LTX-2 — первая фундаментальная аудио-видео модель на основе DiT, объединяющая синхронизированное аудио и видео, высокую точность, несколько режимов производительности, готовые к производству результаты, API и открытый доступ.
Модель включает набор готовых компонентов: чекпоинты, пространственный и временной апскейлеры, дистиллированные LoRA, текстовый энкодер Gemma и множество LoRA. Доступны различные пайплайны: от быстрой односторонней генерации до аудио-видео, ретуширования и липсинка.