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

LTX 2.5はLightricksのオープンソース動画・音声モデルファミリーで、Kie.aiでは2つのティアにわたる5つのエンドポイントとしてホスト提供されています。LTX 2.5 Fast(テキストから動画生成、画像から動画生成、音声から動画生成)とLTX 2.5 Pro(テキストから動画生成、画像から動画生成)の2種類があり、テキストから動画生成と画像から動画生成では同期したステレオのセリフ・フォーリー効果音・環境音付きのMP4動画を1パスで生成します。最大20秒のクリップ、最大10秒までの1440p出力、または音声から動画生成のリップシンクが必要な場合はFastを、最大10秒のクリップで顔や質感、短い画面内テキストをより鮮明に仕上げるディテール強化パスが必要な場合はProをお選びください。

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:動画とネイティブ音声を一括生成

Kie.aiでLTX 2.5 FastとLTX 2.5 Proの両方を実行できます。セリフ、効果音、環境ステレオ音声を含むMP4動画を一括生成します。最大20秒のクリップ、1440p出力、音声から動画へのリップシンクにはFastを、最大10秒の720pおよび1080pクリップでより鮮明な顔、表面の質感、画面上の短いテキストを得るにはProを選択してください。
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)

LTX 2.5の主な機能

KIEがホストするLTX 2.5 FastとLTX 2.5 Proの計5つのエンドポイントは、テキストから動画生成、開始フレーム画像から動画生成、およびFastでの音声から動画生成に対応しています。
動画と同期されたステレオ音声を一括生成
01

動画と同期されたステレオ音声を一括生成

FastとProのテキストから動画生成および画像から動画生成の各エンドポイントでは、セリフ、フォーリー効果音、環境音が映像と同時に生成され、すべてのクリップがMP4(H.264動画とAACステレオ音声)で出力されます。別途ナレーションや音声を制作する工程は不要です。プロンプト内でセリフを引用符で囲むと、LTX 2.5が英語、スペイン語、中国語を含む元の言語で発話します。
LTX 2.5 Pro:より鮮明な顔、質感、短いテキスト
02

LTX 2.5 Pro:より鮮明な顔、質感、短いテキスト

ltx/2-5-pro-text-to-videoおよびltx/2-5-pro-image-to-videoで利用可能なLTX 2.5 Proは、同一モデルにディテール強化パスを追加し、より鮮明な顔の特徴、肌の質感、布地・金属・ガラスの素材感、および短い英語の看板や製品ラベルを表現します(表現は簡潔かつ明確にしてください。すべての実行で正確なスペルが保証されるわけではありません)。ProはFastと同じステレオ音声を備え、24、25、48、または50fpsで6、8、または10秒間の720pまたは1080p(プレイグラウンドのデフォルト)を出力します。
LTX 2.5 Fast:最大20秒、または1440p / 50fpsで最大10秒
03

LTX 2.5 Fast:最大20秒、または1440p / 50fpsで最大10秒

高速な処理と長尺のシーン向けに構築されたLTX 2.5 Fastは、24(プレイグラウンドのデフォルト)、25、48、または50fpsで720p、1080p(プレイグラウンドのデフォルト)、および1440pの解像度をサポートします。Fastのテキストから動画および画像から動画では、720pまたは1080p(24または25fps)で6秒から20秒まで2秒単位(プレイグラウンドのデフォルト:10秒)、または1440pや48/50fpsで最大10秒のクリップを生成できます。フレームレートの選択によって秒単価が変わることはありません。
マルチショットプロンプトと20秒の連続テイク
04

マルチショットプロンプトと20秒の連続テイク

単一のプロンプト内にShot 1:、Shot 2:、Shot 3:と記述し(20秒のFastクリップで最大5ショットまでテスト済み)、カット間で同じキャラクターと衣装の一貫性を保ってください。あるいは、Fastで途切れのない20秒の連続テイクを記述し、暖炉のパチパチという音からヤカンの笛吹き音や雷鳴へ、または豆を挽く音からエスプレッソを注ぐ音、スチームの泡立て音、ソーサーのカチャッという音へと、サウンドスケープを段階的に変化させることも可能です。
Fastの音声から動画:リップシンク、歌唱、ビートに合わせた動き
05

Fastの音声から動画:リップシンク、歌唱、ビートに合わせた動き

音声から動画はLTX 2.5 Fast専用です(ltx/2-5-fast-audio-to-video。Proでは提供されていません)。公開音声URL(最大50MB、2秒以上のMP3、WAV、M4A、AAC、OGG、またはFLAC)とプロンプトを指定し、任意でポートレートや3Dキャラクターの画像を追加すると、リップシンクされた発話や歌の1節全体の歌唱を生成できます。画像を指定しない場合、インストゥルメンタルトラックによって16:9の画面でビートに合わせたダンスやライティングが生成されます。アップロードした音声が出力サウンドトラックとして使用され、動画の長さは音声に追従します(最大20秒、1440pまたは48/50fpsでは最大10秒に制限されます)。
開始フレーム画像の固定、5つのアスペクト比、およびシード値
06

開始フレーム画像の固定、5つのアスペクト比、およびシード値

FastとProの画像から動画では、最大10MBのJPG、PNG、またはWEBPの開始フレームを渡すことで、ポートレート、商品写真、アニメイラスト、3Dキャラクターにわたって人物、衣装、シーン、ビジュアルスタイルを維持し、出力アスペクト比を画像に合わせて固定できます。FastとProのテキストから動画エンドポイントはどちらも16:9(プレイグラウンドのデフォルト)、9:16、1:1、3:2、2:3をサポートし、5つのエンドポイントすべてで整数シード値(0〜2147483647)を受け付けて同一入力での結果を再現できます。
Parameter値とエンドポイントのルール
modelFast:ltx/2-5-fast-text-to-video、ltx/2-5-fast-image-to-video、ltx/2-5-fast-audio-to-video / Pro:ltx/2-5-pro-text-to-video、ltx/2-5-pro-image-to-video
prompt5つのエンドポイントすべてで必須(1〜5,000文字)。セリフは引用符で囲みます。マルチショットのカットにはShot 1 / Shot 2を使用します
image_urlFastおよびProの画像から動画では必須、Fastの音声から動画では任意:開始フレームとして使用される公開JPG、PNG、またはWEBPのURL(最大10MB)
audio_urlltx/2-5-fast-audio-to-videoのみ必須:公開MP3、WAV、M4A、AAC、OGG、またはFLACのURL(最大50MB、2秒以上)。出力サウンドトラックとして使用されます
resolution任意:Fastは720p、1080p(プレイグラウンドのデフォルト)、または1440p(1440pは最大10秒)をサポート。Proは720pまたは1080p(プレイグラウンドのデフォルト)をサポート
fps5つのエンドポイントすべてで任意:24(プレイグラウンドのデフォルト)、25、48、または50(48および50fpsの最大時間は10秒。fpsは秒単価に影響しません)
duration任意:Fastのテキスト/画像から動画は6〜20秒まで2秒単位(プレイグラウンドのデフォルト:10秒。1440pまたは48/50fpsでは最大10秒)。Proのテキスト/画像から動画は6、8、または10秒(プレイグラウンドのデフォルト:10秒)。Fastの音声から動画はaudio_urlの長さに追従します(最大20秒、1440pまたは48/50fpsでは最大10秒)
aspect_ratioFastおよびProのテキストから動画のみ任意:16:9(プレイグラウンドのデフォルト)、9:16、1:1、3:2、または2:3(image_urlはアスペクト比を固定します。image_urlなしのFastの音声から動画は16:9で出力されます)
seed5つのエンドポイントすべてで、同一入力を再実行した際に出力を再現するための0〜2147483647の任意の整数
callBackUrlタスク完了通知用の任意のトップレベルWebhook URL(出力MP4リンクは約14日間有効です)
FeatureLTX 2.5 FastLTX 2.5 Pro
Endpointsテキストから動画生成、画像から動画生成、音声から動画生成テキストから動画生成、画像から動画生成(音声から動画生成には非対応)
Resolutions720p、1080p(プレイグラウンドのデフォルト)、1440p720p、1080p(プレイグラウンドのデフォルト)
クリップの長さ6–20s(2s刻み、1440pまたは48/50fpsの場合は最大10s)、音声から動画生成は音声の長さに準拠(最大20s、1440pまたは48/50fpsでは最大10s)6、8、または10s
フレームレート24(プレイグラウンドのデフォルト)、25、48、50fps24(プレイグラウンドのデフォルト)、25、48、50fps
映像のディテールと画面内テキストマルチショットや長回しテイク向けの標準ディテール顔、肌、布・金属・ガラスの質感や、看板・ラベル上の短いテキストをより鮮明にするディテールパス
音声出力MP4(H.264+AACステレオ):ワンパスでセリフ・フォーリー・環境音を生成、または音声から動画生成でアップロードした音声を使用MP4(H.264+AACステレオ):ワンパスでセリフ、フォーリー、環境音を生成(Fastと同様)

LTX 2.5のプロンプト作成方法

FastとProの使い分け、セリフと音響の演出、ショット構成に関する4つの実践的なルールです。
  1. 1

    ステップ1:FastとProを使い分け、エンドポイントを選択する

    最大20秒のクリップ、1440p出力、高速なイテレーション、またはltx/2-5-fast-audio-to-videoが必要な場合はLTX 2.5 Fastを選択してください。最大10秒のポートレートクローズアップ、素材の質感表現、または短い英文が記載された看板やラベルを含む製品ショットにはLTX 2.5 Pro(ltx/2-5-pro-text-to-videoまたはltx/2-5-pro-image-to-video)を選択してください。
  2. 2

    ステップ2:セリフを引用符で囲み、音響を記述する

    両ティアのテキストから動画生成と画像から動画生成では、話させたいセリフをターゲット言語で正確に記述して引用符で囲み、環境音、フォーリーの動作音、背景のインストゥルメンタル音楽をSound:で指定することで、音声イベントを画面上の動きと一致させます。
  3. 3

    ステップ3:連続テイクまたは番号付きショットを構成する

    途切れのない連続テイク(Fastで720pまたは1080p・24または25fpsの場合は最大20秒、Proの場合は最大10秒)では、各アクションの展開とそれに対応する音を順番に記述します。1つのFastクリップで複数カットのストーリーを構成する場合は、各展開の先頭にShot 1:、Shot 2:、Shot 3:を付け、主要なキャラクターの服装の詳細をショット間で繰り返し記述してください。
  4. 4

    ステップ4:解像度、フレームレート、シード値、ストレージを設定する

    FastとProでは720pまたは1080p(Fastで最大10秒のクリップの場合は1440pも選択可)、フレームレートは24、25、48、または50fpsを選択します。同じ入力で出力を再現するには整数のシード値を指定し、一時URLが約14日で期限切れになる前に、完成したMP4ファイルを自身のストレージにダウンロードしてください。

LTX 2.5で制作できるコンテンツ

LTX 2.5 FastとLTX 2.5 Proを活用した制作ワークフローです。

ポートレート、素材、製品ラベルのクローズアップ(Pro)

インタビューやポートレートのクローズアップ、ビューティー、アパレル、ジュエリー、クラフト素材のショット、さらに短い英語テキストと、映像に同期した音声を含む製品パッケージや看板のシーンにはLTX 2.5 Proを使用します。

セリフ中心のショートドラマと20sテイク(Fast)

9:16の縦型SNSクリップ、マルチショットのストーリーボード、そして音声、フォーリー、変化する背景音がワンパスで生成される20秒間の連続シーンの制作にはLTX 2.5 Fastを使用します。

話すプレゼンター、ポッドキャスト、歌唱クリップ(Fast)

ポートレートやスタイライズされた3Dキャラクター画像と、音声録音または楽曲のワンフレーズをltx/2-5-fast-audio-to-videoで組み合わせることで、リップシンクした司会者、バーチャルプレゼンター、ボーカルパフォーマンスを作成できます。

ビートに合わせたダンスとスタイル固定アニメーション

画像なしでインストゥルメンタル楽曲をltx/2-5-fast-audio-to-videoに入力すると、16:9でビートに合わせたダンスとライティングを生成でき、またFastまたはProの画像から動画生成を使用して商品スチル画像やアニメイラストをアニメーション化することもできます。

Kie.aiのLTX 2.5

01

Kie.aiでクイックスタート

このページのプレイグラウンドでLTX 2.5 FastおよびProの5つのエンドポイントをすべて試すか、Authorization: Bearer YOUR_API_KEYを指定し、modelに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、またはltx/2-5-pro-image-to-videoを設定してhttps://api.kie.ai/api/v1/jobs/createTaskにPOSTリクエストを送信してください。GET https://api.kie.ai/api/v1/jobs/recordInfo?taskId=...をポーリングするか、callBackUrlを設定してMP4のURLを取得できます。
03

1つのキーでKie.aiマーケット全体に対応

Kie.aiマーケットのすべてのモデルで共通の認証ヘッダー(Authorization: Bearer YOUR_API_KEY)を使用し、Kie.ai APIキー管理ページで発行したキーを利用できます。
04

従量課金制クレジット

Kie.aiはサブスクリプションプランのない従量課金制です。クレジットに有効期限はなく、残高確認API(Get Remaining Credits API)で残高を確認でき、失敗したタスクには課金されません。

よくある質問

Kie.aiのLTX 2.5とは何ですか?

Kie.aiのLTX 2.5は、Lightricksのオープンソース動画・音声モデルファミリーであるLTX-2.5をKIEがホストして提供するサービスで、LTX 2.5 Fastの3つのエンドポイント(ltx/2-5-fast-text-to-video、ltx/2-5-fast-image-to-video、ltx/2-5-fast-audio-to-video)とLTX 2.5 Proの2つのエンドポイント(ltx/2-5-pro-text-to-video、ltx/2-5-pro-image-to-video)の計5つのエンドポイントを利用できます。テキストから動画生成および画像から動画生成ではMP4(H.264)動画とAACステレオ音声を同時に生成し、Fastの音声から動画生成ではアップロードした音声に同期した動画を生成します。

LTX 2.5 FastとLTX 2.5 Proの違いは何ですか?

LTX 2.5 Proは同一モデルにディテール強化パスを追加し、6秒・8秒・10秒の720pまたは1080pクリップ(テキストから動画生成および画像から動画生成のみ)において、顔、肌、布・金属・ガラスの質感や短い画面内テキストをより鮮明に描写します。LTX 2.5 Fastはより高速に生成でき、720pまたは1080p(24/25fps)で最大20秒まで対応し、1440pオプション(最大10秒)および音声から動画生成を備えています。ステレオ音声の品質は両ティアで同一です。

LTX 2.5ではセリフの音声、効果音、画面内テキストを生成できますか?

FastとProのどちらのテキストから動画生成および画像から動画生成でも、セリフの音声、フォーリー効果音、環境音が映像と1パスで同時生成されます。セリフを引用符で囲むと元の言語で発話されます。短い英語の看板や商品ラベルを含むシーンにはLTX 2.5 Proを使用してください(すべての実行で正確なテキスト描画が保証されるわけではないため、文言は簡潔かつ明確にしてください。Fastは画面内テキストの描画を想定していません)。

FastとProが対応している解像度、フレームレート、動画の長さは?

両ティアとも24(プレイグラウンドのデフォルト)、25、48、50fpsに対応しています。LTX 2.5 Fastは720p、1080p(プレイグラウンドのデフォルト)、1440pに対応し、テキストから動画生成・画像から動画生成の長さは6〜20秒の範囲で2秒刻みで指定できます(1440pまたは48/50fps時は最大10秒)。LTX 2.5 Proは720pと1080p(プレイグラウンドのデフォルト)に対応し、長さは6秒、8秒、または10秒です。

LTX 2.5でのマルチショットプロンプトはどのように機能しますか?

1つのプロンプト内で連続するカメラカットにShot 1:、Shot 2:、Shot 3:のようにラベルを付け(20秒のFastクリップで最大5ショットまで検証済み)、被写体や衣装の重要な特徴を繰り返し記述することで、ショット間で同じキャラクターの一貫性を保つことができます。

音声から動画生成はどのように機能しますか?LTX 2.5 Proでも利用できますか?

音声から動画生成はLTX 2.5 Fast(ltx/2-5-fast-audio-to-video)でのみ利用可能です。公開アクセス可能なaudio_url(MP3、WAV、M4A、AAC、OGG、またはFLAC形式、2秒以上・最大50MB)とプロンプトを渡してください。image_url(JPG、PNG、またはWEBP形式、最大10MB)は任意です。アップロードした音声が出力動画のサウンドトラックとなり、image_urlを指定した場合は画像のアスペクト比に合わせてリップシンクした発話や歌唱動画を生成し、指定しない場合は16:9で出力されます。動画の長さは音声に追従し、最大20秒です(1440pまたは48/50fpsでは最大10秒)。

生成されたLTX 2.5の動画リンクの有効期間はどのくらいですか?

Result MP4のURLは約14日間有効です。長期保存する場合は、完了した動画をダウンロードしてご自身のストレージへ転送してください。

Kie.aiでLTX 2.5 APIを呼び出す方法を教えてください。

Kie.aiのAPIキー管理ページでAPIキーを作成し、modelに5つのLTX 2.5 FastまたはProモデルIDのいずれかを指定し、input配下にパラメータを設定してhttps://api.kie.ai/api/v1/jobs/createTaskへPOSTリクエストを送信します。GET https://api.kie.ai/api/v1/jobs/recordInfo?taskId=...をポーリングするか、callBackUrlを渡してMP4リンクを受け取ってください。詳細はFast Text to Video、Fast Image to Video、Fast Audio to Video、Pro Text to Video、およびPro Image to VideoのAPIドキュメントをご覧ください。

Kie.aiにおけるLTX 2.5 FastとLTX 2.5 Proの課金体系はどうなっていますか?

LTX 2.5 FastとLTX 2.5 Proはいずれもティアと解像度(720p、1080p、またはFast 1440p)に応じた動画1秒あたりの従量課金で、各ティア内のエンドポイント間で秒単価は同一であり、25・48・50fpsによる追加料金はありません。テキストから動画生成と画像から動画生成は選択した再生時間に基づいて課金され、Fastの音声から動画生成は出力動画の長さに基づいて課金されます。失敗したタスクには課金されません。FastとProの現在の秒単価は本ページの料金カードに掲載されています。