LTX-2.5: Il modello audio e video dentro tendre.AI

LTX-2.5 è il modello di generazione audio e video che alimenta il Video dentro tendre.AI. Appartiene alla famiglia LTX di modelli video diffusion e la sua caratteristica distintiva è che genera immagini e suono insieme, in un unico modello, invece di produrre una clip silenziosa e lasciare l'audio a uno strumento separato. Questo articolo è un'analisi tecnica in linguaggio semplice di come funziona e di come tendre.AI lo integra.

Perché un modello audio-video congiunto è importante

Il vecchio modo per ottenere una clip con audio era una pipeline: un modello video produce i frame, un modello audio produce una traccia, e tu le allinei a mano. Il problema è l'allineamento. L'audio generato senza "vedere" il movimento non cade mai nel punto giusto: un passo mezzo tempo in ritardo, una voce che non corrisponde alla bocca, un'ambienza che ignora la scena.

LTX-2.5 elimina quella pipeline. Poiché lo stesso modello produce i frame e l'audio, i due sono coerenti per costruzione: la colonna sonora è condizionata dagli stessi contenuti dell'immagine, quindi movimento e suono sono sincronizzati fin dalla prima generazione, non rattoppati in seguito.

L'architettura, in termini semplici

LTX-2.5 è un diffusion transformer (DiT). Due concetti vale la pena capire:

• Diffusion significa che il modello parte dal rumore e rimuove il rumore passo dopo passo verso una clip che corrisponde al tuo prompt. È lo stesso principio alla base dei moderni modelli di immagini come SDXL, esteso al tempo.
• Transformer significa che opera sull'intera sequenza (attraverso i frame e il flusso audio) invece di trattare ogni frame in modo indipendente. Questa visione globale è ciò che mantiene il movimento stabile e l'audio sincronizzato all'azione per tutta la durata della clip.

Lavorare sull'intera clip in una volta, invece che frame per frame, è la ragione principale per cui l'output rimane coerente: gli oggetti mantengono la loro forma, il movimento della telecamera rimane fluido e il suono segue l'immagine.

Testo-in-video e immagine-in-video

LTX-2.5 supporta due punti di ingresso, e tendre.AI li usa entrambi:

• Testo-in-video: descrivi la scena, ottieni una clip con audio.
• Immagine-in-video: parti da un fermo immagine già generato localmente in tendre.AI e animalo. Il primo frame è la tua immagine, quindi il personaggio e lo stile che hai definito (con una LoRA o un seed fisso) si trasferiscono direttamente nel video.

L'immagine-in-video è ciò che rende reale il flusso di lavoro "un unico strumento per immagini e video": l'immagine che ami diventa il frame di apertura della clip, stessa faccia, stesso stile.

Risoluzione: prima le bozze, poi il 1080p per i finali

Lo stesso modello supporta più risoluzioni. In pratica questo offre un flusso di lavoro pulito:

• Formati più piccoli per l'iterazione: abbastanza veloci da provare un prompt, sentire il risultato, regolare e riprovare.
• 1080p (Full HD) per i render finali: il formato massimo che tendre.AI offre.

Abbozzi in piccolo, blocchi la scena (movimento, inquadratura, audio), poi finisci il risultato migliore in 1080p, senza cambiare motore tra bozza e consegna.

L'efficienza è il punto

La linea LTX è nota per essere veloce rispetto alla qualità. Quell'efficienza non è una metrica di vanità: è ciò che rende pratici i draft rapidi e i finali in 1080p su richiesta, invece di lavori notturni. Un modello abbastanza efficiente da iterare cambia il modo in cui lavori: esplori più varianti perché ognuna costa poco in termini di tempo.

Cosa ha portato la versione 2.5

Lightricks ha rilasciato LTX-2.5 con pesi open il 11 agosto 2026. Quattro dei suoi cambiamenti sono importanti per chi genera davvero clip.

Scene multi-shot native. Il modello può rendere inquadrature collegate, dal campo lungo al medio al primo piano, in un'unica generazione, mantenendo il personaggio, l'ambientazione, l'illuminazione e la voce stabili attraverso i tagli. Prima, una sequenza significava rendere ogni inquadratura separatamente e sperare che la faccia e la luce corrispondessero. È il cambiamento che trasforma una clip in una scena.

Un nuovo decoder video diffusion. Il guadagno più visibile sui filmati ordinari: meno artefatti nelle scene ad alto movimento, precisamente dove le versioni precedenti sbavano. Una testa che gira velocemente, una panoramica rapida, i capelli in movimento: tutto tiene meglio insieme, preservando l'elevato rapporto di compressione su cui si basa la famiglia LTX.

Un encoder di testo migliore. La gestione del prompt è passata a un encoder Gemma 4 12B ottimizzato abbinato a un prompt enhancer dedicato. In pratica legge istruzioni complesse con più soggetti da prompt più brevi, così perdi meno tempo a sovra-specificare.

Durata automatica. La lunghezza della clip viene dedotta dall'azione che descrivi invece di essere impostata manualmente in frame.

Per darti un'idea della scala: su hardware da datacenter, LTX-2.5 rende 10 secondi di 720p in meno di 7 secondi. Quel numero è ciò che rende possibile il rendering cloud fatturato per clip.

Queste sono capacità del motore. Arrivano in tendre.AI progressivamente, versione dopo versione. Il changelog è il riferimento per ciò che è attivo nella versione che stai usando.

Come tendre.AI integra LTX-2.5

tendre.AI applica la sua regola abituale: locale prima di tutto, cloud solo per il lavoro pesante che scegli tu.

• Le immagini rimangono 100% locali. Ogni fermo immagine viene generato sulla tua GPU, niente viene caricato.
• Il video LTX-2.5 gira su una GPU cloud, su richiesta. Audio e video sincronizzati richiedono molta potenza di calcolo, quindi girano su una GPU remota e vengono fatturati per clip in crediti. È opt-in: se generi solo immagini, nulla cambia nel tuo flusso di lavoro locale privato.
• Stessi personaggi in entrambi. Poiché il video parte dai tuoi fermi immagine locali, l'identità che hai costruito si trasferisce nella clip.

Nota sulla migrazione: tendre.AI sta integrando attivamente LTX-2.5 nell'app. Il video con audio fino a 1080p arriva progressivamente man mano che la migrazione si completa. Il flusso di lavoro delle immagini locali non è interessato.

Il limite sui contenuti si applica ancora

LTX-2.5 non cambia la regola ferma di tendre.AI. Tutto ciò che viene generato è 100% sintetico: nessuna persona reale è raffigurata e ogni soggetto è inequivocabilmente adulto. Il modello è uno strumento per contenuti fittizi, adulti e generati dall'IA, nient'altro.