LTX-2.3 Video API
APIリファレンス
ベースURL: https://api.ltx.video/v1
認証: Authorization: Bearer <API_KEY>
レスポンス: MP4バイナリ(直接ダウンロード、ポーリング不要)
エンドポイント
| エンドポイント | 入力 | 用途 |
|---|---|---|
/v1/text-to-video | プロンプト | テキストから動画を生成 |
/v1/image-to-video | image_uri + プロンプト | 静止画像をアニメーション化 |
/v1/audio-to-video | audio_uri + image_uri + プロンプト | 音声+画像からリップシンク動画 |
/v1/extend | video_uri + プロンプト | 動画の先頭または末尾を延長 |
/v1/retake | video_uri + 時間範囲 | 動画の特定区間を再生成 |
モデル
| モデル | 速度 | 品質 |
|---|---|---|
ltx-2-3-fast | 約17秒 | 良好(テスト用) |
ltx-2-3-pro | 約30-60秒 | 最高(本番用) |
対応解像度
1920x1080(横長 16:9)1080x1920(縦長 9:16 — ネイティブ縦長、縦向きデータで学習)1440x1080、4096x2160(テキスト→動画のみ)
音声→動画のみ対応: 1920x1080 または 1080x1920
クイック例
テキストから動画
curl -X POST "https://api.ltx.video/v1/text-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"prompt": "紺色のスーツを着た男性が高級レストランのテーブルに座っている...",
"model": "ltx-2-3-pro",
"duration": 8,
"resolution": "1920x1080"
}' -o output.mp4
音声から動画(リップシンク)
curl -X POST "https://api.ltx.video/v1/audio-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_uri": "https://example.com/voice.mp3",
"image_uri": "https://example.com/portrait.jpg",
"prompt": "男性がカメラに向かって直接話す...",
"model": "ltx-2-3-pro",
"resolution": "1920x1080"
}' -o output.mp4
Pythonラッパー
import requests
def ltx_audio_to_video(audio_url, image_url, prompt, api_key,
model="ltx-2-3-pro", resolution="1920x1080",
output_path="output.mp4"):
r = requests.post(
"https://api.ltx.video/v1/audio-to-video",
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
json={"audio_uri": audio_url, "image_uri": image_url,
"prompt": prompt, "model": model, "resolution": resolution},
timeout=300, stream=True
)
if r.status_code != 200:
raise RuntimeError(f"LTXエラー {r.status_code}: {r.text}")
with open(output_path, "wb") as f:
for chunk in r.iter_content(8192): f.write(chunk)
return output_path
⚠️ 重要なルール(経験から得た知見)
ファイルホスティング
- URLはHTTPSである必要があります — HTTPは拒否されます
- ファイルは正しいMIMEタイプを返す必要があります(
application/octet-stream不可) - uguu.seが動作確認済み:
curl -F "files[][email protected]" https://uguu.se/uploadでアップロードできます - 音声:MP3としてアップロード(WAV不可)→ uguuは
audio/mpegを返します ✅ - 4K画像は失敗します → アップロード前に1920x1080にリサイズしてください
# MP3をuguu.seにアップロード
AUDIO_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
# 画像をアップロード
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'])")
画像サイズ制限
# 大きな画像はアップロード前にリサイズ
ffmpeg -y -i input_4k.png -vf "scale=1920:1080" output_1080.jpg
顔の一貫性
- キャラクターが下を向くプロンプトは避けてください — 顔の一貫性が崩れます
- 頭の位置は水平に保ち、視線は常に正面を向いているようにしてください
- キャラクターがフレームの下に手を伸ばすのではなく、すでにフレーム内にあるオブジェクトを配置してください
最終フレーム
- LTXは最初と最後のフレームをネイティブでサポートしていません
- 回避策:クリップAを生成し、クリップBを生成し、
/v1/extendで連結します
プロンプトガイド(LTX-2.3)
LTX-2.3は非常に強力なテキスト接続を持っています。具体性が勝負です。
1. 名詞ではなく動詞を使う
❌ "立っている男性の劇的なポートレート"
✅ "男性が屋上に立っている。彼のコートが風に揺れる。襟を整え、カメラが右にパンする中、前に歩み出る。"
2. 監督のようにシーンをブロックする
- 左 vs 右、前景 vs 背景を指定する
- 誰が動くか、何が動くか、どのように動くか、カメラが何をするかを説明する
- 空間的な関係が尊重されるようになりました
3. 音声を明示的に説明する(テキスト→動画の場合)
- 音の種類を指定:会話、環境音、音楽
- トーンと強度を指定する
- 例:
"彼の声は明瞭で温かい。バックグラウンドにレストランの環境音が柔らかく流れる。"
4. 静止画的なプロンプトを避ける
- プロンプトが静止画像のように読める場合 → 出力も静止画のようになります
- 風、動き、呼吸、ジェスチャー、カメラの動きを追加する
5. テクスチャと素材を説明する
- 髪、布地、表面の仕上げ、照明の減衰
"逆光で一本一本の毛が光る"→ 正しくレンダリングされるようになりました
6. ポートレート(9:16)はネイティブ
resolution: "1080x1920"→ 縦向きデータで学習- 意図的に縦長でフレーミングし、トリミングされた横長として扱わないでください
7. 複雑なショットが可能に
- 複数のアクションをレイヤー化:
"彼はバナナを手に取り、耳に当てて、ニヤリと笑う" - キャラクターの演技 + 環境 + カメラの動きを組み合わせる
リップシンクプロンプトテンプレート
[人物の説明]が[場所]に座っている/立っている。彼/彼女はカメラに向かって直接話し、
唇が声と完全に同期して動く。[ジェスチャーの詳細]。
頭は水平に保たれ、視線は終始カメラに固定されている。
[背景に柔らかくぼかした環境の説明]。
[照明]。
[カメラ:目の高さで固定、正面]。
ComfyUIノード
ComfyUI用のカスタムノード(手動API呼び出し不要):
cd ComfyUI/custom_nodes
git clone https://github.com/PauldeLavallaz/comfyui-ltx-node
ノード:LTX Text to Video、LTX Image to Video、LTX Extend Video
カテゴリ:LTX Video
APIキー
Paulのキー:~/clawd/.env 内に LTX_API_KEY として保存されています
ltxv_RfSU5hdKJb_g5dwbECZWnilE1P8dJzbavz6niP_0LQJ942ARHIVhrBCfebcytEL1efLVx_63S_PJyWTzicrBcWEkOXfCbGTl8JSzlJJk329MwRViEgOoE2KnE9LIA5t6QSFeBy7DLnTIcX0AZNbV9Jv0TuC7qcq2gV33G6ROhUVUDCuN