कृत्रिम बुद्धिमत्ता वीडियो जनरेशन तकनीक में एक और महान उपलब्धि! लाइट्रिक्स के अंतर्गत LTX स्टूडियो ने हाल ही में अपने सबसे नए ओपन-सोर्स वीडियो जनरेशन मॉडल LTX-Video13B का अनावरण किया। 13 बिलियन पैरामीटर, इसकी 30 गुना अधिक गति और नवाचीन बहुमापन रेंडरिंग तकनीक के कारण, यह तेजी से उद्योग में ध्यान का केंद्र बन गया है। यह मॉडल उपभोक्ता स्तर के GPU पर दक्षता से काम करता है और वीडियो की संतृप्ति और विवरण प्रदर्शन में निर्माताओं के लिए अब तक के सबसे अधिक नियंत्रण और लचीलापन प्रदान करता है।

तकनीकी उपलब्धि: बहुमापन रेंडरिंग वीडियो जनरेशन को फिर से आकार देता है
LTX-Video13B अद्वितीय बहुमापन रेंडरिंग तकनीक का उपयोग करता है, जो वीडियो के अपरिष्कृत गति और स्थान व्यवस्था को पहले कम भाग्यांकन पर जनरेट करता है, फिर विवरण को धीरे-धीरे विस्तारित करता है। यह तकनीक उच्च गुणवत्ता आउटपुट बनाए रखते हुए, इस मॉडल की जनरेशन गति समान प्रकार के मॉडल की तुलना में 30 गुना तेज है, 5 सेकंड के वीडियो के लिए केवल 2 सेकंड की आवश्यकता होती है और NVIDIA RTX4090 जैसे उपभोक्ता स्तर के GPU पर सुचारू रूप से चलता है। पारंपरिक मॉडल की तुलना में, इसकी मेमोरी की आवश्यकता कम होती है, जो निर्माताओं के लिए अधिक दक्ष निर्माण अनुभव प्रदान करती है।
मॉडल DiT (Diffusion Transformer) संरचना पर आधारित है, जिसमें आगे के कोर अनुकूलन और bfloat16 डेटा फॉर्मेट के साथ जोड़ा गया है, जो आउटपुट को और अधिक बेहतर बनाता है। LTX-Video13B 1216 × 704 रिजोल्यूशन और 30 फ्रेम/सेकंड के वास्तविक समय जनरेशन का समर्थन करता है, जो पाठ से वीडियो, छवि से वीडियो और वीडियो से वीडियो जैसे विभिन्न जनरेशन मोड के लिए उपयुक्त है, जो विविध निर्माण आवश्यकताओं को पूरा करता है।
मजबूत क्षमताएं: सटीक नियंत्रण और असीम रचनात्मकता
LTX-Video13B गति की सततता, स्थान संरचना और कैमरा संबंध की समझ में अच्छा प्रदर्शन करता है, जो तार्किक रूप से गठित और विवरण में भरपूर वीडियो सामग्री जनरेट कर सकता है। मॉडल के की-फ्रेम नियंत्रण, चरित्र और कैमरा गति और बहु-कैमरा संयोजन का समर्थन होता है, जो उपयोगकर्ताओं को विस्तृत निर्माण नियंत्रण प्रदान करता है। उदाहरण के लिए, निर्माता पाठ टिप्पणियों या संदर्भ छवि के माध्यम से वीडियो में चरित्र गति, स्थान परिवर्तन या कैमरा कोण के बारे में सटीक रूप से समायोजित कर सकते हैं, जिससे फिल्म के समान दृश्य प्राप्त होते हैं।
इसके अलावा, LTX-Video13B वीडियो विस्तार और शैली/गति परिवर्तन क्षमता का समर्थन करता है, जिससे उपयोगकर्ता वर्तमान वीडियो को अधिकतम 60 सेकंड तक बढ़ा सकते हैं या वीडियो को शैलीकृत कर सकते हैं, जैसे वास्तविक स्थान को कार्टून शैली में बदल दें। इस लचीलापन के कारण, इसका छोटे फिल्म निर्माण, विज्ञापन रचना और सामाजिक मीडिया सामग्री निर्माण में व्यापक अनुप्रयोग क्षमता है।
ओपन-सोर्स इकोसिस्टम: विकसकरों और निर्माताओं को शक्ति प्रदान करता है
ओपन-सोर्स मॉडल के रूप में, LTX-Video13B GitHub और Hugging Face पर मुफ्त उपलब्ध है, जो विकसकरों और निर्माताओं को आसानी से संशोधन और अनुकूलन की अनुमति देता है। Lightricks ने LTX-Video-Trainer टूल भी प्रदान किया है, जो 2B और 13B मॉडल के पूर्ण अनुकूलन और LoRA (कम श्रेणी अनुकूलन) शिक्षा का समर्थन करता है, जो उपयोगकर्ताओं के लिए अनुकूलित नियंत्रण मॉडल विकसित करने के लिए सुविधाजनक है, जैसे गहराई, आस्तरण या किनारा निर्धारण। मॉडल ComfyUI कार्य प्रवाह के साथ संगत है, जिसमें Looping Sampler नोड जोड़ा गया है जो किसी भी लंबाई के वीडियो जनरेशन के लिए समर्थन प्रदान करता है, जो गति संतृप्ति सुनिश्चित करता है।
उपयोग के बोझ को कम करने के लिए, Lightricks ने अतिरिक्त उपकरणों के एक श्रृंखला जारी किया है, जैसे 8-बिट क्वांटाइजेशन संस्करण (ltxv-13b-fp8) और IC-LoRA Detailer, जो कम स्मृति उपकरणों पर चलाने के प्रदर्शन को अनुकूलित करता है। मॉडल नए उद्यमों और 10 मिलियन डॉलर से कम आय वाले संगठनों के लिए मुफ्त उपलब्ध है, जो Lightricks के AI के लिए लोकतंत्र के प्रति प्रतिबद्धता को दर्शाता है।
वीडियो जनरेशन का नया आयाम
AIbase के अनुसार, LTX-Video13B के जारी करने से ओपन-सोर्स वीडियो जनरेशन तकनीक के नए उच्च स्तर तक पहुंचने का अवसर हासिल हुआ है। इसकी बहुमापन रेंडरिंग तकनीक और उपभोक्ता स्तर के हार्डवेयर पर अनुकूलन, पारंपरिक AI वीडियो जनरेशन के लिए उच्च क्षमता उपकरणों की आवश्यकता को तोड़ देता है, जिससे छोटे-मध्यम टीमों और व्यक्तिगत निर्माताओं के लिए विशेषज्ञ स्तर के निर्माण उपकरण प्रदान करता है। ओपन-सोर्स समुदाय के सहयोग के साथ, LTX-Video13B वीडियो जनरेशन तकनीक के आगे के नवाचार के लिए संभावना प्रदान करता है, जो फिल्म, खेल, विज्ञापन और शिक्षा के क्षेत्रों में व्यापक रूप से उपयोग किया जा सकता है।