LTX 2.5
ltx / 2-5-fast-text-to-video

LTX 2.5 es la familia de modelos de video y audio de código abierto de Lightricks, alojada en Kie.ai a través de cinco endpoints en dos niveles: LTX 2.5 Fast (texto a video, imagen a video y audio a video) y LTX 2.5 Pro (texto a video e imagen a video). Texto a video e imagen a video generan video MP4 con diálogo estéreo sincronizado, efectos Foley y sonido ambiental en una sola pasada. Elige Fast para clips de hasta 20 segundos, salida en 1440p limitada a 10 segundos o sincronización labial de audio a video. Elige Pro para una pasada de mejora de detalles que ofrece rostros, texturas y texto breve en pantalla más nítidos en clips de hasta 10 segundos.

Model Type:
Pricing: LTX 2.5 Fast: 10.8 / 15.6 / 22.8 credits ($0.054 / $0.078 / $0.114) per second of video at 720p / 1080p / 1440p — 40% below official LTX-2.5 Fast pricing. Frame rate does not change the price. High-tier top-ups come with bonus credits that lower the effective price by about 10%.
Input

Describe the scene, action, camera and sound. Put dialogue in quotes; it is spoken in its original language

0/5000

Output resolution (short side): 720p, 1080p or 1440p. Price depends on resolution

Frame rate. 48/50 fps allow up to 10 s

Video length in seconds: 6–20 s in 2 s steps; up to 10 s at 1440p or at 48/50 fps

Aspect ratio of the video

Random seed (0–2147483647). Leave empty for a random seed

Output
output typevideo
Examples

Explore different use cases and parameter configurations

README

Complete guide to using LTX 2.5

LTX 2.5 API para video y audio nativo en una sola pasada

Ejecuta tanto LTX 2.5 Fast como LTX 2.5 Pro en Kie.ai. Genera video MP4 con diálogos hablados, efectos de sonido y audio estéreo ambiental en una sola pasada: elige Fast para clips de hasta 20 segundos, salida en 1440p y sincronización labial de audio a video, o elige Pro para rostros más nítidos, texturas de superficie y texto corto en pantalla en clips de 720p y 1080p de hasta 10 segundos.
curl https://api.kie.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $KIE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ltx/2-5-fast-text-to-video",
"input": {
"prompt": "A baker in a stone bakery taps a warm sourdough loaf beside a crackling oven",
"resolution": "1080p",
"fps": 24,
"duration": 10,
"aspect_ratio": "16:9"
}
}'
Resolution
FPS
Aspect ratio
Duration (s)

Capacidades clave de LTX 2.5

Cinco endpoints alojados en KIE entre LTX 2.5 Fast y LTX 2.5 Pro cubren texto a video, imagen a video desde el primer fotograma y audio a video en Fast.
Video y audio estéreo sincronizado en una sola pasada
01

Video y audio estéreo sincronizado en una sola pasada

Tanto en los endpoints de texto a video como en los de imagen a video de Fast y Pro, cada clip genera un MP4 (video H.264 con audio estéreo AAC) con diálogos hablados, efectos foley y sonido ambiental creados junto con la imagen, sin necesidad de añadir la voz en off ni de generar el sonido en una fase aparte. Escribe las líneas habladas entre comillas en tu prompt y LTX 2.5 las pronunciará en su idioma original, incluidos inglés, español y chino.
LTX 2.5 Pro: rostros más nítidos, texturas y texto corto
02

LTX 2.5 Pro: rostros más nítidos, texturas y texto corto

Disponible en ltx/2-5-pro-text-to-video y ltx/2-5-pro-image-to-video, LTX 2.5 Pro añade una pasada de mejora de detalle sobre el mismo modelo para lograr rasgos faciales más claros, textura de piel, materiales de tela, metal y vidrio, y carteles con textos breves en inglés o etiquetas de productos (mantén el texto breve y claro; no se garantiza una ortografía exacta en cada ejecución). Pro genera salida en 720p o 1080p (valor predeterminado del playground) de 6, 8 o 10 segundos a 24, 25, 48 o 50 fps con el mismo audio estéreo que Fast.
LTX 2.5 Fast: hasta 20 s, o hasta 10 s a 1440p / 50 fps
03

LTX 2.5 Fast: hasta 20 s, o hasta 10 s a 1440p / 50 fps

Diseñado para tiempos de respuesta más rápidos y escenas más largas, LTX 2.5 Fast admite resoluciones de 720p, 1080p (valor predeterminado del playground) y 1440p a 24 (valor predeterminado del playground), 25, 48 o 50 fps. En texto a video e imagen a video de Fast, los clips duran de 6 a 20 segundos en incrementos de 2 segundos (valor predeterminado del playground: 10 segundos) a 720p o 1080p con 24 o 25 fps, o hasta 10 segundos a 1440p o a 48/50 fps. La elección de fotogramas por segundo no cambia las tarifas por segundo.
Prompts con varios planos y tomas continuas de 20 segundos
04

Prompts con varios planos y tomas continuas de 20 segundos

Escribe Shot 1:, Shot 2:, Shot 3: dentro de un único prompt (probado hasta con cinco planos en un clip Fast de 20 segundos) manteniendo el mismo personaje y vestuario consistentes de un corte a otro. O describe una toma continua ininterrumpida de 20 segundos en Fast donde el paisaje sonoro evoluciona paso a paso: desde el crepitar de una chimenea hasta una tetera silbando y truenos, o desde moler granos de café hasta servir un espresso, espumar leche al vapor y el tintineo de un platillo.
Audio a video en Fast: sincronización labial, canto y movimiento al ritmo
05

Audio a video en Fast: sincronización labial, canto y movimiento al ritmo

Audio a video es exclusivo de LTX 2.5 Fast (ltx/2-5-fast-audio-to-video; no disponible en Pro). Proporciona una URL pública de audio (MP3, WAV, M4A, AAC, OGG o FLAC de hasta 50 MB y al menos 2 segundos) y un prompt, añadiendo opcionalmente un retrato o una imagen de personaje 3D para generar voz con sincronización labial o canto de estrofas completas. Sin imagen, una pista instrumental impulsa baile e iluminación al ritmo en 16:9. El audio que subas sirve como banda sonora de salida y la duración del video sigue la del audio, con un límite de 20 segundos (10 segundos a 1440p o 48/50 fps).
Bloqueo del primer fotograma, cinco relaciones de aspecto y semillas
06

Bloqueo del primer fotograma, cinco relaciones de aspecto y semillas

Tanto en imagen a video de Fast como de Pro, pasa un primer fotograma en JPG, PNG o WEBP de hasta 10 MB para conservar la persona, el vestuario, la escena y el estilo visual —en retratos, fotos de producto, ilustraciones anime y personajes 3D— con la relación de aspecto de salida bloqueada a tu imagen. Tanto los endpoints de texto a video de Fast como de Pro admiten 16:9 (valor predeterminado del playground), 9:16, 1:1, 3:2 y 2:3, y los cinco endpoints aceptan una semilla entera (de 0 a 2 147 483 647) para reproducir resultados con entradas idénticas.
ParameterValores y reglas de los endpoints
modelFast: ltx/2-5-fast-text-to-video, ltx/2-5-fast-image-to-video y ltx/2-5-fast-audio-to-video; Pro: ltx/2-5-pro-text-to-video y ltx/2-5-pro-image-to-video
promptObligatorio en los cinco endpoints (de 1 a 5000 caracteres); pon los diálogos hablados entre comillas; usa Shot 1 / Shot 2 para indicar cortes entre planos
image_urlObligatorio para imagen a video en Fast y Pro, opcional para audio a video en Fast: URL pública en JPG, PNG o WEBP (máx. 10 MB) usada como primer fotograma
audio_urlObligatorio solo para ltx/2-5-fast-audio-to-video: URL pública en MP3, WAV, M4A, AAC, OGG o FLAC (máx. 50 MB, al menos 2 segundos); se usa como banda sonora de salida
resolutionOpcional: Fast admite 720p, 1080p (valor predeterminado del playground) o 1440p (máx. 10 s en 1440p); Pro admite 720p o 1080p (valor predeterminado del playground)
fpsOpcional en los cinco endpoints: 24 (valor predeterminado del playground), 25, 48 o 50 (la duración máxima a 48 y 50 fps es de 10 s; los fps no afectan a las tarifas por segundo)
durationOpcional: texto/imagen a video en Fast de 6 a 20 s en incrementos de 2 s (valor predeterminado del playground: 10 s; máx. 10 s a 1440p o 48/50 fps); texto/imagen a video en Pro de 6, 8 o 10 s (valor predeterminado del playground: 10 s); audio a video en Fast sigue la duración de audio_url, hasta 20 s (10 s a 1440p o 48/50 fps)
aspect_ratioOpcional solo en texto a video de Fast y Pro: 16:9 (valor predeterminado del playground), 9:16, 1:1, 3:2 o 2:3 (image_url bloquea la relación de aspecto; audio a video en Fast sin image_url genera salida en 16:9)
seedEntero opcional de 0 a 2 147 483 647 en los cinco endpoints para reproducir el resultado al volver a ejecutar entradas idénticas
callBackUrlURL de webhook de nivel superior opcional para notificaciones de finalización de tareas (los enlaces de salida MP4 siguen siendo válidos durante unos 14 días)
FeatureLTX 2.5 FastLTX 2.5 Pro
EndpointsTexto a video, imagen a video, audio a videoTexto a video, imagen a video (sin audio a video)
Resolutions720p, 1080p (predeterminado en el entorno de pruebas), 1440p720p, 1080p (predeterminado en el entorno de pruebas)
Duración del clip6–20 s en incrementos de 2 s (máx. 10 s a 1440p o 48/50 fps); audio a video sigue la duración del audio, hasta 20 s (10 s a 1440p o 48/50 fps)6, 8 o 10 s
Velocidades de fotogramas24 (predeterminado en el entorno de pruebas), 25, 48, 50 fps24 (predeterminado en el entorno de pruebas), 25, 48, 50 fps
Detalle visual y texto en pantallaDetalle estándar para tomas múltiples y planos secuencia largosPasada de detalle para rostros, piel, texturas de tela/metal/vidrio y letreros o etiquetas breves más nítidos
Salida de audioMP4 (H.264 + AAC estéreo): diálogos, efectos Foley y sonido ambiente en una sola pasada, o audio subido en audio a videoMP4 (H.264 + AAC estéreo): diálogos, efectos Foley y sonido ambiente en una sola pasada (igual que Fast)

Cómo redactar prompts para LTX 2.5

Cuatro reglas prácticas para elegir entre Fast y Pro, dirigir diálogos y sonido, y estructurar las tomas.
  1. 1

    Paso 1: Elige entre Fast y Pro y selecciona el endpoint

    Elige LTX 2.5 Fast cuando necesites clips de hasta 20 segundos, salida en 1440p, iteración más rápida o ltx/2-5-fast-audio-to-video. Elige LTX 2.5 Pro (ltx/2-5-pro-text-to-video o ltx/2-5-pro-image-to-video) para primeros planos de retrato de hasta 10 segundos, texturas de materiales o tomas de producto con letreros o etiquetas breves en inglés.
  2. 2

    Paso 2: Entrecomilla los diálogos hablados y describe el sonido

    En texto a video e imagen a video en ambos niveles, coloca las líneas habladas exactas entre comillas en el idioma de destino e incluye una descripción Sound: del sonido ambiente, los efectos Foley y cualquier música instrumental de fondo para que los eventos de audio coincidan con el movimiento en pantalla.
  3. 3

    Paso 3: Estructura planos secuencia o tomas numeradas

    Para una toma continua (de hasta 20 segundos en Fast a 720p o 1080p con 24 o 25 fps, o de hasta 10 segundos en Pro), describe cada momento de la acción y su sonido correspondiente en orden. Para narrativas con múltiples cortes en un solo clip de Fast, introduce cada momento de la acción con Shot 1:, Shot 2:, Shot 3: y repite los detalles clave de la ropa de los personajes entre tomas.
  4. 4

    Paso 4: Configura resolución, velocidad de fotogramas, semilla y almacenamiento

    Selecciona 720p o 1080p en Fast y Pro (o 1440p en Fast para clips de hasta 10 segundos) y 24, 25, 48 o 50 fps. Proporciona una semilla entera para reproducir el resultado con entradas idénticas y descarga los archivos MP4 terminados a tu propio almacenamiento antes de que las URL temporales caduquen tras unos 14 días.

Qué puedes crear con LTX 2.5

Flujos de trabajo de producción con LTX 2.5 Fast y LTX 2.5 Pro.

Primeros planos de retratos, materiales y etiquetas de productos (Pro)

Usa LTX 2.5 Pro para primeros planos de entrevistas y retratos, tomas de belleza, moda, joyería o materiales artesanales, y escenas de envases o señalización de productos con texto breve en inglés y sonido sincronizado.

Dramas cortos centrados en diálogos y tomas de 20 s (Fast)

Usa LTX 2.5 Fast para producir clips verticales en 9:16 para redes sociales, guiones gráficos multitoma y escenas continuas de 20 segundos donde las voces, los efectos Foley y el sonido ambiente evolutivo se generan en una sola pasada.

Presentadores que hablan, pódcasts y clips de canto (Fast)

Combina un retrato o la imagen de un personaje estilizado en 3D con una grabación de voz o una estrofa de una canción en ltx/2-5-fast-audio-to-video para crear anfitriones con sincronización labial, presentadores virtuales e interpretaciones vocales.

Baile sincronizado con el ritmo y animación con estilo fijo

Pasa una pista musical instrumental sin imagen a ltx/2-5-fast-audio-to-video para generar baile e iluminación sincronizados con el ritmo en 16:9, o anima fotografías de producto e ilustraciones de anime mediante imagen a video en Fast o Pro.

LTX 2.5 en Kie.ai

01

Inicio rápido en Kie.ai

Prueba los cinco endpoints de LTX 2.5 Fast y Pro en el playground de esta página, o envía una solicitud POST a https://api.kie.ai/api/v1/jobs/createTask con Authorization: Bearer YOUR_API_KEY y el parámetro model configurado como ltx/2-5-fast-text-to-video, ltx/2-5-fast-image-to-video, ltx/2-5-fast-audio-to-video, ltx/2-5-pro-text-to-video o ltx/2-5-pro-image-to-video. Realiza consultas periódicas mediante GET a https://api.kie.ai/api/v1/jobs/recordInfo?taskId=... o configura callBackUrl para recibir la URL de tu MP4.
03

Una sola clave para todo el mercado de Kie.ai

Todos los modelos del mercado de Kie.ai usan el mismo encabezado de autenticación: Authorization: Bearer YOUR_API_KEY con una clave de tu página de gestión de API keys de Kie.ai.
04

Créditos de pago por uso

Kie.ai funciona con pago por uso y sin planes de suscripción: los créditos nunca caducan, puedes consultar tu saldo mediante la API de consulta de créditos restantes y las tareas fallidas no se cobran.

Preguntas frecuentes

¿Qué es LTX 2.5 en Kie.ai?

LTX 2.5 en Kie.ai ofrece acceso alojado por KIE a la familia de modelos de video y audio de código abierto LTX-2.5 de Lightricks a través de cinco endpoints: tres en LTX 2.5 Fast (ltx/2-5-fast-text-to-video, ltx/2-5-fast-image-to-video y ltx/2-5-fast-audio-to-video) y dos en LTX 2.5 Pro (ltx/2-5-pro-text-to-video y ltx/2-5-pro-image-to-video). Texto a video e imagen a video generan conjuntamente video MP4 (H.264) y audio estéreo AAC, mientras que audio a video en Fast sincroniza el video con el audio que subas.

¿Cuál es la diferencia entre LTX 2.5 Fast y LTX 2.5 Pro?

LTX 2.5 Pro añade una pasada de mejora de detalles sobre el mismo modelo para obtener rostros, piel y texturas de tela, metal o vidrio más nítidos, así como texto breve en pantalla más claro en clips de 720p o 1080p de 6, 8 o 10 segundos (solo texto a video e imagen a video). LTX 2.5 Fast genera más rápido, alcanza hasta 20 segundos en 720p o 1080p (24/25 fps), añade una opción de 1440p (hasta 10 segundos) e incluye audio a video. La calidad del audio estéreo es idéntica en ambos niveles.

¿LTX 2.5 genera diálogos hablados, efectos de sonido y texto en pantalla?

Tanto en Fast como en Pro para texto a video e imagen a video, los diálogos hablados, los efectos de sonido Foley y el audio ambiental se generan junto con la imagen en una sola pasada; pon las líneas habladas entre comillas para que se pronuncien en su idioma original. Para escenas con letreros breves o etiquetas de productos en inglés, usa LTX 2.5 Pro (mantén un texto breve y claro, ya que no se garantiza una renderización exacta del texto en cada ejecución; Fast no está pensado para texto en pantalla).

¿Qué resoluciones, tasas de fotogramas y duraciones admiten Fast y Pro?

Ambos niveles admiten 24 (valor predeterminado en el playground), 25, 48 y 50 fps. LTX 2.5 Fast admite 720p, 1080p (valor predeterminado en el playground) y 1440p, con duraciones de texto/imagen a video de 6 a 20 segundos en incrementos de 2 segundos (limitadas a 10 segundos en 1440p o a 48/50 fps). LTX 2.5 Pro admite 720p y 1080p (valor predeterminado en el playground) con duraciones de 6, 8 o 10 segundos.

¿Cómo funcionan los prompts multitoma en LTX 2.5?

Etiqueta los cortes de cámara secuenciales dentro de un mismo prompt como Shot 1:, Shot 2:, Shot 3: (probado hasta con cinco tomas en un clip de 20 segundos en Fast) y repite los detalles clave del sujeto y del vestuario para que el mismo personaje mantenga la coherencia entre las tomas.

¿Cómo funciona audio a video y está disponible en LTX 2.5 Pro?

Audio a video solo está disponible en LTX 2.5 Fast (ltx/2-5-fast-audio-to-video). Pasa un audio_url público (MP3, WAV, M4A, AAC, OGG o FLAC, de al menos 2 segundos y hasta 50 MB) junto con un prompt; image_url (JPG, PNG o WEBP de hasta 10 MB) es opcional. El audio que subas se convierte en la pista de sonido de salida: con image_url el video se ajusta a la relación de aspecto de la imagen para sincronizar los labios al hablar o cantar, y sin image_url se genera en 16:9. La duración del video sigue la del audio, hasta 20 segundos (10 segundos a 1440p o 48/50 fps).

¿Cuánto tiempo permanecen válidos los enlaces de video generados con LTX 2.5?

Las URL de Result MP4 permanecen válidas durante aproximadamente 14 días. Descarga y transfiere los videos completados a tu propio almacenamiento para conservarlos a largo plazo.

¿Cómo llamo a la LTX 2.5 API en Kie.ai?

Crea una API key en la página de gestión de API keys de Kie.ai y luego envía una solicitud POST a https://api.kie.ai/api/v1/jobs/createTask con el parámetro model configurado con uno de los cinco ID de modelo de LTX 2.5 Fast o Pro y tus parámetros dentro de input. Realiza consultas periódicas mediante GET a https://api.kie.ai/api/v1/jobs/recordInfo?taskId=... o pasa callBackUrl para recibir el enlace del MP4. Consulta la documentación de la API para texto a video en Fast, imagen a video en Fast, audio a video en Fast, texto a video en Pro e imagen a video en Pro.

¿Cómo se facturan LTX 2.5 Fast y LTX 2.5 Pro en Kie.ai?

Tanto LTX 2.5 Fast como LTX 2.5 Pro se facturan por segundo de video según el nivel y la resolución (720p, 1080p o Fast 1440p), con tarifas por segundo idénticas en todos los endpoints de cada nivel y sin recargo por 25, 48 o 50 fps. Texto a video e imagen a video se facturan según la duración seleccionada, audio a video en Fast se factura según la duración del video resultante y las tareas fallidas no se cobran. Las tarifas actuales por segundo para Fast y Pro se muestran en la tarjeta de precios de esta página.