LTX-2.5: modelo de mundo aberto gera vídeo em 6,8 segundos na sua mesa

Produção de vídeo inteira agora cabe em uma mesa

A LTX acaba de lançar o LTX-2.5, um modelo de mundo com pesos abertos para geração de vídeo que roda localmente em GPUs NVIDIA RTX. O número que mais impressiona: 6,8 segundos para gerar um clipe de 10 segundos rodando on-premise — 7,6 vezes mais rápido que a alternativa fechada mais veloz.

O lançamento faz parte da série “local AI” de agosto da NVIDIA, que também trouxe o Nemotron 3.5 Lightning (modelo de agentes com 30B parâmetros e mistura de especialistas) e a biblioteca NeMo Switchyard para roteamento inteligente entre modelos. O recado é claro: modelos abertos acelerados localmente estão se tornando a infraestrutura padrão de produção.

O que muda para criadores

O LTX-2.5 entrega algo que antes só existia em estúdios: consistência real entre takes. A geração nativa multishot renderiza uma sequência inteira como peça coerente, mantendo aparência de personagem quadro a quadro. Isso resolve o problema de cintilação que tornava modelos abertos anteriores inutilizáveis para campanhas publicitárias.

O modelo usa um backbone de linguagem Gemma 4 mais refinado e um novo decodificador de difusão que reduz artefatos visuais em cenas de alto movimento. Tudo roda dentro do ComfyUI em uma única GPU de consumo. Um criador solo pode fixar um personagem ou estilo com fine-tuning LoRA rápido. Sem estúdio, sem nuvem, sem IP saindo da máquina.

Para criadores de conteúdo curto e equipes de anúncios, isso é transformador. A fadiga de anúncio chega em 7 a 10 dias — o gargalo nunca foram as ideias, mas o custo e o tempo de produzir variações suficientes. Com geração local, é possível criar dezenas de versões durante a noite e acordar com uma pasta cheia de opções.

Arquitetura reconstruída

A LTX reconstruiu praticamente todos os estágios do pipeline de geração, em vez de adicionar recursos sobre um núcleo antigo:

• Novo decodificador de vídeo por difusão: reduz artefatos em cenas de alto movimento mantendo alta compressão.
• Geração nativa multishot: renderiza uma sequência completa mantendo consistência de personagem, cena e voz entre os cortes.
• Renderização de Fidelidade por Difusão: constrói movimento e estrutura em espaço latente com compressão temporal de 8x, gerando keyframes de alta fidelidade.
• Checkpoint para IA física: versão pré-treinada para robótica, servindo como base para fine-tuning em dados de domínio específico.
• Modelo destilado mais forte: mesma qualidade com custo menor e inferência mais rápida para implantação em volume de produção.

Por que isso importa agora

Com mais de 33 milhões de downloads da família LTX, este é o modelo de mundo aberto mais utilizado. O LTX-2.5 consolida a transição da produção de vídeo da nuvem para GPUs locais. O que antes exigia equipe, dia de filmagem, render farm e conta de nuvem agora acontece na mesma placa RTX que já está na máquina do criador — sem taxas por geração ou créditos medidos.

Num benchmark comparativo publicado, as alternativas fechadas — Omni Flash, Grok 1.5 e Veo 3.1 — levam de 52 a 70 segundos para o mesmo clipe de 10 segundos. Sistemas mais lentos como Kling 3.0 Pro chegam a 398 segundos. A diferença de 58x entre o mais rápido aberto e o mais lento fechado torna a iteração em lote e o teste A/B rápidos uma realidade prática, não teórica.