es un evento aislado. Los avances de LTX son parte de una ola más amplia y acelerada que está remodelando todo el ecosistema de video con IA. La innovación ahora prospera tanto en plataformas propietarias como en una floreciente comunidad de código abierto, evidenciado por desarrollos concurrentes como el nuevo modelo de video BACH de Video Rebirth, sofisticados flujos de trabajo de Prompt Relay / LoRA diseñados para usuarios avanzados, y herramientas de código abierto gratuitas para construir conjuntos de datos de entrenamiento de video con IA personalizados. Estas diversas contribuciones empujan colectivamente los límites de lo que es posible en el video generativo.

Este artículo explorará a fondo los nuevos controles de LTX 2.3, probando rigurosamente su rendimiento en el mundo real con diversas entradas —desde movimientos sutiles hasta escenas complejas que involucran manos y movimiento rápido. Evaluaremos su eficacia para mantener la consistencia del personaje, gestionar la deriva de identidad y manejar elementos desafiantes como la sincronización labial. En última instancia, analizaremos cómo estas características se integran en el panorama en rápida evolución del video con IA, evaluando la posición estratégica de LTX como un disruptor silencioso en un campo a menudo dominado por el ruido especulativo y las tendencias efímeras.

El soporte de Alto Rango Dinámico (HDR) en LTX 2.3 trasciende una simple mejora estética para "mejores colores" en el video generado por IA. Transforma fundamentalmente la estructura de datos subyacente, capturando un rango extendido de luminancia, contraste y volumen de color. Esto permite a la IA renderizar imágenes con una profundidad y realismo sin precedentes, representando con precisión los gradientes sutiles desde las sombras más profundas hasta los reflejos más intensos. El resultado es metraje que refleja la complejidad de la percepción del ojo humano, esencial para flujos de trabajo profesionales exigentes.

Para cineastas serios y estudios de postproducción, la integración HDR marca un avance fundamental. Asegura una integración perfecta con los pipelines de efectos visuales (VFX) establecidos, donde mantener un rango dinámico consistente en las tomas de acción real y los elementos generados por IA es innegociable. Los coloristas obtienen un control sin precedentes, permitiendo una gradación de color avanzada con una precisión excepcional. Pueden aprovechar los datos expandidos para esculpir ambientes intrincados, refinar la estética cinematográfica y asegurar una salida lista para emisión sin pérdida de datos ni banding.

La inclusión discreta de HDR por parte de LTX, reconocida como una característica que la mayoría de los usuarios casuales podrían ignorar, transmite una clara intención estratégica. No se trata de demostraciones llamativas; se dirige a cineastas serios y casas de producción que exigen una fidelidad técnica inquebrantable. Al abordar un requisito central de la postproducción cinematográfica de alta gama, LTX studio eleva su posición más allá del arte experimental de IA, posicionándose como una herramienta legítima para profesionales de la industria.

Esta mejora técnica proporciona una potente ventaja competitiva para aplicaciones especializadas. Los artistas de IA ahora pueden generar activos directamente compatibles con suites de gradación profesional y procesos de masterización, eliminando la necesidad de una extensa reconstrucción manual del rango dinámico. Esto agiliza los flujos de trabajo para la creación de contenido de alta fidelidad, desde sets de producción virtual hasta la entrega final. El soporte HDR subraya el compromiso de LTX de ofrecer herramientas de nivel profesional, incluso cuando la característica en sí no está diseñada para el atractivo general, solidificando su lugar en el panorama cambiante de la creación de contenido impulsado por IA.

La reciente actualización de LTX 2.3 en LTX studio introduce tres potentes controles de video a video: Pose, Depth y Edge. Estas herramientas ofrecen a los creadores una influencia granular sobre el video generado por IA, yendo más allá de la simple estilización para dirigir el movimiento y la replicación espacial. Comprender sus mecanismos individuales y características de rendimiento es crucial para una salida óptima.

Pose Control opera extrayendo datos esqueléticos o de puntos clave de un video fuente, y luego transfiriendo ese movimiento bruto a un nuevo personaje. Este modo sobresale en el reemplazo directo de personajes, permitiendo que un nuevo sujeto herede los movimientos exactos del original. Sin embargo, la prueba de estrés de la "chica lanzallamas" en el video de revisión expuso claramente sus limitaciones. Acciones complejas y de movimiento rápido o poses extremas a menudo hacen que la IA tenga dificultades para mapear el nuevo personaje sobre los datos esqueléticos inestables, lo que resulta en momentos distorsionados, "extraños" o incluso de "horror corporal de IA".

Depth Control aprovecha un mapa de profundidad en escala de grises generado a partir del video fuente, donde los píxeles más claros indican objetos más cercanos y los píxeles más oscuros representan objetos distantes. Este mecanismo le permite replicar meticulosamente no solo el movimiento de la cámara, sino también las intrincadas relaciones espaciales y los tamaños relativos de los elementos dentro de una escena. Un hallazgo sorprendente de la prueba de la "chica lanzallamas" reveló que Depth Control a menudo superó a Pose, entregando resultados más estables y coherentes para acciones intrincadas al mapear con precisión la geometría 3D de la escena en lugar de solo el movimiento esquelético.

Edge Control utiliza Canny o algoritmos similares de detección de bordes para crear contornos precisos a partir del video fuente, guiando la generación de la IA basándose en estos límites. Si bien ofrece un inmenso potencial para transformaciones altamente estilizadas o gráficas, este modo demostró ser el más susceptible a generar resultados "extraños" o el clásico "horror corporal de IA" cuando se enfrenta a sujetos complejos o de movimiento rápido. La dificultad de la IA para interpretar datos de bordes intrincados o que cambian rápidamente a menudo conduce a artefactos visuales inquietantes y graves distorsiones de los personajes, como se muestra prominentemente en el video de prueba.

La elección del modo de control óptimo depende de la intención específica del creador y de la complejidad del material de origen. Opte por Pose Control cuando el objetivo principal implique animación centrada en el personaje con movimientos sencillos y lentos, centrándose en la transferencia directa de movimiento. Para la replicación detallada de la trayectoria de la cámara, el mantenimiento de la coherencia de la escena o cuando el movimiento del personaje es complejo pero requiere alta estabilidad, Depth Control surge como la opción superior, a menudo produciendo resultados robustos al centrarse en la estructura subyacente de la escena.

Edge Control, aunque capaz de efectos estilísticos únicos y una adherencia precisa a la forma, exige una aplicación cuidadosa. Es más adecuado para escenarios donde los contornos abstractos son aceptables, o al transformar sujetos geométricamente simples. Para obtener detalles completos sobre todas las características de LTX 2.3, incluidos estos controles y el nuevo soporte HDR, consulte las LTX-2.3 - LTX Studio Product News & Release Notes oficiales. Dominar este trío desbloquea nuevos niveles de precisión creativa dentro de LTX studio, pero requiere un enfoque informado para mitigar posibles inconvenientes.

Vanilla LTX 2.3 se sometió a rigurosas pruebas de estrés dentro de LTX studio, revelando tanto fortalezas sorprendentes como debilidades persistentes. Los experimentos detallados de Theoretically Media, consumiendo créditos, sometieron el modelo base a diversos desafíos de video a video, desde grabaciones personales hasta CGI vintage. Esta evaluación sin filtros ofrece información crítica sobre sus capacidades y deficiencias actuales.

Las pruebas iniciales demostraron resultados impresionantes en áreas clave. LTX 2.3 logró una calidad de lip-sync notablemente buena, manteniendo la coherencia incluso con diálogos complejos y movimientos faciales sutiles. Además, el modelo mostró una notable aptitud para la generación de manos; comenzar una toma con las manos claramente en el encuadre produjo consistentemente resultados más precisos y estables, una mejora significativa con respecto a iteraciones anteriores de video con IA que a menudo tenían dificultades con las extremidades.

Un éxito particularmente convincente surgió de la modernización de un clip de *Starship Troopers Roughnecks*, la serie animada CGI de finales de los 90. Este material de origen de un cuarto de siglo de antigüedad, con sus imágenes anticuadas, presentó un desafío perfecto para un modelo de video que busca mejorar la fidelidad visual. El proceso de video a video de LTX 2.3 mejoró notablemente la animación, entregando lo que el crítico llamó "lo mejor que he visto en esta prueba hasta ahora" para el clip específico.

Sin embargo, el modelo vanilla también expuso claras limitaciones. Una notable character identity drift (deriva de la identidad del personaje) afectó a secuencias más largas, haciendo que la apariencia del sujeto cambiara sutilmente o alterara los rasgos faciales con el tiempo, socavando la coherencia. El rendimiento en tomas de menos de dos segundos resultó consistentemente deficiente, lo que indica una lucha fundamental para establecer referencias visuales estables y mantener la coherencia del sujeto dentro de duraciones tan breves.

Las secuencias de movimiento rápido resaltaron aún más las limitaciones del modelo. Los movimientos rápidos, como giros bruscos o gestos repentinos, a menudo resultaron en artefactos, distorsiones visuales y una pérdida de fidelidad para el sujeto, lo que demuestra la dificultad de LTX 2.3 para rastrear y renderizar con precisión durante la acción de alta velocidad. Esta limitación reduce su utilidad para contenido dinámico y orientado a la acción sin intervención manual.

Para mitigar estos problemas de coherencia, surgió una ingeniosa solución alternativa de "video inverso" como un consejo práctico para los usuarios. Esta técnica implica invertir un video de origen, forzando a LTX 2.3 a procesar el fotograma final original como su referencia inicial. Esto proporciona al modelo un punto de partida fuerte y consistente, mejorando significativamente la continuidad del personaje y la calidad general de la salida, particularmente para tomas donde la estabilidad inicial es primordial.

La transferencia de estilización emerge como una de las capacidades más atractivas de LTX 2.3, yendo más allá de los filtros simples para reimaginar genuinamente el material fuente. Esta característica, demostrada en pruebas recientes, proporciona una flexibilidad artística a menudo difícil de alcanzar en la generación de video por IA.

Un experimento destacado involucró un clip de acción real en 4K transformado de nuevo en una estética de anime vibrante, evocando específicamente el estilo clásico de 'Robotech' o 'Macross'. El video model de LTX 2.3 interpretó con éxito la indicación artística, traduciendo el realismo de la acción real en una secuencia animada convincente.

El metraje resultante mostró un aspecto distintivo de hybrid 3D animation. El modelo no se limitó a superponer un estilo; en cambio, volvió a renderizar la escena con una comprensión del lenguaje visual del anime, incluyendo líneas de personajes, texturas simplificadas y encuadre dinámico. Este proceso sugiere una interpretación sofisticada de las señales estilísticas, generando algo nuevo en lugar de una réplica perfecta.

Esta capacidad de reinterpretar indicaciones estilísticas desbloquea un potencial creativo significativo. Los cineastas pueden convertir sin problemas prototipos de acción real en secuencias animadas, o los animadores pueden aprovechar el metraje existente como base para narrativas visuales completamente nuevas. LTX Studio ofrece un potente lienzo para tales transformaciones.

Los creadores de contenido obtienen una herramienta robusta para la visual reinvention. Pueden dar nueva vida a metraje de archivo, desarrollar estéticas de marca únicas o experimentar con estilos visuales que fusionan géneros, todo sin los exhaustivos procesos de animación tradicionales. La capacidad de transferencia de estilización de LTX 2.3 marca un cambio silencioso pero profundo en el control creativo.

El valor a largo plazo de LTX no está ligado únicamente a su plataforma LTX Studio fácil de usar. En cambio, su compromiso estratégico con el desarrollo de open-source proporciona una base más duradera. Esta filosofía cultiva la confianza y asegura la adaptabilidad, posicionando a LTX más allá de las limitaciones de los ecosistemas propietarios.

Considere el marcado contraste con modelos como Seedance 2.0, una potencia de alto costo y closed-source que avanza características como los próximos "Cameos/cast". Mientras que Seedance ofrece una experiencia pulida y curada para sus usuarios (más detalles en Seedance AI – Generate Video, Image & Voice｜AI Tools), LTX proporciona una API accesible y opciones de ejecución local gratuitas. Este enfoque democrático para la generación de video por IA reduce significativamente la barrera de entrada.

Esta estrategia dual satisface eficazmente las diversas necesidades de los usuarios. Los usuarios de la plataforma aprecian la conveniencia integrada de LTX Studio y el acceso inmediato a nuevos controles, como el recientemente lanzado conjunto de video-to-video. Esto se alinea con la expectativa de que los nuevos controles de video-to-video de LTX 2.3 también se convertirán en open-sourced, siguiendo precedentes como depth-to-video y candy-to-video de LTX2, y ID LoRA de LTX 2.3.

Simultáneamente, los usuarios avanzados obtienen el control granular y la personalización que exigen los proyectos complejos. Aprovechan la capacidad de ejecutar modelos localmente o integrarlos a través de API, personalizando flujos de trabajo para visiones creativas específicas. Esta flexibilidad es primordial para entornos de producción avanzados.

Una base de código abierto también cataliza una vibrante comunidad de desarrolladores. Este colectivo construye rápidamente extensiones avanzadas y flujos de trabajo sofisticados que a menudo superan las capacidades iniciales del modelo base. Ejemplos incluyen el intrincado flujo de trabajo Prompt Relay / LoRA, transformando el núcleo de LTX en herramientas altamente especializadas. La disponibilidad de una herramienta gratuita de código abierto para construir conjuntos de datos de entrenamiento de video con IA subraya aún más esta innovación colaborativa, asegurando la evolución continua y la relevancia de LTX.

La verdadera revelación de la discreta actualización de LTX 2.3 no reside solo en sus características directas, sino en un potente flujo de trabajo de código abierto que eleva drásticamente la generación de video con IA. Esta solución impulsada por la comunidad, que combina Prompt Relay, ID LoRA e IC LoRA, aborda los problemas críticos de consistencia que afectan incluso a los modelos propietarios avanzados.

ID LoRA, o Identity LoRA, sirve como la base para la persistencia de personajes. Bloquea meticulosamente la identidad de un sujeto a lo largo de una secuencia de video completa, evitando la "deriva de identidad" vista en modelos vanilla donde los rostros cambian sutilmente de fotograma a fotograma. Esto asegura una apariencia de personaje consistente, independientemente del movimiento o los cambios de escena.

IC LoRA, o In-Context LoRA, complementa a ID LoRA manteniendo la coherencia estilística. Este componente asegura la consistencia de estilo en contexto, permitiendo una transferencia de estilización sin interrupciones desde el material fuente a la salida generada. Preserva la estética artística deseada a lo largo del video, incluso a través de transiciones complejas o cambios de escena.

Prompt Relay gestiona los cambios dinámicos de prompt a lo largo del tiempo, orquestando el flujo narrativo y guiando el proceso generativo de la IA. Este sistema inteligente permite a los creadores evolucionar elementos visuales y temas, asegurando que el video de IA se adhiera a un guion preciso y en evolución en lugar de una interpretación estática.

La evaluación del anfitrión destacó las capacidades fenomenales de este flujo de trabajo combinado, particularmente su habilidad para resolver los notorios problemas de consistencia del modelo vanilla. Mientras que el modelo base de LTX 2.3 tuvo dificultades con la prueba de la "chica lanzallamas", produciendo deriva de identidad y artefactos de movimiento, esta configuración integrada entregó resultados sorprendentemente estables y coherentes. El flujo de trabajo aborda directamente los desafíos comunes de mantener el personaje y el estilo a través de varias tomas y movimientos complejos.

Este sofisticado sistema de tres partes, disponible a través de plataformas como Civitai, impresionó con su rendimiento robusto y su innovación impulsada por la comunidad. Demuestra cómo el aprovechamiento de componentes de código abierto puede empujar los límites del video con IA más allá de lo que las plataformas individuales ofrecen actualmente. El enlace específico del flujo de trabajo (https://civitai.com/models/2553704/ltx23-all-in-one-prompt-relay-id-lora-controlnet-detailer-upscaler-custom-audio-keyframes) subraya su accesibilidad.

Reconociendo la "ansiedad por ComfyUI" a menudo asociada con interfaces complejas basadas en nodos, incluso los usuarios de LTX studio deberían prestar mucha atención a estos avances. Aunque intrincados, estos avances de código abierto en última instancia informan e impulsan el desarrollo de características más fáciles de usar dentro de las plataformas comerciales. Comprender estas mecánicas subyacentes revela el futuro de la generación de video con IA.

Un nuevo contendiente ha entrado en la arena del video con IA, cambiando su enfoque intensamente hacia uno de los desafíos más persistentes y frustrantes de la tecnología: la consistencia de los personajes. BACH, de Video Rebirth, se lanzó con la misión singular de resolver la deriva de identidad, con el objetivo de asegurar que los sujetos permanezcan reconocibles y estables a lo largo de toda la duración de un video. Este enfoque especializado marca una desviación de los modelos de video con IA generalistas.

Theoretically Media realizó una inmersión inicial profunda en BACH, revelando una capacidad prometedora, aunque incipiente. Su primera prueba "sin selección", que presentaba a un "hombre con traje azul", demostró una fidelidad impresionante en el mantenimiento de la identidad visual del sujeto a través de varios movimientos y expresiones. Este éxito temprano sugiere una base sólida para la generación consistente de personajes, un avance crítico para las aplicaciones narrativas. BACH también incluye "funciones de montaje y preajustes de estilo", lo que insinúa un control creativo más amplio.

Sin embargo, las limitaciones de BACH surgieron rápidamente durante las pruebas de estrés que involucraban semejanzas de celebridades. El modelo luchó visiblemente para mantener características reconocibles, lo que llevó a una ruptura significativa y distorsión de identidad. El presentador aconsejó explícitamente a los usuarios que evitaran tales entradas, subrayando que, si bien BACH sobresale en su enfoque principal, no es una solución universal para todos los escenarios de generación de personajes. Sus fortalezas actuales residen en la estabilidad de los personajes originales en lugar de replicar figuras públicas existentes.

Mientras tanto, el competidor establecido Seedance adelantó brevemente su propio avance significativo con una próxima función 'Cameos/Cast'. Si bien los detalles específicos permanecen en secreto, esta funcionalidad implica fuertemente la capacidad de definir y mantener personajes persistentes a través de múltiples tomas o incluso secuencias narrativas completas. Esto sería un desarrollo crucial para la narración compleja de múltiples escenas, permitiendo a los creadores construir narrativas cohesivas con actores recurrentes generados por IA.

Estos desarrollos paralelos señalan una diversificación crucial y saludable en el panorama del video con IA. Nuevos modelos como BACH no intentan ser soluciones "asesinas" todo en uno, una afirmación que el presentador de Theoretically Media elogió explícitamente. En cambio, se dirigen a nichos específicos de alto valor, como la robusta continuidad de personajes. Este enfoque especializado fomenta la innovación dirigida, impulsando aspectos distintos de la generación de video sin la presión del dominio universal. En última instancia, esto beneficia a los creadores al ofrecer herramientas más refinadas y confiables adaptadas para tareas particulares, fomentando un rico ecosistema de soluciones especializadas de video con IA.

Más allá del destello de nuevos modelos generativos como BACH y los controles avanzados de LTX 2.3, un desarrollo a menudo pasado por alto pero profundamente impactante surgió al final del video: una herramienta de conjunto de datos de video de código abierto. Esta utilidad altera fundamentalmente la forma en que los usuarios avanzados abordan el desarrollo de video con IA. Su función crucial permite a los usuarios cortar, procesar y preparar fácilmente su propio metraje de video, transformando los medios sin procesar en una entrada perfectamente formateada para entrenar o ajustar modelos de IA personalizados.

Esta herramienta democratiza un segmento crítico, previamente inaccesible, del proceso de desarrollo de IA. Históricamente, solo los grandes laboratorios de investigación bien financiados y los gigantes tecnológicos poseían los inmensos recursos computacionales y el talento de ingeniería especializado necesarios para procesar y curar eficientemente grandes cantidades de datos visuales para el entrenamiento de modelos. Este cuello de botella limitó severamente la innovación independiente y la libertad creativa.

Ahora, investigadores individuales, desarrolladores independientes y estudios creativos más pequeños obtienen el poder sin precedentes de crear modelos altamente especializados. Pueden alimentar la herramienta con sus activos visuales únicos —ya sean grabaciones de un actor específico, un estilo de animación distinto o datos ambientales de nicho— para producir modelos entrenados precisamente según sus necesidades. Esta capacidad va mucho más allá de los resultados genéricos de los modelos generalistas, permitiendo una generación de video con IA verdaderamente a medida.

Las enormes implicaciones de este cambio se extienden a un control creativo y una eficiencia sin precedentes. Empodera a los creadores para desarrollar activos propietarios o realizar experimentos innovadores con modelos de IA entrenados exclusivamente en su lenguaje visual distintivo. Mientras que empresas como Video Rebirth aseguran una financiación significativa para avanzar en sus modelos, como lo demuestra Video Rebirth Secures $80 Million to Advance AI Video Technology - Raising.fi, esta herramienta de código abierto empodera a la comunidad en general para innovar de forma independiente, haciendo que el desarrollo sofisticado de video con IA sea verdaderamente accesible. Esto marca una revolución silenciosa y fundamental en la preparación de datos.

La discreta actualización de LTX 2.3 señala un cambio profundo y fundamental en el video con IA. Sus robustos nuevos controles de video a video, que incluyen funcionalidades de pose, profundidad y edge, junto con el crucial soporte HDR, representan más que mejoras iterativas. Estos avances demuestran una rápida evolución que ocurre fuera del ciclo de exageración típico, empujando los límites de lo que es posible para los creadores.

El verdadero poder surge de la sinergia entre plataformas sofisticadas y herramientas dedicadas de código abierto. LTX Studio proporciona un entorno accesible, sin embargo, los resultados más impresionantes provienen de combinar sus capacidades con innovaciones impulsadas por la comunidad. El flujo de trabajo Prompt Relay, ID LoRA e IC LoRA, por ejemplo, transformó la salida en bruto en secuencias de video verdaderamente fenomenales.

Este espíritu colaborativo define la frontera. Nuevos contendientes como BACH by Video Rebirth están intensamente enfocados en resolver la consistencia de los personajes, un obstáculo crítico. Mientras tanto, las próximas características como los "Cameos" de Seedance y el "mystery image model" insinuado, apuntan a diversas innovaciones en el horizonte, expandiendo el conjunto de herramientas para cada creador.

Crucialmente, el héroe anónimo sigue siendo el dato. La aparición de herramientas gratuitas y de código abierto para construir conjuntos de datos de entrenamiento de video con IA personalizados empodera a los individuos para refinar modelos con una especificidad sin precedentes. Esto democratiza el proceso de creación, yendo más allá de las limitaciones de los modelos monolíticos pre-entrenados.

El mundo del video con IA acaba de despertar, no con una explosión, sino con una serie de actualizaciones precisas e impactantes. La innovación prospera donde las plataformas se encuentran con la comunidad, donde los creadores individuales pueden aprovechar herramientas sofisticadas para construir flujos de trabajo previamente inimaginables. Este enfoque distribuido y adaptativo impulsa el futuro, asegurando un progreso rápido y resultados creativos diversos.

¿Cuáles son los nuevos controles de video a video en LTX 2.3?

LTX 2.3 introdujo controles de pose, profundidad y edge (Canny). Estos permiten a los usuarios guiar la generación de video utilizando el movimiento, el movimiento de la cámara o los contornos estructurales de un video fuente.

¿La función de video a video de LTX 2.3 es de código abierto?

Actualmente, los nuevos controles solo están disponibles en LTX Studio. Sin embargo, basándose en el historial de LTX de lanzar características como ID LoRA y depth-to-video, se espera ampliamente que sean de código abierto en el futuro.

¿Qué es el modelo de video con IA Bach?

Bach, de Video Rebirth, es un nuevo modelo de video de IA que se enfoca específicamente en lograr una alta consistencia de personajes a lo largo de un clip generado, un desafío común para otros modelos.

¿Qué es el flujo de trabajo 'Prompt Relay' para LTX 2.3?

Prompt Relay es un flujo de trabajo avanzado y de código abierto para herramientas como ComfyUI. Combina características como ID LoRAs (para identidad de personaje) e IC LoRAs (para estilo) para lograr resultados superiores al modelo LTX estándar, ofreciendo un mayor control sobre la consistencia.