API de Vídeo LTX-2.3
Referência da API
URL Base: https://api.ltx.video/v1
Autenticação: Authorization: Bearer <API_KEY>
Resposta: Binário MP4 (download direto, sem polling)
Endpoints
| Endpoint | Entrada | Uso |
|---|---|---|
/v1/text-to-video | prompt | Gerar vídeo a partir de texto |
/v1/image-to-video | image_uri + prompt | Animar uma imagem estática |
/v1/audio-to-video | audio_uri + image_uri + prompt | Vídeo com sincronização labial a partir de áudio + imagem |
/v1/extend | video_uri + prompt | Estender um vídeo no início ou no final |
/v1/retake | video_uri + intervalo de tempo | Regravar uma seção de um vídeo |
Modelos
| Modelo | Velocidade | Qualidade |
|---|---|---|
ltx-2-3-fast | ~17s | Boa (uso em testes) |
ltx-2-3-pro | ~30-60s | Melhor (uso final) |
Resoluções Suportadas
1920x1080(paisagem 16:9)1080x1920(retrato 9:16 — vertical nativo, treinado em dados verticais)1440x1080,4096x2160(apenas texto-para-vídeo)
áudio-para-vídeo suporta apenas: 1920x1080 ou 1080x1920
Exemplos Rápidos
Texto para Vídeo
curl -X POST "https://api.ltx.video/v1/text-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"prompt": "Um homem de terno azul-marinho senta-se à mesa de um restaurante de luxo...",
"model": "ltx-2-3-pro",
"duration": 8,
"resolution": "1920x1080"
}' -o output.mp4
Áudio para Vídeo (Sincronização Labial)
curl -X POST "https://api.ltx.video/v1/audio-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_uri": "https://exemplo.com/voz.mp3",
"image_uri": "https://exemplo.com/retrato.jpg",
"prompt": "Um homem fala diretamente para a câmera...",
"model": "ltx-2-3-pro",
"resolution": "1920x1080"
}' -o output.mp4
Wrapper em Python
import requests
def ltx_audio_to_video(audio_url, image_url, prompt, api_key,
model="ltx-2-3-pro", resolution="1920x1080",
output_path="output.mp4"):
r = requests.post(
"https://api.ltx.video/v1/audio-to-video",
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
json={"audio_uri": audio_url, "image_uri": image_url,
"prompt": prompt, "model": model, "resolution": resolution},
timeout=300, stream=True
)
if r.status_code != 200:
raise RuntimeError(f"Erro LTX {r.status_code}: {r.text}")
with open(output_path, "wb") as f:
for chunk in r.iter_content(8192): f.write(chunk)
return output_path
⚠️ Regras Críticas (aprendidas com a experiência)
Hospedagem de Arquivos
- URLs devem ser HTTPS — HTTP é rejeitado
- Arquivos devem retornar o tipo MIME correto (não
application/octet-stream) - uguu.se funciona: upload com
curl -F "files[][email protected]" https://uguu.se/upload - Áudio: faça upload como MP3 (não WAV) → uguu retorna
audio/mpeg✅ - Imagens 4K falham → redimensione para 1920x1080 antes de enviar
# Upload de MP3 para uguu.se
AUDIO_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
# Upload de imagem
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 Tamanho de Imagem
# Redimensione imagens grandes antes do upload
ffmpeg -y -i entrada_4k.png -vf "scale=1920:1080" saida_1080.jpg
Consistência Facial
- Evite prompts onde o personagem olha para baixo — quebra a consistência facial
- Mantenha a cabeça nivelada e o olhar voltado para frente durante todo o vídeo
- Posicione objetos já no quadro em vez de fazer o personagem alcançar abaixo do quadro
Último Quadro
- O LTX não suporta primeiro+último quadro nativamente
- Solução alternativa: gere o clipe A, gere o clipe B e use
/v1/extendpara encadeá-los
Guia de Prompt (LTX-2.3)
O LTX-2.3 possui um conector de texto muito mais forte. Especificidade vence.
1. Use Verbos, Não Substantivos
❌ "Um retrato dramático de um homem em pé"
✅ "Um homem fica em pé em um terraço. Seu casaco flameja ao vento. Ele ajusta o colarinho e dá um passo à frente enquanto a câmera faz um travelling para a direita."
2. Enquadre a Cena como um Diretor
- Especifique esquerda vs direita, primeiro plano vs fundo
- Descreva quem se move, o que se move, como se move, o que a câmera faz
- Relações espaciais agora são respeitadas
3. Descreva o Áudio Explicitamente (para texto-para-vídeo)
- Nomeie o tipo de som: diálogo, ambiente, música
- Especifique tom e intensidade
- Exemplo:
"Sua voz é clara e calorosa. Som ambiente de restaurante suavemente ao fundo."
4. Evite Prompts Estáticos do Tipo Foto
- Se o prompt parece uma imagem parada → o resultado se comporta como uma
- Adicione vento, movimento, respiração, gestos, movimento de câmera
5. Descreva Textura e Material
- Cabelo, tecido, acabamento de superfície, queda da iluminação
"Fios de cabelo individuais visíveis na contraluz"→ agora renderiza corretamente
6. Retrato (9:16) Nativo
resolution: "1080x1920"→ treinado em dados verticais- Enquadre intencionalmente para vertical, não trate como paisagem cortada
7. Tomadas Complexas Funcionam Agora
- Combine múltiplas ações:
"Ele pega a banana, leva-a ao ouvido e dá um sorriso irônico" - Combine performance do personagem + ambiente + movimento de câmera
Template de Prompt para Sincronização Labial
Um/uma [descrição da pessoa] senta-se/fca em pé [local]. Ele/ela fala diretamente
para a câmera, lábios se movendo em sincronia perfeita com sua voz. [Detalhes de gestos].
A cabeça permanece nivelada e o olhar fixo na câmera durante todo o vídeo.
[Descrição do ambiente suavemente desfocada ao fundo].
[Iluminação]. [Câmera: mantém-se firme no nível dos olhos, de frente].
Nó do ComfyUI
Nós personalizados para ComfyUI (sem chamadas manuais à API):
cd ComfyUI/custom_nodes
git clone https://github.com/PauldeLavallaz/comfyui-ltx-node
Nós: LTX Text to Video, LTX Image to Video, LTX Extend Video
Categoria: LTX Video
Chave da API
Chave do Paul: armazenada em ~/clawd/.env como LTX_API_KEY
ltxv_RfSU5hdKJb_g5dwbECZWnilE1P8dJzbavz6niP_0LQJ942ARHIVhrBCfebcytEL1efLVx_63S_PJyWTzicrBcWEkOXfCbGTl8JSzlJJk329MwRViEgOoE2KnE9LIA5t6QSFeBy7DLnTIcX0AZNbV9Jv0TuC7qcq2gV33G6ROhUVUDCuN