API Vidéo LTX-2.3
Référence API
URL de base : https://api.ltx.video/v1
Authentification : Authorization: Bearer <API_KEY>
Réponse : Binaire MP4 (téléchargement direct, pas d’interrogation)
Points d’accès
| Point d’accès | Entrée | Utilisation |
|---|---|---|
/v1/text-to-video | prompt | Générer une vidéo à partir d’un texte |
/v1/image-to-video | image_uri + prompt | Animer une image fixe |
/v1/audio-to-video | audio_uri + image_uri + prompt | Vidéo synchronisée labiale à partir d’audio + image |
/v1/extend | video_uri + prompt | Étendre une vidéo au début ou à la fin |
/v1/retake | video_uri + intervalle de temps | Régénérer une section d’une vidéo |
Modèles
| Modèle | Vitesse | Qualité |
|---|---|---|
ltx-2-3-fast | ~17s | Bon (à utiliser pour les tests) |
ltx-2-3-pro | ~30-60s | Meilleur (à utiliser pour la version finale) |
Résolutions prises en charge
1920x1080(paysage 16:9)1080x1920(portrait 9:16 – natif vertical, entraîné sur des données verticales)1440x1080,4096x2160(texte-à-vidéo uniquement)
audio-à-vidéo prend uniquement en charge : 1920x1080 ou 1080x1920
Exemples rapides
Texte vers vidéo
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 homme en costume bleu marine est assis à une table de restaurant de luxe...",
"model": "ltx-2-3-pro",
"duration": 8,
"resolution": "1920x1080"
}' -o output.mp4
Audio vers vidéo (Synchronisation labiale)
curl -X POST "https://api.ltx.video/v1/audio-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_uri": "https://example.com/voice.mp3",
"image_uri": "https://example.com/portrait.jpg",
"prompt": "Un homme parle directement à la caméra...",
"model": "ltx-2-3-pro",
"resolution": "1920x1080"
}' -o output.mp4
Wrapper Python
import requests
def ltx_audio_to_video(audio_url, image_url, prompt, api_key,
model="ltx-2-3-pro", resolution="1920x1080",
output_path="output.mp4"):
r = requests.post(
"https://api.ltx.video/v1/audio-to-video",
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
json={"audio_uri": audio_url, "image_uri": image_url,
"prompt": prompt, "model": model, "resolution": resolution},
timeout=300, stream=True
)
if r.status_code != 200:
raise RuntimeError(f"Erreur LTX {r.status_code}: {r.text}")
with open(output_path, "wb") as f:
for chunk in r.iter_content(8192): f.write(chunk)
return output_path
⚠️ Règles critiques (apprises par expérience)
Hébergement des fichiers
- Les URL doivent être HTTPS – HTTP est rejeté
- Les fichiers doivent renvoyer le type MIME correct (pas
application/octet-stream) - uguu.se fonctionne : téléversez avec
curl -F "files[][email protected]" https://uguu.se/upload - Audio : téléversez en MP3 (pas WAV) → uguu renvoie
audio/mpeg✅ - Les images 4K échouent → redimensionnez à 1920x1080 avant de téléverser
# Téléverser un MP3 vers uguu.se
AUDIO_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
# Téléverser une image
IMAGE_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
Limite de taille d’image
# Redimensionner les grandes images avant le téléversement
ffmpeg -y -i input_4k.png -vf "scale=1920:1080" output_1080.jpg
Cohérence faciale
- Évitez les prompts où le personnage regarde vers le bas – cela casse la cohérence faciale
- Gardez la tête droite et le regard dirigé vers l’avant tout au long de la vidéo
- Placez les objets déjà dans le cadre plutôt que de faire descendre le personnage sous le cadre
Dernière image
- LTX ne supporte pas nativement la première+dernière image
- Solution de contournement : générez le clip A, générez le clip B, puis utilisez
/v1/extendpour les enchaîner
Guide de prompt (LTX-2.3)
LTX-2.3 possède un connecteur texte beaucoup plus fort. La spécificité l’emporte.
1. Utilisez des verbes, pas des noms
❌ "Un portrait dramatique d’un homme debout"
✅ "Un homme se tient sur un toit. Son manteau claque au vent. Il ajuste son col et avance alors que la caméra fait un travelling vers la droite."
2. Mettez en scène comme un réalisateur
- Spécifiez gauche contre droite, avant-plan contre arrière-plan
- Décrivez qui bouge, ce qui bouge, comment ils bougent, ce que fait la caméra
- Les relations spatiales sont désormais respectées
3. Décrivez l’audio explicitement (pour texte-à-vidéo)
- Nommez le type de son : dialogue, ambiant, musique
- Spécifiez le ton et l’intensité
- Exemple :
"Sa voix est claire et chaleureuse. Bruit ambiant de restaurant doucement en arrière-plan."
4. Évitez les prompts statiques ressemblant à des photos
- Si le prompt se lit comme une image fixe → la sortie se comporte comme telle
- Ajoutez du vent, du mouvement, de la respiration, des gestes, des mouvements de caméra
5. Décrivez la texture et le matériau
- Cheveux, tissu, finition de surface, dégradé de lumière
"Mèches de cheveux individuelles visibles dans le contre-jour"→ s’affiche correctement maintenant
6. Portrait (9:16) natif
resolution: "1080x1920"→ entraîné sur des données verticales- Cadrez intentionnellement pour le format vertical, ne le traitez pas comme un paysage recadré
7. Les plans complexes fonctionnent maintenant
- Superposez plusieurs actions :
"Il ramasse la banane, la porte à son oreille et sourit" - Combinez performance du personnage + environnement + mouvement de caméra
Modèle de prompt pour la synchronisation labiale
Une [description de la personne] est assise/se tient [lieu]. Il/elle parle directement
à la caméra, les lèvres bougeant en parfaite synchronisation avec sa voix. [Détails des gestes].
La tête reste droite et le regard reste fixé sur la caméra tout au long.
[Description de l’environnement légèrement flou en arrière-plan].
[Éclairage]. [Caméra : stable au niveau des yeux, de face].
Nœud ComfyUI
Nœuds personnalisés pour ComfyUI (sans appels API manuels) :
cd ComfyUI/custom_nodes
git clone https://github.com/PauldeLavallaz/comfyui-ltx-node
Nœuds : LTX Text to Video, LTX Image to Video, LTX Extend Video
Catégorie : LTX Video
Clé API
Clé de Paul : stockée dans ~/clawd/.env comme LTX_API_KEY
ltxv_RfSU5hdKJb_g5dwbECZWnilE1P8dJzbavz6niP_0LQJ942ARHIVhrBCfebcytEL1efLVx_63S_PJyWTzicrBcWEkOXfCbGTl8JSzlJJk329MwRViEgOoE2KnE9LIA5t6QSFeBy7DLnTIcX0AZNbV9Jv0TuC7qcq2gV33G6ROhUVUDCuN