Reseña de LTX-2 (LTX Video): El primer modelo "Audio-Visual" de código abierto

Justo cuando pensábamos que la guerra de videos de IA se estaba calmando entre Hunyuan y Wan 2.1, Lightricks lanzó una bomba. LTX-2 (anteriormente conocido como LTX Video) ha sido lanzado oficialmente con pesos abiertos (open weights), y no es solo otro generador de video.

Es el primer modelo fundacional de pesos abiertos del mundo capaz de generación audiovisual conjunta, lo que significa que crea video y audio sincronizado simultáneamente en una sola pasada.

Pero ¿el verdadero titular para los usuarios locales? Eficiencia. A diferencia del Hunyuan Video que devora VRAM, LTX-2 se ejecuta cómodamente en GPU de consumo de 16GB (usando cuantización NVFP8), ofreciendo velocidades de generación casi en tiempo real que hacen que otros modelos parezcan estar renderizando en cámara lenta.

Si buscas un generador de video de IA de código abierto en 2026 que genere sonido y no derrita tu GPU, este es el indicado. En esta guía, profundizaremos en las especificaciones, compararemos LTX-2 vs Hunyuan Video, y te mostraremos cómo usarlo inmediatamente.

La Innovación: Generación Conjunta de Audio y Video

Lightricks ha resuelto un gran punto de dolor: el diseño de sonido. Construido sobre una novedosa arquitectura DiT (Diffusion Transformer), LTX-2 comprende la correlación entre el movimiento y el sonido.

• Cómo funciona: Cuando escribes el prompt "un vaso rompiéndose", el modelo genera instantáneamente los fragmentos volando visualmente y el sonido sincronizado del vidrio rompiéndose.
• Por qué importa: No más búsquedas de efectos de sonido de stock ni intentos de sincronizar audio laboriosamente en postproducción. Todo se genera de forma nativa.

Especificaciones Clave

• Resolución: Soporte nativo 4K (Optimizado para 720p en GPU locales).
• Tasa de fotogramas: Hasta 50 FPS para movimiento fluido (el estándar es 24 FPS).
• Audio: Generación de audio sincronizado nativo (estéreo de 48kHz).
• Licencia: Gratis para uso comercial (para entidades con <$10M de ingresos anuales).

Requisitos de Hardware: ¿Puedes ejecutarlo?

Aquí es donde brilla LTX-2. Mientras que Run LTX Video locally 24GB VRAM es ideal para 4K, el modelo utiliza cuantización NVFP8 para adaptarse a tarjetas de gama media.

Especificaciones Mínimas para 720p (4 Segundos)

• GPU: NVIDIA RTX 3080 / 4070 Ti / 4080 (12GB - 16GB VRAM).
• RAM: 32GB RAM del sistema.
• Almacenamiento: 50GB de espacio en SSD.

Para aquellos que preguntan, "Run LTX Video locally 16GB VRAM"—Sí, absolutamente. Al habilitar el codificador de texto FP8 y los pesos del modelo en ComfyUI, puedes generar clips de 720p / 24fps / 4s sin encontrar errores OOM (Out of Memory).

LTX-2 vs Hunyuan Video: El Enfrentamiento

Probamos ambos modelos extensivamente. Aquí está el veredicto para 2026.

Característica	LTX-2 (Lightricks)	Hunyuan Video	Wan 2.1
Audio	Sincronización Nativa (Ganador)	No	No
Velocidad	Rápido (FP8)	Moderada	Lento (Alta Calidad)
VRAM	Amigable con 16GB	24GB+ Recomendado	48GB+ (Empresarial)
Coherencia	Buena (Clips cortos)	Excelente	Mejor en su clase
Licencia	Comunidad (<$10M)	Código Abierto	Código Abierto

Veredicto: Elige LTX-2 para contenido de redes sociales, visualizadores de música y escenarios donde el sonido es crucial. Elige Hunyuan o Wan 2.1 si necesitas coherencia visual de nivel Hollywood y no te importa el audio.

Tutorial: Cómo usar LTX-2 (Online vs Local)

Tienes dos opciones para ejecutar este modelo.

Opción 1: La manera más fácil (Recomendado)

No necesitas una GPU de $2000 para usar LTX-2. Hemos integrado el modelo completo directamente en nuestra plataforma.

• No requiere instalación.
• Generación rápida en nuestra nube.
• Vista previa audiovisual instantánea.

Prueba LTX-2 Online Ahora (Haz clic para empezar a generar).

Opción 2: Configuración local de ComfyUI (Para desarrolladores)

Si prefieres ejecutarlo localmente, sigue estos pasos:

1. Instalar Nodos Personalizados: Busca ComfyUI-LTXVideo en el Manager.
2. Descargar Pesos: Obtén ltx-video-2b-v0.9.safetensors (versión FP8) de Hugging Face.
3. Cargar Flujo de Trabajo: Construye un flujo de trabajo estándar conectando el LTX Loader al Sampler.
4. Generar: Establece los fotogramas en 97 (aprox. 4 segundos) y disfruta.

Consejo Pro: La configuración local a menudo requiere solucionar problemas de dependencias de Python. Si encuentras errores, recomendamos cambiar a nuestra herramienta online para una experiencia sin complicaciones.

Consejos de Ingeniería de Prompts para LTX-2

Obtener buenos resultados requiere estrategias de prompts específicas. LTX-2 entiende tanto las señales visuales como las auditivas.

1. Prompts Audiovisuales

Describe el sonido dentro de tu prompt visual:

• Prompt: "A cinematic shot of a thunderstorm, lightning strikes a tree, loud thunder crack, rain pouring sound."
• Resultado: El modelo sincronizará el destello de luz con el pico de audio del trueno.

2. Control de Cámara

Usa estos para dirigir la toma:

• LTX Video camera control prompts: "Camera pan right", "Slow zoom in", "Drone shot", "Low angle".
• Ejemplo: "Cinematic drone shot flying over a cyberpunk city, neon lights, fog, 4k, highly detailed, electronic synthesizer music background."

3. La Lista de Prompts Negativos

Para evitar el efecto de "cara derritiéndose" común en modelos rápidos, usa esta lista de prompts negativos de LTX Video:

"Blurry, distorted, morphing, jittery, watermarks, text, bad anatomy, static, frozen, silence, muted."

FAQ: Solución de Problemas y Optimización

P: Mi generación local es solo una pantalla negra. R: Esto suele suceder si estás usando el dtype de VAE incorrecto. Asegúrate de que tu VAE esté configurado en bfloat16 si tu GPU lo admite, o float32 si estás en tarjetas más antiguas.

P: La configuración de 720p de LTX-2 bloquea mi PC. R: Habilita --lowvram en tu archivo bat de ComfyUI. Además, asegúrate de que tu "conteo de fotogramas" siga la fórmula (8 * n) + 1 (por ejemplo, 97, 121) para una alineación óptima del tensor.

P: ¿Puedo usar esto comercialmente? R: ¡Sí! Si tus ingresos anuales son inferiores a $10 millones de dólares, la Licencia Comunitaria de LTX-2 permite el uso comercial completo.

Conclusión

Lightricks LTX-2 es un momento crucial para la IA de código abierto. Es la primera vez que tenemos un modelo que combina velocidad, audio y accesibilidad en un solo paquete.

Si bien puede que no supere a Wan 2.1 en coherencia bruta perfecta píxel a píxel, la capacidad de generar clips audiovisuales sincronizados es revolucionaria. Para la mayoría de los creadores, LTX-2 es la herramienta que finalmente trae sonido a la fiesta de video de IA.