Lightricks/2026-01
Lightricksが2026年1月にオープンソース化した、音声と映像を同時生成できる初の公開基盤モデル。ネイティブ4K・50fps・最長20秒、重みから学習コードまで全公開。
これまでオープンソースの動画生成AIは「映像だけ」を作るもので、声や環境音は別ツールで後付けするしかなかった。LTX-2は口の動きと声、足音や環境音まで同期した映像を一度に生成する初の公開モデルで、しかも4K・50fpsにネイティブ対応。SoraやVeoといった大手のクローズドモデルに近い体験を、自社のPCやサーバーで動かせる。広告・体験づくりの観点では、手元のマシンで回せるためブランドの機密素材を外部サーバーに預けずに映像案を量産できるのが大きい。LoRA学習コードも同梱されており、自社商品や特定キャラクターの見た目を覚え込ませた「ブランド専用動画モデル」を作る、店頭サイネージ用に大量のバリエーション動画を生成する、といった使い方が現実的になった。
仕組みはDiT(Diffusion Transformer)方式で、映像と音声を別々に作って後から合わせるのではなく、ひとつのモデルが同じタイムライン上で音と絵を同時に描いていく。例えるなら、絵コンテ担当と音効担当が別々に働くのではなく、一人の監督が音と映像を同時に演出するイメージだ。ドリーやジブといったカメラワークを指定するLoRA、ポーズやモーション軌跡で動きを制御するLoRAも公式提供され、「プロンプト任せ」ではない演出コントロールができる。 従来の公開モデル(Wan、HunyuanVideoなど)は無音の映像のみで、4K化もアップスケーラー頼みだった。音声同期と4Kをネイティブで扱う公開モデルはLTX-2が初で、「クローズドモデルとの品質差」を一気に詰めた2026年上半期の象徴的リリースといえる。 使うには、コードはGitHub、重みはHugging Faceから無料入手できる。22Bパラメータの大型モデルのためハイエンドGPU(VRAM 32GB級以上推奨)が必要だが、ComfyUI経由や公式APIでも利用可能。年商1,000万ドル未満なら商用無償で、それ以上の企業は商用ライセンス契約となる。
LTX-2 Community License(2026-01-05)。年商1,000万ドル未満の企業は商用利用無償、超える場合は商用ライセンス契約が必要。重み・推論・LoRA学習コードまで全公開