LTX 2.5擅长什么
每次都有紧密的口型同步
LTX-2.5 让嘴部动作与每个音素同步。
自然的面部动画
不只是嘴部动作。
口播头像快速交付
写好旁白脚本,让配音演员录制,上传一张照片,Craze 就会生成说话视频。
一次生成 1080p
无需超分辨率,也无需单独的音频同步。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
LTX 2.5与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| LTX 2.5Lightricks | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| 生成 | 文字 + 音频 + 图片生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 |
| 质量 | 最高 1080p | 最高 4K | 最高 4K | 最高 720p |
| 时长 | — | 每个片段最长 30 秒 | 每个片段最长 15 秒 | 每个片段最长 15 秒 |
| 声音 | — | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 |
| 起价 | 每秒音频 $0.189 | 每秒视频 $0.120 | 每秒视频 $0.079 | 每秒视频 $0.063 |
Craze 上的 LTX 2.5规格
| 任务 | 输入 | 分辨率 | 画面比例 | 声音 |
|---|---|---|---|---|
| 照片说话 | 音频、首帧 | 1080p | 16:9、9:16 | 无 |
常见问题
创作者选择 LTX-2.5 的理由
LTX-2.5 完美地解决了一个问题:把一张静态照片变成口播头像视频。当你有一份脚本和一张人像时,LTX-2.5 会用紧密的口型同步和自然的面部动作让它动起来。没有虚拟形象,没有恐怖谷,只有与音频相符的动作。它是专门为这项任务打造的,而不是通用视频模型的附带功能。
每次都有紧密的口型同步
LTX-2.5 让嘴部动作与每个音素同步。口型同步不是近似,而是训练出来的。观察这个模型的工作,你会看到嘴型与对白相匹配,而不是语音去迁就嘴型。动画理解说话的机制,所以发 /p/ 音时张嘴的方式与发 /m/ 音时不同。
自然的面部动画
不只是嘴部动作。眼睛、脸颊和表情都会随音频变化。强调时眉毛上扬,下巴自然开合,头部倾斜以配合语音的语调。整张脸都参与到动画中,而不只是嘴巴。
口播头像快速交付
写好旁白脚本,让配音演员录制,上传一张照片,Craze 就会生成说话视频。不需要绿幕,不需要摄制组,也不需要同步工作。这个工作流程比传统视频拍摄快得多,而且适用于任何人的图片。
一次生成 1080p
无需超分辨率,也无需单独的音频同步。LTX-2.5 从底层开始就理解 1080p 口播头像。Lightricks 专门为照片说话这一用途打造了这个模型,这一点从画质上就能看出来。
如何在 Craze 中使用 LTX-2.5
- 上传一张人像照片:头像照、特写,或头肩裁切图。
- 上传音频:你想让这个人说出的旁白、对白录音或语音。
- 说明你想用 LTX-2.5。当你点名要求时,Craze 就会运行这个模型。
- Craze 生成说话视频,让脸部动画与音频同步。
- 在编辑器中检查。嘴部和面部动作应该与语音相匹配。如果不匹配,就重新生成。
LTX-2.5 的功能
LTX-2.5 专门做音频生视频动画。你提供一张人像照片和一个音频文件,模型就会让脸部动起来,与语音相匹配。该模型理解语音学、面部机制和自然的动画。它生成紧密同步的嘴唇动作,以及与音频情感基调相符的逼真面部表情。
LTX-2.5 适用于静态图片:头像照、人像、脸部特写或角色插画。图片应为正面,并清楚地显示脸部。音频可以是旁白、对白、解说或任何语音录音。模型会让图片动起来,与这段音频同步。
Lightricks 于 2026 年 8 月以开放权重模型的形式发布了 LTX-2.5。在 Craze 上,你只需上传图片和音频,指明 LTX-2.5,Craze 就会处理生成。
LTX-2.5 价格
按音频秒数付费,价格为每秒音频 $0.189。音频越长,视频越长,费用也越高。本页的费用计算器会显示你的片段的准确价格。
音频生视频动画的费用随音频时长增长,所以一段 10 秒的旁白比更短的旁白费用更高。定价简单明了,不会因图片质量或其他参数而变化。
LTX-2.5 适合谁
旁白和解说视频
录好脚本,上传一张头像照,LTX-2.5 就会让它动起来。不需要出镜人员。适用于产品解说、品牌宣传或任何以旁白为主的内容。
访谈和证言
把访谈音频转换成视频。使用这个人的一张静态图片,LTX-2.5 就能让它看起来像是在镜头前说话。对于案例研究、客户证言或访谈内容,你只需要音频和一张照片。
教育和教程内容
由领域专家录制解说。LTX-2.5 让他们的图片动起来与之匹配,你无需视频设备就能得到一个看起来很专业的教程。对于在线课程、培训视频和教育内容,这种方式很划算。
用于演示的便捷虚拟形象
制作一场由动画虚拟形象发表演讲的演示。使用一张真实照片或生成的角色图片,LTX-2.5 会让它随你的音频动起来。对于线上演示、网络研讨会和会议演讲,这能打造一个一致的视觉焦点。
远程人才和分布式团队
当你无法让出镜人员到场时,请他们录制音频并使用他们的照片。剩下的交给 LTX-2.5。这对分布式团队和远程协作很有价值。
LTX-2.5 与其他模型对比
LTX-2.5 专门用于音频生视频的照片说话。它是专门为这项任务打造的,能很好地处理口型同步和面部动画。如需包含场景、环境和运动角色的完整视频生成,请看用于 4K 多镜头作品的 LTX-2.3、具备多模态灵活性的 Gemini Omni Flash,或提供最高分辨率和视频延长的 Veo 3.1。



















