LTX-2.5 : Le modèle audio et vidéo de tendre.AI

LTX-2.5 est le modèle de génération audio et vidéo qui alimente la fonctionnalité vidéo de tendre.AI. Il appartient à la famille LTX des modèles de diffusion vidéo, et sa caractéristique principale est de générer image et son ensemble, en un seul modèle, plutôt que de produire un clip muet et de laisser l'audio à un outil séparé. Cet article est une présentation technique accessible de son fonctionnement et de la façon dont tendre.AI l'intègre.

Pourquoi un modèle audio-vidéo conjoint est important

L'ancienne méthode pour obtenir un clip avec son reposait sur un pipeline : un modèle vidéo génère les images, un modèle audio génère une piste, et tu les alignes manuellement. Le problème, c'est la synchronisation. Un son généré sans "voir" le mouvement ne tombe jamais exactement au bon moment : un pas de pied légèrement en retard, une voix qui ne colle pas à la bouche, une ambiance qui ignore la scène.

LTX-2.5 supprime ce pipeline. Parce que le même modèle produit les images et l'audio, les deux sont cohérents par construction : la bande-son est conditionnée sur le même contenu que l'image, de sorte que le mouvement et le son sont synchronisés dès la première génération, et non rajustés après coup.

L'architecture, en termes simples

LTX-2.5 est un diffusion transformer (DiT). Deux idées à comprendre :

• Diffusion signifie que le modèle part du bruit et le dénoise étape par étape vers un clip qui correspond à ton prompt. C'est le même principe que les modèles d'image modernes comme SDXL, étendu à la dimension temporelle.
• Transformer signifie qu'il prend en compte la séquence entière (à travers les images, et tout au long du flux audio) plutôt que de traiter chaque image indépendamment. Cette vue globale est ce qui maintient un mouvement stable et l'audio verrouillé sur l'action pendant toute la durée du clip.

Travailler sur le clip complet d'un coup, plutôt qu'image par image, est la raison principale pour laquelle le rendu reste cohérent : les objets conservent leur forme, le mouvement de caméra reste fluide, et le son suit l'image.

Texte vers vidéo et image vers vidéo

LTX-2.5 prend en charge deux points d'entrée, et tendre.AI utilise les deux :

• Texte vers vidéo : décris le plan, obtiens un clip avec son.
• Image vers vidéo : pars d'une image fixe que tu as déjà générée localement dans tendre.AI et anime-la. La première image est la tienne, donc le personnage et le style que tu as verrouillés (avec un LoRA ou une graine fixe) passent directement dans la vidéo.

L'image vers vidéo est ce qui rend réel le flux de travail "un seul outil pour l'image et la vidéo" : la photo que tu aimes devient la première image du clip, même visage, même look.

Résolution : brouillons d'abord, 1080p pour les finaux

Le même modèle cible plusieurs résolutions. En pratique, cela donne un flux de travail clair :

• Formats plus petits pour l'itération : assez rapide pour tester un prompt, entendre le résultat, ajuster, et relancer.
• 1080p (Full HD) pour les rendus finaux : le format que tendre.AI délivre au maximum.

Tu fais des brouillons en petit, tu verrouilles le plan (mouvement, cadrage, audio), puis tu finalises le plan retenu en 1080p, sans changer de moteur entre le brouillon et la livraison.

L'efficacité, c'est l'essentiel

La ligne LTX est connue pour être rapide pour sa qualité. Cette efficacité n'est pas une métrique de façade : c'est ce qui rend les brouillons rapides et les finaux 1080p à la demande pratiques, plutôt que des travaux de nuit. Un modèle suffisamment efficace pour itérer change ta façon de travailler, tu explores davantage de prises parce que chacune ne coûte pas cher en temps.

Ce qu'a apporté la version 2.5

Lightricks a publié LTX-2.5 avec des poids ouverts le 11 août 2026. Quatre de ses changements sont importants pour quiconque génère vraiment des clips.

Scènes multi-plans natives. Le modèle peut rendre des plans enchaînés, large puis moyen puis rapproché, en une seule génération, en maintenant le personnage, le décor, l'éclairage et la voix stables à travers les coupes. Avant, une séquence impliquait de rendre chaque plan séparément et d'espérer que le visage et la lumière correspondent. C'est le changement qui transforme un clip en scène.

Un nouveau décodeur vidéo par diffusion. Le gain le plus visible sur les images ordinaires : moins d'artefacts dans les scènes à fort mouvement, précisément là où les versions précédentes bavaient. Une tête qui tourne rapidement, un panoramique rapide, des cheveux qui bougent, tout tient mieux ensemble, tout en préservant le fort taux de compression sur lequel repose la famille LTX.

Un meilleur encodeur de texte. La gestion des prompts est passée à un encodeur Gemma 4 12B fine-tuné associé à un améliorateur de prompt dédié. En pratique, il lit des instructions complexes à plusieurs sujets à partir de prompts plus courts, donc tu passes moins de temps à trop spécifier.

Durée automatique. La longueur du clip est déduite de l'action que tu décris plutôt que réglée manuellement en images.

Pour l'échelle : sur du matériel datacenter, LTX-2.5 rend 10 secondes de 720p en moins de 7 secondes. C'est ce chiffre qui rend viable la facturation du rendu cloud à la clip.

Ce sont les capacités du moteur. Elles arrivent dans tendre.AI progressivement, version après version. Le changelog est la référence pour ce qui est actif dans la version que tu utilises.

Comment tendre.AI intègre LTX-2.5

tendre.AI applique sa règle habituelle : local en priorité, cloud uniquement pour les tâches lourdes que tu choisis.

• Les images restent 100% locales. Chaque image fixe est générée sur ton propre GPU, rien n'est envoyé.
• La vidéo LTX-2.5 tourne sur un GPU cloud, à la demande. L'audio et la vidéo synchronisés sont gourmands en calcul, donc ils tournent sur un GPU distant et sont facturés à la clip en crédits. C'est optionnel : si tu génères uniquement des images, ton flux de travail local et privé ne change pas.
• Les mêmes personnages dans les deux cas. Parce que la vidéo part de tes images locales, l'identité que tu as construite passe dans le clip.

Note de migration : tendre.AI intègre activement LTX-2.5 dans l'application. La vidéo avec son jusqu'en 1080p arrive progressivement au fur et à mesure que la migration se complète. Le flux de travail local pour les images n'est pas affecté.

La limite de contenu s'applique toujours

LTX-2.5 ne change pas la règle ferme de tendre.AI. Tout ce qui est généré est 100% synthétique : aucune vraie personne n'est représentée, et chaque sujet est clairement un adulte. Le modèle est un outil pour du contenu fictif, adulte et généré par IA, rien d'autre.