LTX (modelo de texto a vídeo)

En noviembre de 2024, Lightricks lanzó públicamente su primer modelo de texto a vídeo , LTX Video. Era un modelo de 2 mil millones de parámetros, disponible como código abierto. ^{[ 2 ] [ 3 ]}

En mayo de 2025, Lightricks lanzó LTXV-13b, una versión con 13 mil millones de parámetros. ^{[ 4 ] [ 5 ]} Dos meses después, el modelo rompió la barrera de los 60 segundos para el video generado. ^{[ 6 ] [ 7 ]}

En octubre de 2025, Lightricks anunció su último modelo, al que renombró LTX-2. El modelo se describió como capaz de generar audio y vídeo sincronizados con resolución 4K nativa y hasta 50 fotogramas por segundo (fps), utilizando diversas condiciones y comandos, incluyendo conversión de texto a vídeo e imagen a vídeo. ^{[ 8 ] [ 9 ]}

Google destacó el hecho de que LTX-2 fue entrenado en su infraestructura, ^{[ 10 ]} y dijo que era "El primer modelo de generación de video de IA de código abierto, impulsado por Google Cloud". ^{[ 11 ]}

Tras su lanzamiento, se situó entre los 3 mejores modelos para la creación de vídeo a partir de imágenes, según Artificial Analysis, por detrás de Kling 3.5 de Kling AI y Veo 3.1 de Google. Su opción de texto a imagen ocupó el séptimo lugar. ^{[ 12 ]}

Además de su lanzamiento de código abierto, Lightricks ofrece acceso a la API de LTX-2, lo que permite a los desarrolladores generar vídeos a partir de indicaciones de texto e imágenes a través de un servicio alojado sin ejecutar el modelo localmente. ^{[ 13 ]}

En enero de 2026, Lightricks lanzó oficialmente la versión completa de código abierto de LTX-2, poniendo a disposición del público el código fuente completo del modelo, los pesos y las herramientas asociadas. ^{[ 14 ] [ 15 ]}

En marzo de 2026, la compañía lanzó LTX-2.3, que venía acompañado de un editor de vídeo de escritorio que permitía ejecutar todo el modelo localmente en hardware de consumo. ^{[ 16 ] [ 17 ]}

LTX-2 se basa en la arquitectura de vídeo LTX con varias mejoras importantes: ^{[ 9 ] [ 18 ] [ 19 ]}

• Generación unificada de audio y vídeo que produce diálogos, ambientes y movimientos sincronizados.
• Renderizado nativo 4K
• Salida de 50 fps para movimiento cinematográfico.
• Tres modos de funcionamiento (Rápido, Pro, Ultra)
• Canalizaciones de difusión más eficientes que permiten una alta fidelidad en las GPU de consumo.

• Generación de texto a vídeo
• Generación de imágenes a vídeo
• Síntesis audiovisual multimodal
• Coherencia espacial y temporal de alta resolución
• Configuración de calidad/rendimiento configurable
• Distribución de pesos y conjuntos de datos de código abierto

Tras su lanzamiento, LTX-2 ocupó el tercer lugar en la creación de imágenes a vídeo en la prueba de rendimiento de Análisis Artificial, por detrás de Kling 3.5 y Veo 3.1, mientras que su opción de texto a vídeo ocupó el séptimo lugar. ^{[ 22 ]} A principios de 2026, era el modelo de código abierto mejor clasificado en la prueba de rendimiento. ^{[ 23 ] [ 24 ] [ 25 ]}

Algunos de los primeros críticos también señalaron limitaciones de calidad. La revisión técnica de Ray3 mencionó inconsistencias ocasionales en la sincronización labial y el seguimiento de movimiento durante escenas largas, aunque afirmó que estas estaban "en línea con los desafíos que enfrentan todos los modelos actuales de difusión de video con IA" y que se esperaba que mejoraran con iteraciones continuas. ^{[ 26 ]}

Al igual que otros generadores de vídeo basados ​​en difusión, LTX-2 puede producir artefactos en escenas complejas con varias personas y puede tener dificultades con la representación precisa del texto dentro del vídeo generado. ^{[ 27 ] [ 28 ]}