← Entdecken
GitHub · Lightricks/LTX-2

Videoproduktion mit künstlicher Intelligenz im lokalen System

LTX-2 wurde von Lightricks entwickelt und bietet ein Python-Inferenz- und Low-Rank-Adaptions-Trainingspaket (LoRA) für Modelle der künstlichen Intelligenz, die Audio und Video produzieren. Mit diesem Toolset können Benutzer LTX-2-Modelle mit ihren eigenen Daten trainieren und Modellausgaben auf lokalen Systemen ausführen.

Aktualisierungen

  • 19. Oktober 2026: Sterne 9,567 → 9,793, neueste Version v1.5.0 (18. Oktober 2026).
  • 2. Oktober 2026: Sterne 9,562 → 9,567, neueste Version v1.4.2 (2. Oktober 2026).
  • 1. Oktober 2026: Sterne 9,552 → 9,562, neueste Version v1.4.1 (30. September 2026).
  • 29. September 2026: Sterne 9,267 → 9,552, neueste Version v1.4.0 (29. September 2026).

Was es bringt

  • Bietet Audio- und Videosynchronisation
  • Sie können LoRA mit Ihren eigenen Daten trainieren
  • Hochwertige Videoproduktion auf lokalem System

Installation

Klonen Sie das Repository von GitHub und geben Sie das Verzeichnis ein
git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2
Modellgewichte herunterladen (Hugging Face CLI)
hf download Lightricks/LTX-2.3 ltx-2.3-22b-distilled-1.1.safetensors --local-dir models/ltx-2.3

Ausführung

Führen Sie die Inferenzpipeline mit UV aus
uv run python -m ltx_pipelines.distilled --distilled-checkpoint-path models/ltx-2.3/ltx-2.3-22b-distilled-1.1.safetensors

Wenn Sie nicht programmieren

Fügen Sie dies in Ihren Agenten ein (Claude Code · Codex · Antigravity)

Bitte erstellen Sie ein Video mit dem LTX-2-Modell, das die gewünschte Szene detailliert beschreibt und eine Audio- und Videosynchronisierung umfasst. Lassen Sie das Modell eine Ausgabe erstellen, indem Sie Szenendetails, das Aussehen der Figur, den Kamerawinkel und den Sprachtext angeben.

Repository: https://github.com/Lightricks/LTX-2. Richte dich bei der Installation und Ausführung nach den offiziellen Anweisungen in der README-Datei dieses Repositorys.

Prüfe vor dem Start, unter welchem Betriebssystem wir arbeiten und ob die notwendigen Tools (z. B. Python, Node.js, Git, Docker) installiert sind. Installiere fehlende Tools schrittweise entsprechend diesem System.

Erstelle einen neuen, leeren Ordner für die Arbeit. Rühre keine Dateien außerhalb dieses Ordners an und lösche nichts. Sag mir vor jedem Befehl in einem Satz, was du tun wirst.

Sag mir, was ich am Ende jedes Schrittes auf dem Bildschirm sehen sollte. Wenn ein Fehler auftritt, füge ich die Fehlermeldung exakt so ein, wie sie ist, und wir beheben sie gemeinsam.

Verwandte Begriffe aus dem Glossar

LoRAInferenceCLIArtificial Intelligence
Für wen es gedacht istFür Benutzer, die Audio- und Video-KI-Videos erstellen oder Modelle auf ihrem eigenen lokalen System trainieren möchten.

Links

TreScout hat dieses Werkzeug nicht entwickelt · wir haben es in den GitHub-Trends gefunden und stellen es vor. Diese Seite beschreibt das Repository so, wie es am 2026-06-19 war: Die Anzahl der Sterne und unser Text stammen von diesem Tag, das Repository kann sich seitdem geändert haben. Den aktuellen Stand finden Sie über den Link zum Repository. Der Präsentationstext wurde mit KI aus der eigenen Dokumentation des Repositories erstellt und diese Seite wurde maschinell übersetzt aus dem türkischen Original · maßgeblich ist die türkische Fassung.