API de Video LTX-2.3
Referencia de la API
URL base: https://api.ltx.video/v1
Autenticación: Authorization: Bearer <API_KEY>
Respuesta: Binario MP4 (descarga directa, sin sondeo)
Endpoints
| Endpoint | Entrada | Uso |
|---|---|---|
/v1/text-to-video | prompt | Generar video a partir de texto |
/v1/image-to-video | image_uri + prompt | Animar una imagen fija |
/v1/audio-to-video | audio_uri + image_uri + prompt | Sincronización labial a partir de audio e imagen |
/v1/extend | video_uri + prompt | Extender un video al inicio o al final |
/v1/retake | video_uri + rango de tiempo | Regenerar una sección de un video |
Modelos
| Modelo | Velocidad | Calidad |
|---|---|---|
ltx-2-3-fast | ~17s | Buena (úselo para pruebas) |
ltx-2-3-pro | ~30-60s | Mejor (úselo para final) |
Resoluciones Compatibles
1920x1080(paisaje 16:9)1080x1920(retrato 9:16 — vertical nativo, entrenado en datos verticales)1440x1080,4096x2160(solo texto a video)
audio a video solo admite: 1920x1080 o 1080x1920
Ejemplos Rápidos
Texto a Video
curl -X POST "https://api.ltx.video/v1/text-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"prompt": "Un hombre con traje azul marino sentado en una mesa de restaurante de lujo...",
"model": "ltx-2-3-pro",
"duration": 8,
"resolution": "1920x1080"
}' -o output.mp4
Audio a Video (Sincronización Labial)
curl -X POST "https://api.ltx.video/v1/audio-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_uri": "https://ejemplo.com/voz.mp3",
"image_uri": "https://ejemplo.com/retrato.jpg",
"prompt": "Un hombre habla directamente a la cámara...",
"model": "ltx-2-3-pro",
"resolution": "1920x1080"
}' -o output.mp4
Envoltorio Python
import requests
def ltx_audio_to_video(audio_url, image_url, prompt, api_key,
model="ltx-2-3-pro", resolution="1920x1080",
output_path="output.mp4"):
r = requests.post(
"https://api.ltx.video/v1/audio-to-video",
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
json={"audio_uri": audio_url, "image_uri": image_url,
"prompt": prompt, "model": model, "resolution": resolution},
timeout=300, stream=True
)
if r.status_code != 200:
raise RuntimeError(f"Error LTX {r.status_code}: {r.text}")
with open(output_path, "wb") as f:
for chunk in r.iter_content(8192): f.write(chunk)
return output_path
⚠️ Reglas Críticas (aprendidas por experiencia)
Alojamiento de Archivos
- Las URL deben ser HTTPS — HTTP es rechazado
- Los archivos deben devolver el tipo MIME correcto (no
application/octet-stream) - uguu.se funciona: suba con
curl -F "files[][email protected]" https://uguu.se/upload - Audio: suba como MP3 (no WAV) → uguu devuelve
audio/mpeg✅ - Las imágenes 4K fallan → redimensiónelas a 1920x1080 antes de subir
# Subir MP3 a uguu.se
AUDIO_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
# Subir imagen
IMAGE_URL=$(curl -s -F "files[]@=retrato.jpg" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
Límite de Tamaño de Imagen
# Redimensionar imágenes grandes antes de subir
ffmpeg -y -i input_4k.png -vf "scale=1920:1080" output_1080.jpg
Consistencia Facial
- Evite prompts en los que el personaje mire hacia abajo — rompe la consistencia facial
- Mantenga la cabeza nivelada y la mirada hacia adelante durante todo el video
- Coloque objetos ya en el encuadre en lugar de que el personaje los alcance por debajo
Último Fotograma
- LTX no admite primer+último fotograma de forma nativa
- Solución alternativa: genere el clip A, genere el clip B, luego use
/v1/extendpara encadenarlos
Guía de Redacción de Prompts (LTX-2.3)
LTX-2.3 tiene un conector de texto mucho más fuerte. La especificidad gana.
1. Use Verbos, No Sustantivos
❌ "Un retrato dramático de un hombre de pie"
✅ "Un hombre se para en una azotea. Su abrigo ondea al viento. Ajusta su cuello y da un paso adelante mientras la cámara se desplaza hacia la derecha."
2. Bloquee la Escena Como un Director
- Especifique izquierda vs derecha, primer plano vs fondo
- Describa quién se mueve, qué se mueve, cómo se mueven, qué hace la cámara
- Las relaciones espaciales ahora se respetan
3. Describa el Audio Explícitamente (para texto a video)
- Nombre el tipo de sonido: diálogo, ambiente, música
- Especifique tono e intensidad
- Ejemplo:
"Su voz es clara y cálida. Sonido ambiente de restaurante suavemente al fondo."
4. Evite Prompts Estáticos Tipo Foto
- Si el prompt se lee como una imagen fija → la salida se comporta como una
- Agregue viento, movimiento, respiración, gestos, movimiento de cámara
5. Describa Textura y Material
- Cabello, tela, acabado superficial, caída de la iluminación
"Hebras de cabello individuales visibles a contraluz"→ ahora se renderiza correctamente
6. Retrato (9:16) Nativo
resolution: "1080x1920"→ entrenado en datos verticales- Encuadre para vertical intencionalmente, no lo trate como paisaje recortado
7. Tomas Complejas Funcionan Ahora
- Combine múltiples acciones:
"Él toma el plátano, lo levanta hasta su oído y sonríe" - Combine actuación del personaje + entorno + movimiento de cámara
Plantilla de Prompt para Sincronización Labial
Un/una [descripción de la persona] se sienta/para [ubicación]. Él/ella habla directamente
a la cámara, los labios se mueven en perfecta sincronía con su voz. [Detalles de gestos].
La cabeza se mantiene nivelada y la mirada permanece fija en la cámara durante todo el video.
[Descripción del entorno suavemente desenfocado al fondo].
[Iluminación]. [Cámara: se mantiene firme a la altura de los ojos, de frente].
Nodo ComfyUI
Nodos personalizados para ComfyUI (sin llamadas manuales a la API):
cd ComfyUI/custom_nodes
git clone https://github.com/PauldeLavallaz/comfyui-ltx-node
Nodos: LTX Text to Video, LTX Image to Video, LTX Extend Video
Categoría: LTX Video
Clave API
Clave de Paul: almacenada en ~/clawd/.env como LTX_API_KEY
ltxv_RfSU5hdKJb_g5dwbECZWnilE1P8dJzbavz6niP_0LQJ942ARHIVhrBCfebcytEL1efLVx_63S_PJyWTzicrBcWEkOXfCbGTl8JSzlJJk329MwRViEgOoE2KnE9LIA5t6QSFeBy7DLnTIcX0AZNbV9Jv0TuC7qcq2gV33G6ROhUVUDCuN