లైట్ట్రిక్స్ దాని తాజా కృత్రిమ మేధ మోడల్తో వేగవంతమైన వీడియో సృష్టి మరియు పునరావృతం కోసం ముందుంది. కంపెనీ కొత్తగా విడుదల చేసిన LTX-2 ఫౌండేషన్ మోడల్ ప్లేబ్యాక్ స్పీడ్ కంటే వేగంగా కొత్త కంటెంట్ను రూపొందించగలదని పేర్కొంది, అంతేకాకుండా ఇది రిజల్యూషన్ మరియు నాణ్యతలో బార్ను పెంచుతుంది.
ఓపెన్-సోర్స్ LTX-2 నాణ్యతలో ఎటువంటి రాజీ లేకుండా కేవలం ఐదు సెకన్లలో స్టైలైజ్డ్, హై-డెఫినిషన్, ఆరు-సెకన్ల వీడియోను రూపొందించగలదు, దీని వలన క్రియేటర్లు ప్రొఫెషనల్ కంటెంట్ను మునుపటి కంటే చాలా వేగంగా పంప్ చేయగలరు.
ఇది అద్భుతమైన విజయం, కానీ ఇది LTX-2ని ఇతరుల నుండి వేరు చేసే ఏకైక పరామితి కాదు. ఇది స్థానిక ఆడియో మరియు వీడియో సంశ్లేషణను ఓపెన్-సోర్స్ పారదర్శకతతో మిళితం చేస్తుంది మరియు వినియోగదారులు కొన్ని సెకన్ల పాటు వేచి ఉండటానికి ఇష్టపడితే, వారు సెకనుకు 48 ఫ్రేమ్ల వరకు తమ అవుట్పుట్లను 4K రిజల్యూషన్కు పెంచుకోవచ్చని కంపెనీ తెలిపింది. ఇంకా మంచిది, సృష్టికర్తలు సాఫ్ట్వేర్ను వినియోగదారు-గ్రేడ్ GPUలలో అమలు చేయగలరు, వారి గణన ఖర్చులను నాటకీయంగా తగ్గించవచ్చు.
వ్యాప్తి నమూనాలు వయస్సు వస్తాయి
LTX-2 అనేది డిఫ్యూజన్ మోడల్గా పిలువబడుతుంది, ఇది ఉత్పత్తి చేయబడిన కంటెంట్కి “నాయిస్”ని పెంచడం ద్వారా పని చేస్తుంది మరియు మోడల్ శిక్షణ పొందిన వీడియో ఆస్తులను పోలి ఉండే వరకు ఆ శబ్దాన్ని తగ్గిస్తుంది.
LTX-2తో, లైట్ట్రిక్స్ వ్యాప్తి ప్రక్రియను వేగవంతం చేసింది, కాబట్టి క్రియేటర్లు దాదాపు తక్షణమే ప్రత్యక్ష ప్రివ్యూలను అవుట్పుట్ చేయడం ద్వారా వారి ఆలోచనలను పునరావృతం చేయవచ్చు. మోడల్ అదే సమయంలో దానితో కూడిన ఆడియోను కూడా రూపొందించగలదు – అది సౌండ్ట్రాక్, డైలాగ్ లేదా యాంబియంట్ సౌండ్ ఎఫెక్ట్స్ కావచ్చు – సృజనాత్మక వర్క్ఫ్లోలను నాటకీయంగా వేగవంతం చేస్తుంది.
ఇది చాలా పెద్ద విషయం, మునుపటిలాగా, క్రియేటర్లు ఏదైనా ఆడియోను వీడియో నుండి విడిగా రూపొందించాలి, ఆపై దాన్ని కలిసి కుట్టడం మరియు ఖచ్చితమైన సమకాలీకరణ ఉందని నిర్ధారించుకోవడం కోసం సమయాన్ని వెచ్చించాల్సి ఉంటుంది. Google యొక్క Veo మోడల్లు సమకాలీకరించబడిన సౌండ్ జనరేషన్ యొక్క శక్తివంతమైన ఏకీకరణ కోసం జరుపబడ్డాయి, కాబట్టి LTXలోని ఈ కొత్త సామర్థ్యాలు లైట్ట్రిక్స్ యొక్క టెక్ బ్లీడింగ్ ఎడ్జ్తో సమానంగా ఉందనే ఆలోచనను బలోపేతం చేయడానికి ఉపయోగపడుతుంది.
యాక్సెస్ ఎంపికల విషయానికి వస్తే, లైట్ట్రిక్స్ ఇప్పటికీ సృష్టికర్తలకు LTX-2తో చాలా సౌలభ్యాన్ని అందిస్తుంది. కంపెనీ యొక్క ఫ్లాగ్షిప్ LTX స్టూడియో ప్లాట్ఫారమ్ నిపుణులను లక్ష్యంగా చేసుకుంది, వారు కొన్ని సందర్భాల్లో అత్యధిక నాణ్యతతో వీడియోలను రూపొందించడానికి కొంత వేగాన్ని త్యాగం చేయడానికి సిద్ధంగా ఉన్నారు. ప్రాసెసింగ్ యొక్క కొంచెం నెమ్మదిగా రేట్లు ఉండటంతో, వారు 48fps వరకు స్థానిక 4K రిజల్యూషన్లో వీడియోలను అవుట్పుట్ చేయగలరు, సినిమాటిక్ ప్రొడక్షన్ల నుండి ఆశించిన అదే ప్రమాణాన్ని సృష్టిస్తారు, లైట్ట్రిక్స్ క్లెయిమ్లు.
ప్లాట్ఫారమ్ విస్తృత శ్రేణి సృజనాత్మక నియంత్రణలను అందిస్తుంది, మోడల్ అనుకూలీకరించదగిన పారామితులను ప్రభావితం చేస్తుంది. వీటిపై మరిన్ని వివరాలు త్వరలో ప్రకటించబడతాయి, అయితే భంగిమ మరియు డెప్త్ నియంత్రణలు, వీడియో నుండి వీడియో జనరేషన్ మరియు రెండరింగ్ ప్రత్యామ్నాయాలను కలిగి ఉండాలి – ఈ శరదృతువు తర్వాత విడుదల తేదీ కోసం ఒక కన్ను వేసి ఉంచండి.
లైట్ట్రిక్స్ సహ వ్యవస్థాపకుడు మరియు చీఫ్ ఎగ్జిక్యూటివ్ జీవ్ ఫార్బ్మాన్, LTX-2 యొక్క మెరుగైన సామర్థ్యాలు డిఫ్యూజన్ మోడల్లు చివరకు ఏ స్థాయిలో వస్తున్నాయో వివరిస్తాయని అభిప్రాయపడ్డారు. అతను LTX-2 అని ఒక ప్రకటనలో చెప్పాడు: “మేము ఇప్పటివరకు నిర్మించిన అత్యంత పూర్తి మరియు సమగ్రమైన సృజనాత్మక AI ఇంజిన్, సమకాలీకరించబడిన ఆడియో మరియు వీడియో, 4K విశ్వసనీయత, సౌకర్యవంతమైన వర్క్ఫ్లోలు మరియు రాడికల్ సామర్థ్యాన్ని కలపడం.”
“ఇది ఆవిరి సామాను లేదా పరిశోధన డెమో కాదు,” అని అతను చెప్పాడు. “ఇది వీడియో జనరేషన్లో నిజమైన పురోగతి.”
ఒక ప్రధాన మైలురాయి
LTX-2తో, లైట్ట్రిక్స్ AI వీడియో జనరేషన్లో అత్యాధునిక దశలో ఉందని నిరూపిస్తోంది, ప్లాట్ఫారమ్ మునుపటి LTXV మోడళ్లలో అనేక పరిశ్రమల ప్రథమాల వెనుక వస్తోంది.
జూలైలో, LTXV-2B మరియు LTXV-13Bలతో సహా LTXV మోడల్ల కంపెనీ కుటుంబం మొదటిది దీర్ఘ-రూపం వీడియో ఉత్పత్తికి మద్దతు ఇస్తుందిఇది అవుట్పుట్ను 60 సెకన్ల వరకు పొడిగించే అప్డేట్ను అనుసరించింది. దీనితో, AI వీడియో ఉత్పత్తి “నిజంగా నిర్దేశించబడింది”, వినియోగదారులు ప్రారంభ ప్రాంప్ట్తో ప్రారంభించగలరు మరియు వీడియో ప్రత్యక్ష ప్రసారం అవుతున్నందున నిజ సమయంలో తదుపరి ప్రాంప్ట్లను జోడించగలరు.
LTXV-13B ఇప్పటికే అత్యంత శక్తివంతమైన వీడియో క్రియేషన్ మోడల్లలో ఒకటిగా పేరు పొందింది, ఆ ఒక్క నిమిషం అప్డేట్కు ముందే. మేలో లాంచ్ చేయబడి, మల్టీ-స్కేల్ రెండరింగ్కు మద్దతు ఇచ్చే పరిశ్రమలో ఇది మొదటి ప్లాట్ఫారమ్, ఇది సాంప్రదాయ ఉత్పత్తి ప్రక్రియలలో ప్రొఫెషనల్ యానిమేటర్లు తమ పనిపై అదనపు వివరాలను “లేయర్” చేసే విధంగా, మోడల్ను మరింత రంగు మరియు వివరాలను, దశల వారీగా జోడించమని ప్రాంప్ట్ చేయడం ద్వారా వారి వీడియోలను క్రమంగా మెరుగుపరచడానికి అనుమతిస్తుంది.
13బి మోడల్పై శిక్షణ ఇచ్చారు లైసెన్స్ పొందిన డేటా గెట్టి మరియు షట్టర్స్టాక్ నుండి. ఈ కంటెంట్ బెహెమోత్లతో కంపెనీ భాగస్వామ్యాలు ముఖ్యమైనవి, శిక్షణ డేటా నాణ్యతకు మాత్రమే కాకుండా, నైతిక కారణాల వల్ల కూడా; కాపీరైట్ పరంగా మోడల్స్ అవుట్పుట్లు చాలా తక్కువ సమస్యాత్మకమైనవి, ఈ సమస్య అనేక ఇతర AI మోడల్ల సృష్టిని వేధిస్తుంది.
లైట్ట్రిక్స్ LTXV-13B యొక్క డిస్టిల్డ్ వెర్షన్ను కూడా విడుదల చేసింది, ఇది విస్తరణ ప్రక్రియను సులభతరం చేస్తుంది మరియు వేగవంతం చేస్తుంది, అంటే కంటెంట్ను నాలుగు నుండి ఎనిమిది దశల్లోనే రూపొందించవచ్చు. స్వేదన సంస్కరణ LoRAలకు కూడా మద్దతు ఇస్తుంది, అంటే ప్రాజెక్ట్ యొక్క సౌందర్య శైలికి మరింత అనుకూలంగా ఉండే కంటెంట్ని సృష్టించడానికి వినియోగదారులు దీన్ని చక్కగా ట్యూన్ చేయవచ్చు.
వినూత్న బిల్లింగ్ నమూనాలు
మునుపటి మోడల్ల మాదిరిగానే, LTX-2 ఓపెన్ సోర్స్ లైసెన్స్ క్రింద విడుదల చేయబడుతుంది, ఇది అలీబాబా యొక్క Wan2 సిరీస్ మోడల్లకు ఆచరణీయ ప్రత్యామ్నాయంగా మారుతుంది. “ఓపెన్ యాక్సెస్”కి విరుద్ధంగా ఇది నిజంగా ఓపెన్ సోర్స్ అని లైట్ట్రిక్స్ నొక్కిచెప్పింది, అంటే దాని ముందస్తు శిక్షణ పొందిన బరువులు, డేటాసెట్లు మరియు అన్ని సాధనాలు మోడల్తో పాటు GitHubలో అందుబాటులో ఉంటాయి.
LTX-2 LTX స్టూడియోలో వినియోగదారులకు అందుబాటులో ఉంది మరియు దాని API ద్వారా ప్రస్తుతానికి, ఓపెన్ సోర్స్ వెర్షన్ నవంబర్లో విడుదల కానుంది.
API ద్వారా చెల్లింపు సంస్కరణను ఉపయోగించడానికి ఇష్టపడే వారికి, లైట్ట్రిక్స్ సౌకర్యవంతమైన ధరలను అందిస్తుంది, కేవలం ఐదు సెకన్లలో HD వీడియోలను రూపొందించే సంస్కరణ కోసం సెకనుకు కేవలం $0.04 ఖర్చులు ప్రారంభమవుతాయి. ప్రో వెర్షన్ పనితీరుతో వేగాన్ని బ్యాలెన్స్ చేస్తుంది మరియు ఇక్కడ ధరలు సెకనుకు $0.07 నుండి ప్రారంభమవుతాయి. అల్ట్రా వెర్షన్ 48 fps వద్ద 4K రిజల్యూషన్లో వీడియో ఉత్పత్తికి సెకనుకు $0.12 ఖర్చవుతుంది, అలాగే పూర్తి-విశ్వసనీయ ఆడియో. రిజల్యూషన్ ప్రకారం ధరలు కూడా మారుతూ ఉంటాయి, వినియోగదారులు 720p, 1080p, 2K మరియు 4K మధ్య ఎంచుకోవచ్చు.
మోడల్ ప్రాసెసింగ్ యొక్క సామర్థ్యానికి ధన్యవాదాలు, దాని ధర LTX-2ని పోటీ మోడల్ల కంటే 50% వరకు చౌకగా చేస్తుంది, పొడిగించిన ప్రాజెక్ట్లను మరింత ఆర్థికంగా లాభదాయకంగా చేస్తుంది, అయినప్పటికీ మునుపటి తరాల కంటే వేగంగా పునరావృతం మరియు అధిక నాణ్యతతో ఉంటుంది. ప్రత్యామ్నాయంగా, వినియోగదారులు ఓపెన్-సోర్స్ వెర్షన్ను డౌన్లోడ్ చేయడం ద్వారా మోడల్ను ఉపయోగించగలరు మరియు వచ్చే నెలలో GitHubలో ల్యాండ్ అయిన తర్వాత వినియోగదారు-గ్రేడ్ GPUలలో దీన్ని అమలు చేయగలరు.
చిత్ర మూలం: అన్స్ప్లాష్
