LTX-2.3 视频 API
API 参考
基础 URL: https://api.ltx.video/v1
认证: Authorization: Bearer <API_KEY>
响应: MP4 二进制数据(直接下载,无需轮询)
端点
| 端点 | 输入 | 用途 |
|---|---|---|
/v1/text-to-video | prompt | 从文本生成视频 |
/v1/image-to-video | image_uri + prompt | 动画化静态图像 |
/v1/audio-to-video | audio_uri + image_uri + prompt | 从音频和图像生成口型同步视频 |
/v1/extend | video_uri + prompt | 在视频开头或结尾扩展 |
/v1/retake | video_uri + time range | 重新生成视频的某个片段 |
模型
| 模型 | 速度 | 质量 |
|---|---|---|
ltx-2-3-fast | ~17秒 | 良好(用于测试) |
ltx-2-3-pro | ~30-60秒 | 最佳(用于最终输出) |
支持的分辨率
1920x1080(横屏 16:9)1080x1920(竖屏 9:16 — 原生垂直,基于垂直数据训练)1440x1080、4096x2160(仅限文生视频)
音频转视频仅支持: 1920x1080 或 1080x1920
快速示例
文生视频
curl -X POST "https://api.ltx.video/v1/text-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"prompt": "一名身着深蓝色西装的男人坐在豪华餐厅桌旁...",
"model": "ltx-2-3-pro",
"duration": 8,
"resolution": "1920x1080"
}' -o output.mp4
音频转视频(口型同步)
curl -X POST "https://api.ltx.video/v1/audio-to-video" \
-H "Authorization: Bearer $LTX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_uri": "https://example.com/voice.mp3",
"image_uri": "https://example.com/portrait.jpg",
"prompt": "一名男子直接对着镜头说话...",
"model": "ltx-2-3-pro",
"resolution": "1920x1080"
}' -o output.mp4
Python 封装
import requests
def ltx_audio_to_video(audio_url, image_url, prompt, api_key,
model="ltx-2-3-pro", resolution="1920x1080",
output_path="output.mp4"):
r = requests.post(
"https://api.ltx.video/v1/audio-to-video",
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
json={"audio_uri": audio_url, "image_uri": image_url,
"prompt": prompt, "model": model, "resolution": resolution},
timeout=300, stream=True
)
if r.status_code != 200:
raise RuntimeError(f"LTX 错误 {r.status_code}: {r.text}")
with open(output_path, "wb") as f:
for chunk in r.iter_content(8192): f.write(chunk)
return output_path
⚠️ 关键规则(经验总结)
文件托管
- URL 必须是 HTTPS — HTTP 会被拒绝
- 文件必须返回正确的 MIME 类型(不能是
application/octet-stream) - uguu.se 可用:通过
curl -F "files[][email protected]" https://uguu.se/upload上传 - 音频:上传为 MP3(而非 WAV)→ uguu 返回
audio/mpeg✅ - 4K 图像会失败 → 上传前调整为 1920x1080
# 上传 MP3 到 uguu.se
AUDIO_URL=$(curl -s -F "files[][email protected]" "https://uguu.se/upload" | \
python3 -c "import sys,json; print(json.load(sys.stdin)['files'][0]['url'])")
# 上传图像
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'])")
图像尺寸限制
# 上传前调整大图像
ffmpeg -y -i input_4k.png -vf "scale=1920:1080" output_1080.jpg
面部一致性
- 避免提示词中角色 低头看 — 会破坏面部一致性
- 保持头部水平且视线向前
- 将物体直接放置在画面中,而非让角色伸手到画面下方
最后一帧
- LTX 不原生支持首帧+尾帧
- 解决方法:生成片段 A,生成片段 B,然后使用
/v1/extend将它们串联起来
提示词指南 (LTX-2.3)
LTX-2.3 具有更强的文本连接能力。越具体越好。
1. 使用动词,而非名词
❌ "一个男人站立的戏剧性肖像"
✅ "一名男子站在屋顶上。他的大衣在风中飘动。他整理了一下衣领,向前迈了一步,摄像机随之向右平移。"
2. 像导演一样编排场景
- 指定 左边 vs 右边、前景 vs 背景
- 描述 谁在动、什么在动、如何动、摄像机做什么
- 空间关系现在已被尊重
3. 明确描述音频(对于文生视频)
- 指明声音类型:对话、环境音、音乐
- 指定语调和强度
- 示例:
"他的声音清晰而温暖。背景中轻柔地响着餐厅环境音。"
4. 避免静态照片式提示词
- 如果提示词读起来像一张静态图像 → 输出也会像静态图像
- 添加风、运动、呼吸、手势、摄像机运动
5. 描述纹理和材质
- 头发、布料、表面处理、光线衰减
"逆光中可见的个别发丝"→ 现在能正确渲染
6. 竖屏 (9:16) 原生
resolution: "1080x1920"→ 基于垂直数据训练- 有意为竖屏构图,不要当作裁剪过的横屏
7. 复杂镜头现在可用
- 分层多个动作:
"他拿起香蕉,举到耳边,然后露出狡黠的微笑" - 结合角色表演 + 环境 + 摄像机运动
口型同步提示词模板
[人物描述]坐在/站在[位置]。他/她直接对着镜头说话,
嘴唇与声音完美同步。[手势细节]。
头部保持水平,视线在整个过程中锁定镜头。
[背景中轻柔虚化环境描述]。
[光线]。[摄像机:保持平视、正面稳固]。
ComfyUI 节点
ComfyUI的自定义节点(无需手动 API 调用):
cd ComfyUI/custom_nodes
git clone https://github.com/PauldeLavallaz/comfyui-ltx-node
节点:LTX Text to Video、LTX Image to Video、LTX Extend Video
分类:LTX Video
API 密钥
Paul 的密钥:存储在 ~/clawd/.env 中作为 LTX_API_KEY
ltxv_RfSU5hdKJb_g5dwbECZWnilE1P8dJzbavz6niP_0LQJ942ARHIVhrBCfebcytEL1efLVx_63S_PJyWTzicrBcWEkOXfCbGTl8JSzlJJk329MwRViEgOoE2KnE9LIA5t6QSFeBy7DLnTIcX0AZNbV9Jv0TuC7qcq2gV33G6ROhUVUDCuN