La Révolution Silencieuse de LTX 2.3

LTX vient de déployer une mise à jour significative pour son modèle vidéo 2.3, introduisant discrètement de puissants contrôles vidéo-vers-vidéo au sein de LTX studio. Ce 'lancement furtif', souligné par des médias comme Theoretically Media, contraste fortement avec les annonces bruyantes et souvent exagérées de nombreux concurrents de l'IA. LTX se positionne constamment comme un bâtisseur axé sur la technologie fondamentale, permettant à ses innovations—comme l'ajout crucial du support HDR—d'émerger avec un impact discret plutôt qu'un marketing agressif.

Les nouvelles capacités offrent aux utilisateurs un contrôle granulaire sans précédent sur le contenu vidéo généré. Celles-ci incluent des contrôles dédiés pour : - La Pose - La Profondeur - Le Contour - Le support HDR - Les flux de travail de stylisation

Bien que ces fonctionnalités résident actuellement exclusivement au sein de la plateforme LTX studio, la communauté IA au sens large anticipe leur éventuelle publication en open-source. Cela suit un modèle cohérent observé avec les fonctionnalités précédentes de LTX 2.3 comme ID LoRA, et les contrôles antérieurs depth-to-video et candy-to-video pour LTX2, signalant un engagement envers une accessibilité plus large et l'engagement communautaire.

Ce n'est pas un événement isolé. Les avancées de LTX font partie d'une vague plus large et accélérée qui remodèle l'ensemble de l'écosystème de la vidéo IA. L'innovation prospère désormais à la fois sur les plateformes propriétaires et au sein d'une communauté open-source en plein essor, comme en témoignent des développements simultanés tels que le nouveau modèle vidéo BACH de Video Rebirth, des flux de travail sophistiqués Prompt Relay / LoRA conçus pour les utilisateurs avancés, et des outils open-source gratuits pour la création de jeux de données d'entraînement vidéo IA personnalisés. Ces diverses contributions repoussent collectivement les limites de ce qui est possible en vidéo générative.

Cet article explorera en profondeur les nouveaux contrôles de LTX 2.3, en testant rigoureusement leurs performances réelles avec diverses entrées—des mouvements subtils aux scènes complexes impliquant des mains et des mouvements rapides. Nous évaluerons leur efficacité à maintenir la cohérence des personnages, à gérer la dérive d'identité et à traiter des éléments difficiles comme la synchronisation labiale. En fin de compte, nous analyserons comment ces fonctionnalités s'intègrent dans le paysage en évolution rapide de la vidéo IA, évaluant la position stratégique de LTX en tant que perturbateur discret dans un domaine souvent dominé par le bruit spéculatif et les tendances éphémères.

Le support High Dynamic Range (HDR) dans LTX 2.3 transcende une simple amélioration esthétique pour des « meilleures couleurs » dans la vidéo générée par IA. Il transforme fondamentalement la structure de données sous-jacente, capturant une gamme étendue de luminance, de contraste et de volume de couleur. Cela permet à l'IA de rendre des visuels avec une profondeur et un réalisme sans précédent, représentant avec précision les gradients subtils des ombres les plus profondes aux reflets les plus intenses. Le résultat est une séquence qui reflète la complexité de la perception de l'œil humain, essentielle pour les flux de travail professionnels exigeants.

Pour les cinéastes et les studios de post-production sérieux, l'intégration HDR marque une avancée cruciale. Elle assure une intégration transparente avec les pipelines d'effets visuels (VFX) établis, où le maintien d'une plage dynamique cohérente entre les prises de vue réelles et les éléments générés par IA est non négociable. Les coloristes obtiennent un contrôle inégalé, permettant un étalonnage avancé avec une précision exceptionnelle. Ils peuvent exploiter les données étendues pour sculpter des ambiances complexes, affiner l'esthétique cinématographique et garantir une sortie prête pour la diffusion sans perte de données ni banding.

L'inclusion discrète du HDR par LTX, reconnue comme une fonctionnalité que la plupart des utilisateurs occasionnels pourraient ignorer, révèle une intention stratégique claire. Il ne s'agit pas de démos tape-à-l'œil ; elle cible les cinéastes et les maisons de production sérieux qui exigent une fidélité technique sans compromis. En répondant à une exigence fondamentale de la post-production cinématographique haut de gamme, LTX studio élève son statut au-delà de l'art expérimental basé sur l'IA, se positionnant comme un outil légitime pour les professionnels de l'industrie.

Cette amélioration technique offre un avantage concurrentiel puissant pour les applications spécialisées. Les artistes IA peuvent désormais générer des assets directement compatibles avec les suites d'étalonnage professionnelles et les processus de mastering, éliminant ainsi le besoin d'une reconstruction manuelle étendue de la plage dynamique. Cela rationalise les workflows pour la création de contenu haute fidélité, des plateaux de production virtuelle à la livraison finale. Le support HDR souligne l'engagement de LTX à fournir des outils de qualité professionnelle, même lorsque la fonctionnalité elle-même n'est pas conçue pour le grand public, consolidant ainsi sa place dans le paysage évolutif de la création de contenu pilotée par l'IA.

La récente mise à jour de LTX 2.3 sur LTX studio introduit trois puissants contrôles vidéo-vers-vidéo : Pose, Depth et Edge. Ces outils offrent aux créateurs une influence granulaire sur la vidéo générée par IA, allant au-delà de la simple stylisation pour diriger le mouvement et la réplication spatiale. Comprendre leurs mécanismes individuels et leurs caractéristiques de performance est crucial pour un résultat optimal.

Pose Control fonctionne en extrayant des données squelettiques ou de points clés d'une vidéo source, puis en transférant ce mouvement brut à un nouveau personnage. Ce mode excelle dans le remplacement direct de personnages, permettant à un nouveau sujet d'hériter des mouvements exacts de l'original. Cependant, le test de stress de la "flamethrower girl" dans la vidéo de revue a clairement exposé ses limites. Les actions complexes et rapides ou les poses extrêmes amènent souvent l'IA à avoir du mal à mapper le nouveau personnage sur des données squelettiques instables, ce qui entraîne des moments déformés, "étranges", voire de "AI body horror".

Depth Control utilise une carte de profondeur en niveaux de gris générée à partir de la vidéo source, où les pixels plus clairs indiquent des objets plus proches et les pixels plus foncés représentent des objets plus éloignés. Ce mécanisme lui permet de reproduire méticuleusement non seulement le mouvement de la caméra, mais aussi les relations spatiales complexes et les tailles relatives des éléments au sein d'une scène. Une découverte surprenante du test de la "flamethrower girl" a révélé que Depth Control surpassait souvent Pose, offrant des résultats plus stables et cohérents pour les actions complexes en mappant avec précision la géométrie 3D de la scène plutôt que le simple mouvement squelettique.

Edge Control utilise des algorithmes de détection de contours Canny ou similaires pour créer des contours précis à partir de la vidéo source, guidant la génération de l'IA en fonction de ces limites. Bien qu'offrant un potentiel immense pour des transformations très stylisées ou graphiques, ce mode s'est avéré le plus susceptible de générer des résultats "étranges" ou du "AI body horror" classique face à des sujets complexes ou en mouvement rapide. La difficulté de l'IA à interpréter des données de contours complexes ou changeant rapidement conduit souvent à des artefacts visuels troublants et à de graves distorsions de personnages, comme le montre la vidéo de test.

Le choix du mode de contrôle optimal dépend de l'intention spécifique du créateur et de la complexité du matériel source. Optez pour le Pose Control lorsque l'objectif principal implique une animation centrée sur le personnage avec des mouvements simples et lents, en se concentrant sur le transfert direct de mouvement. Pour la réplication détaillée de trajectoires de caméra, le maintien de la cohérence de la scène, ou lorsque le mouvement du personnage est complexe mais nécessite une grande stabilité, le Depth Control s'impose comme le choix supérieur, produisant souvent des résultats robustes en se concentrant sur la structure sous-jacente de la scène.

L'Edge Control, bien que capable d'effets stylistiques uniques et d'une adhésion précise aux formes, exige une application minutieuse. Il est mieux adapté aux scénarios où les contours abstraits sont acceptables, ou lors de la transformation de sujets géométriquement simples. Pour des détails complets sur toutes les fonctionnalités de LTX 2.3, y compris ces contrôles et le nouveau support HDR, consultez les LTX-2.3 - LTX Studio Product News & Release Notes officielles. La maîtrise de ce trio débloque de nouveaux niveaux de précision créative au sein de LTX studio, mais nécessite une approche éclairée pour atténuer les pièges potentiels.

Le Vanilla LTX 2.3 a subi des tests de résistance rigoureux au sein de LTX studio, révélant à la fois des forces surprenantes et des faiblesses persistantes. Les expériences détaillées de Theoretically Media, consommant des crédits, ont soumis le modèle de base à divers défis vidéo-à-vidéo, des enregistrements personnels à la CGI vintage. Cette évaluation non filtrée offre des aperçus critiques de ses capacités et lacunes actuelles.

Les tests initiaux ont démontré des résultats impressionnants dans des domaines clés. LTX 2.3 a atteint une qualité de lip-sync remarquablement bonne, maintenant la cohérence même avec des dialogues complexes et des mouvements faciaux subtils. De plus, le modèle a montré une aptitude notable pour la génération de mains ; commencer un plan avec des mains clairement dans le cadre a constamment produit des résultats plus précis et stables, une amélioration significative par rapport aux itérations précédentes de vidéo IA qui avaient souvent du mal avec les extrémités.

Un succès particulièrement convaincant est ressorti de la modernisation d'un extrait de *Starship Troopers Roughnecks*, la série animée en CGI de la fin des années 90. Ce matériel source vieux d'un quart de siècle, avec ses visuels datés, a présenté un défi parfait pour un modèle vidéo visant à améliorer la fidélité visuelle. Le processus vidéo-à-vidéo de LTX 2.3 a remarquablement amélioré l'animation, offrant ce que le critique a appelé « le meilleur que j'aie vu de ce test jusqu'à présent » pour l'extrait spécifique.

Cependant, le modèle vanilla a également révélé des limitations claires. Une dérive d'identité de personnage notable a affligé les séquences plus longues, provoquant un changement subtil de l'apparence du sujet ou une altération des traits du visage au fil du temps, sapant la cohérence. Les performances sur des plans de moins de deux secondes se sont avérées constamment médiocres, indiquant une difficulté fondamentale à établir des références visuelles stables et à maintenir la cohérence du sujet sur des durées aussi brèves.

Les séquences de mouvement rapide ont en outre mis en évidence les contraintes du modèle. Les mouvements rapides, tels que les virages brusques ou les gestes soudains, ont souvent entraîné des artefacts, des distorsions visuelles et une perte de fidélité pour le sujet, démontrant la difficulté de LTX 2.3 à suivre et à rendre avec précision lors d'actions à grande vitesse. Cette limitation réduit son utilité pour le contenu dynamique et orienté action sans intervention manuelle.

Pour atténuer ces problèmes de cohérence, une astuce astucieuse de « vidéo inversée » est apparue comme un conseil pratique pour les utilisateurs. Cette technique consiste à inverser une vidéo source, forçant LTX 2.3 à traiter l'image finale originale comme sa référence initiale. Cela fournit au modèle un point de départ solide et cohérent, améliorant considérablement la continuité du personnage et la qualité globale de la sortie, en particulier pour les plans où la stabilité initiale est primordiale.

Le transfert de stylisation apparaît comme l'une des capacités les plus convaincantes de LTX 2.3, allant au-delà des simples filtres pour véritablement réinventer le matériel source. Cette fonctionnalité, démontrée lors de tests récents, offre une flexibilité artistique souvent difficile à atteindre dans la génération de vidéos par IA.

Une expérience remarquable a impliqué un clip 4K live-action transformé en une esthétique anime vibrante, évoquant spécifiquement le style classique de 'Robotech' ou 'Macross'. Le modèle vidéo LTX 2.3 a interprété avec succès l'invite artistique, traduisant le réalisme live-action en une séquence animée captivante.

Les séquences résultantes ont présenté un aspect distinct d'animation 3D hybride. Le modèle n'a pas simplement superposé un style ; au lieu de cela, il a re-rendu la scène avec une compréhension du langage visuel de l'anime, y compris les lignes de personnages, les textures simplifiées et le cadrage dynamique. Ce processus suggère une interprétation sophistiquée des indices stylistiques, générant quelque chose de nouveau plutôt qu'une réplique parfaite.

Cette capacité à réinterpréter les invites stylistiques débloque un potentiel créatif significatif. Les cinéastes peuvent convertir sans effort des prototypes live-action en séquences animées, ou les animateurs peuvent utiliser des séquences existantes comme base pour des récits visuels entièrement nouveaux. Le LTX Studio offre une toile puissante pour de telles transformations.

Les créateurs de contenu disposent d'un outil robuste pour la réinvention visuelle. Ils peuvent insuffler une nouvelle vie à des séquences d'archives, développer des esthétiques de marque uniques ou expérimenter des styles visuels qui transcendent les genres, le tout sans les pipelines d'animation traditionnels exhaustifs. La capacité de transfert de stylisation de LTX 2.3 marque un changement discret mais profond dans le contrôle créatif.

La valeur à long terme de LTX n'est pas uniquement liée à sa plateforme conviviale LTX studio. Au lieu de cela, son engagement stratégique envers le développement open-source offre une base plus durable. Cette philosophie cultive la confiance et assure l'adaptabilité, positionnant LTX au-delà des limites des écosystèmes propriétaires.

Considérez le contraste frappant avec des modèles comme Seedance 2.0, une puissance coûteuse et closed-source qui fait progresser des fonctionnalités telles que les futurs « Cameos/cast ». Alors que Seedance offre une expérience soignée et organisée à ses utilisateurs (plus de détails sur Seedance AI – Generate Video, Image & Voice｜AI Tools), LTX fournit une API accessible et des options d'exécution locale gratuites. Cette approche démocratique de la génération de vidéos par IA abaisse considérablement la barrière à l'entrée.

Cette double stratégie répond efficacement aux divers besoins des utilisateurs. Les utilisateurs de la plateforme apprécient la commodité intégrée de LTX studio et l'accès immédiat aux nouvelles commandes, comme la suite video-to-video récemment lancée. Cela s'aligne avec l'attente que les nouvelles commandes video-to-video de LTX 2.3 deviendront également open-sourced, suivant des précédents comme depth-to-video et candy-to-video de LTX2, et ID LoRA de LTX 2.3.

Simultanément, les utilisateurs avancés bénéficient du contrôle granulaire et de la personnalisation exigés par les projets complexes. Ils exploitent la capacité d'exécuter des modèles localement ou de les intégrer via API, personnalisant les flux de travail pour des visions créatives spécifiques. Cette flexibilité est primordiale pour les environnements de production avancés.

Une fondation open-source catalyse également une communauté de développeurs dynamique. Ce collectif construit rapidement des extensions avancées et des workflows sophistiqués qui dépassent souvent les capacités initiales du modèle de base. Des exemples incluent le workflow complexe Prompt Relay / LoRA, transformant le cœur de LTX en outils hautement spécialisés. La disponibilité d'un outil open-source gratuit pour la création de datasets d'entraînement vidéo IA souligne davantage cette innovation collaborative, assurant l'évolution continue et la pertinence de LTX.

La véritable révélation de la mise à jour discrète de LTX 2.3 ne réside pas seulement dans ses fonctionnalités directes, mais dans un puissant workflow open-source qui élève considérablement la génération de vidéo IA. Cette solution communautaire, combinant Prompt Relay, ID LoRA et IC LoRA, s'attaque aux problèmes critiques de cohérence qui affligent même les modèles propriétaires avancés.

ID LoRA, ou Identity LoRA, sert de fondement à la persistance des personnages. Il verrouille méticuleusement l'identité d'un sujet sur l'ensemble d'une séquence vidéo, empêchant la « dérive d'identité » observée dans les modèles vanilla où les visages changent subtilement d'une image à l'autre. Cela garantit une apparence de personnage cohérente, quels que soient les mouvements ou les changements de scène.

IC LoRA, ou In-Context LoRA, complète ID LoRA en maintenant la cohérence stylistique. Ce composant assure une cohérence de style in-context, permettant un transfert de stylisation fluide du matériel source vers la sortie générée. Il préserve l'esthétique artistique souhaitée tout au long de la vidéo, même à travers des transitions complexes ou des changements de scène.

Prompt Relay gère les changements dynamiques de prompt au fil du temps, orchestrant le flux narratif et guidant le processus génératif de l'IA. Ce système intelligent permet aux créateurs de faire évoluer les éléments visuels et les thèmes, garantissant que la vidéo IA adhère à un script précis et évolutif plutôt qu'à une interprétation statique.

L'évaluation de l'hôte a mis en évidence les capacités phénoménales de ce workflow combiné, en particulier sa capacité à résoudre les problèmes notoires de cohérence du modèle vanilla. Alors que le modèle de base de LTX 2.3 avait du mal avec le test de la « flamethrower girl », produisant une dérive d'identité et des artefacts de mouvement, cette configuration intégrée a fourni des résultats étonnamment stables et cohérents. Le workflow aborde directement les défis courants de maintien du personnage et du style à travers divers plans et mouvements complexes.

Ce système sophistiqué en trois parties, disponible via des plateformes comme Civitai, a impressionné par ses performances robustes et son innovation communautaire. Il démontre comment l'exploitation de composants open-source peut repousser les limites de la vidéo IA au-delà de ce que les plateformes uniques offrent actuellement. Le lien spécifique du workflow (https://civitai.com/models/2553704/ltx23-all-in-one-prompt-relay-id-lora-controlnet-detailer-upscaler-custom-audio-keyframes) souligne son accessibilité.

Reconnaissant l'« anxiété ComfyUI » souvent associée aux interfaces complexes basées sur des nœuds, même les utilisateurs de LTX studio devraient prêter une attention particulière à ces avancées. Bien qu'intricates, ces percées open-source informent et stimulent finalement le développement de fonctionnalités plus conviviales au sein des plateformes commerciales. Comprendre ces mécanismes sous-jacents révèle l'avenir de la génération de vidéo IA.

Un nouveau challenger a fait son entrée dans l'arène de la vidéo AI, se concentrant intensément sur l'un des défis les plus persistants et frustrants de cette technologie : la cohérence des personnages. BACH, de Video Rebirth, a été lancé avec pour mission unique de résoudre la dérive d'identité, visant à garantir que les sujets restent reconnaissables et stables tout au long de la durée d'une vidéo. Cette approche spécialisée marque un départ des modèles vidéo AI généralistes.

Theoretically Media a mené une première exploration approfondie de BACH, révélant une capacité prometteuse, bien que naissante. Son premier test « sans sélection arbitraire », mettant en scène un « homme en costume bleu », a démontré une fidélité impressionnante dans le maintien de l'identité visuelle du sujet à travers divers mouvements et expressions. Ce succès précoce suggère une base solide pour la génération de personnages cohérents, une avancée critique pour les applications narratives. BACH inclut également des « montage and style preset features », laissant entrevoir un contrôle créatif plus large.

Cependant, les limites de BACH sont rapidement apparues lors de tests de stress impliquant des celebrity likenesses. Le modèle a visiblement eu du mal à maintenir des traits reconnaissables, entraînant une dégradation significative et une distorsion de l'identité. Le présentateur a explicitement conseillé aux utilisateurs d'éviter de telles entrées, soulignant que si BACH excelle dans son objectif principal, il n'est pas une solution universelle pour tous les scénarios de génération de personnages. Ses forces actuelles résident dans la stabilité des personnages originaux plutôt que dans la reproduction de personnalités publiques existantes.

Pendant ce temps, le concurrent établi Seedance a brièvement annoncé une avancée significative avec sa prochaine fonctionnalité 'Cameos/Cast'. Bien que les détails spécifiques restent secrets, cette fonctionnalité implique fortement la capacité de définir et de maintenir des personnages persistants sur plusieurs plans, voire des séquences narratives entières. Ce serait un développement crucial pour la narration complexe à plusieurs scènes, permettant aux créateurs de construire des récits cohérents avec des acteurs récurrents générés par l'IA.

Ces développements parallèles signalent une diversification cruciale et saine dans le paysage de la vidéo AI. Les nouveaux modèles comme BACH ne tentent pas d'être des solutions « killer » tout-en-un, une affirmation que l'hôte de Theoretically Media a explicitement saluée. Au lieu de cela, ils ciblent des niches spécifiques et de grande valeur, telles que la character continuity robuste. Cette approche spécialisée favorise l'innovation ciblée, faisant progresser des aspects distincts de la génération vidéo sans la pression de la domination universelle. En fin de compte, cela profite aux créateurs en offrant des outils plus raffinés et fiables, adaptés à des tâches particulières, favorisant un riche écosystème de solutions vidéo AI spécialisées.

Au-delà de l'éclat des nouveaux modèles génératifs comme BACH et des contrôles avancés de LTX 2.3, un développement souvent négligé mais profondément impactant a fait surface à la fin de la vidéo : un open-source video dataset tool. Cet utilitaire modifie fondamentalement la manière dont les utilisateurs avancés abordent le développement de la vidéo AI. Sa fonction cruciale permet aux utilisateurs de découper, traiter et préparer facilement leurs propres séquences vidéo, transformant les médias bruts en une entrée parfaitement formatée pour entraîner ou fine-tune des modèles AI personnalisés.

Cet outil démocratise un segment critique et auparavant inaccessible du pipeline de développement de l'IA. Historiquement, seuls les grands laboratoires de recherche bien financés et les géants de la technologie possédaient les immenses ressources computationnelles et les talents d'ingénierie spécialisés nécessaires pour traiter et organiser efficacement de vastes quantités de données visuelles pour l'entraînement des modèles. Ce goulot d'étranglement limitait sévèrement l'innovation indépendante et la liberté créative.

Désormais, les chercheurs individuels, les développeurs indépendants et les petits studios de création acquièrent le pouvoir sans précédent de concevoir des modèles hautement spécialisés. Ils peuvent alimenter l'outil avec leurs propres ressources visuelles uniques – qu'il s'agisse de séquences d'un acteur spécifique, d'un style d'animation distinct ou de données environnementales de niche – pour produire des modèles entraînés précisément selon leurs besoins. Cette capacité va bien au-delà des sorties génériques des modèles généralistes, permettant une génération de vidéo AI véritablement sur mesure.

Les implications massives de ce changement s'étendent à un contrôle créatif et une efficacité sans précédent. Cela permet aux créateurs de développer des actifs propriétaires ou de mener des expériences révolutionnaires avec des modèles AI entraînés exclusivement sur leur langage visuel distinct. Alors que des entreprises comme Video Rebirth obtiennent un financement important pour faire progresser leurs modèles, comme en témoigne Video Rebirth Secures $80 Million to Advance AI Video Technology - Raising.fi, cet outil open-source donne le pouvoir à la communauté au sens large d'innover indépendamment, rendant le développement sophistiqué de vidéo AI véritablement accessible. Cela marque une révolution silencieuse et pivot dans la préparation des données.

La mise à jour discrète de LTX 2.3 signale un changement profond et fondamental dans la vidéo AI. Ses nouveaux contrôles vidéo-à-vidéo robustes, incluant les fonctionnalités de pose, de profondeur et d'arête (edge), ainsi qu'un support HDR crucial, représentent plus que des améliorations itératives. Ces avancées démontrent une évolution rapide se produisant en dehors du cycle de battage médiatique typique, repoussant les limites de ce qui est possible pour les créateurs.

Le véritable pouvoir émerge de la synergie entre des plateformes sophistiquées et des outils open-source dédiés. LTX Studio offre un environnement accessible, mais les résultats les plus impressionnants proviennent de la combinaison de ses capacités avec des innovations pilotées par la communauté. Le workflow Prompt Relay, ID LoRA et IC LoRA, par exemple, a transformé une sortie brute en séquences vidéo véritablement phénoménales.

Cet esprit collaboratif définit la frontière. De nouveaux challengers comme BACH de Video Rebirth se concentrent intensément sur la résolution de la cohérence des personnages, un obstacle critique. Pendant ce temps, des fonctionnalités à venir comme les "Cameos" de Seedance et le "modèle d'image mystère" annoncé, laissent entrevoir diverses innovations à l'horizon, élargissant la boîte à outils pour chaque créateur.

De manière cruciale, le héros méconnu reste la donnée. L'émergence d'outils gratuits et open-source pour la construction de jeux de données d'entraînement vidéo AI personnalisés permet aux individus d'affiner les modèles avec une spécificité sans précédent. Cela démocratise le processus de création, allant au-delà des limitations des modèles monolithiques pré-entraînés.

Le monde de la vidéo AI vient de se réveiller, non pas avec un grand fracas, mais avec une série de mises à jour précises et percutantes. L'innovation prospère là où les plateformes rencontrent la communauté, où les créateurs individuels peuvent exploiter des outils sophistiqués pour construire des workflows auparavant inimaginables. Cette approche distribuée et adaptative propulse l'avenir, assurant un progrès rapide et des résultats créatifs diversifiés.

Quels sont les nouveaux contrôles vidéo-à-vidéo dans LTX 2.3 ?

LTX 2.3 a introduit les contrôles de pose, de profondeur et d'arête (Canny). Ceux-ci permettent aux utilisateurs de guider la génération vidéo en utilisant le mouvement, le mouvement de caméra ou les contours structurels d'une vidéo source.

La fonctionnalité vidéo-à-vidéo de LTX 2.3 est-elle open source ?

Actuellement, les nouveaux contrôles ne sont disponibles que dans LTX Studio. Cependant, compte tenu de l'historique de LTX en matière de publication de fonctionnalités comme ID LoRA et depth-to-video, il est largement attendu qu'elles seront open-sourcées à l'avenir.

Qu'est-ce que le modèle vidéo AI Bach ?

Bach, de Video Rebirth, est un nouveau modèle vidéo AI qui se concentre spécifiquement sur l'obtention d'une grande cohérence des personnages tout au long d'un clip généré, un défi courant pour d'autres modèles.

Qu'est-ce que le workflow 'Prompt Relay' pour LTX 2.3 ?

Prompt Relay est un workflow avancé et open-source pour des outils comme ComfyUI. Il combine des fonctionnalités comme les ID LoRAs (pour l'identité des personnages) et les IC LoRAs (pour le style) afin d'obtenir des résultats supérieurs au modèle LTX standard, offrant un meilleur contrôle sur la cohérence.