LTX-2.5: O Modelo de Áudio e Vídeo do tendre.AI

LTX-2.5 é o modelo de geração de áudio e vídeo que alimenta o vídeo dentro do tendre.AI. Pertence à família LTX de modelos de vídeo por difusão e a sua característica distintiva é gerar imagem e som em conjunto, num único modelo, em vez de produzir um clip sem som e deixar o áudio para uma ferramenta separada. Este artigo é uma análise técnica em linguagem acessível sobre como funciona e como o tendre.AI o integra.

Porque é que um modelo conjunto de áudio e vídeo importa

A forma antiga de obter um clip com som era uma pipeline: um modelo de vídeo gera os fotogramas, um modelo de áudio gera a faixa, e tu alinhas tudo manualmente. O problema é o alinhamento. O som gerado sem "ver" o movimento nunca encaixa com exatidão: um passo meio tempo atrasado, uma voz que não coincide com a boca, uma ambiência que ignora a cena.

O LTX-2.5 elimina essa pipeline. Como o mesmo modelo produz os fotogramas e o áudio, os dois são coerentes por construção: a banda sonora é condicionada pelo mesmo conteúdo que a imagem, por isso o movimento e o som ficam sincronizados desde a primeira geração, sem serem corrigidos a posteriori.

A arquitetura, em termos simples

O LTX-2.5 é um diffusion transformer (DiT). Duas ideias que vale a pena compreender:

• Difusão significa que o modelo começa a partir de ruído e vai removendo esse ruído passo a passo até chegar a um clip que corresponde ao teu prompt. É o mesmo princípio por detrás dos modelos de imagem modernos como o SDXL, estendido ao tempo.
• Transformer significa que o modelo atende a toda a sequência completa (ao longo dos fotogramas e da faixa de áudio) em vez de tratar cada fotograma de forma independente. Essa visão global é o que mantém o movimento estável e o áudio sincronizado com a ação ao longo de todo o clip.

Trabalhar sobre o clip completo de uma só vez, em vez de fotograma a fotograma, é a razão central pela qual o resultado se mantém coerente: os objetos conservam a sua forma, o movimento de câmara fica suave, e o som acompanha a imagem.

Texto para vídeo e imagem para vídeo

O LTX-2.5 suporta dois pontos de entrada, e o tendre.AI usa ambos:

• Texto para vídeo: descreve o plano, obtém um clip com som.
• Imagem para vídeo: começa a partir de uma imagem que já geraste localmente no tendre.AI e anima-a. O primeiro fotograma é a tua imagem, por isso a personagem e o estilo que definiste (com um LoRA ou uma seed fixa) passam diretamente para o vídeo.

Imagem para vídeo é o que torna real o fluxo de trabalho de "uma só ferramenta para imagem e vídeo": a imagem que adoras torna-se o fotograma inicial do clip, com a mesma face, com o mesmo aspeto.

Resolução: rascunhos primeiro, 1080p para os finais

O mesmo modelo suporta várias resoluções. Na prática, isso permite um fluxo de trabalho limpo:

• Formatos mais pequenos para iteração: rápido o suficiente para experimentar um prompt, ouvir o resultado, ajustar e repetir.
• 1080p (Full HD) para renders finais: o formato máximo que o tendre.AI entrega.

Tu fazes rascunhos em pequeno, defines o plano (movimento, enquadramento, áudio), e depois acabas o resultado final em 1080p, sem mudar de motor entre o rascunho e a entrega.

A eficiência é o ponto central

A linha LTX é conhecida por ser rápida para a sua qualidade. Essa eficiência não é uma métrica de vaidade: é o que torna os rascunhos rápidos e os finais em 1080p a pedido algo prático, em vez de trabalhos para a noite toda. Um modelo eficiente o suficiente para iterar muda a forma como trabalhas; exploras mais variações porque cada uma custa pouco em tempo.

O que a versão 2.5 trouxe

A Lightricks lançou o LTX-2.5 com pesos abertos a 11 de agosto de 2026. Quatro das suas mudanças são relevantes para quem gera clips.

Cenas multi-plano nativas. O modelo consegue renderizar planos encadeados, geral depois médio depois close-up, numa única geração, mantendo a personagem, o cenário, a iluminação e a voz estáveis ao longo dos cortes. Antes, uma sequência implicava renderizar cada plano separadamente e torcer para que a face e a luz coincidissem. Esta é a mudança que transforma um clip numa cena.

Um novo decoder de vídeo por difusão. O ganho mais visível em filmagens comuns: menos artefactos em cenas de movimento rápido, precisamente onde as versões anteriores desfocavam. Uma cabeça a virar-se rapidamente, um pan rápido, cabelo em movimento, tudo se mantém melhor, preservando a alta taxa de compressão em que a família LTX se apoia.

Um encoder de texto melhorado. O tratamento de prompts passou para um encoder Gemma 4 12B afinado, combinado com um melhorador de prompts dedicado. Na prática, lê instruções complexas com múltiplos sujeitos a partir de prompts mais curtos, por isso passas menos tempo a especificar em demasia.

Duração automática. A duração do clip é inferida a partir da ação que descrevas, em vez de ser definida manualmente em fotogramas.

Para ter noção da escala: em hardware de datacenter, o LTX-2.5 renderiza 10 segundos de 720p em menos de 7 segundos. Este número é o que torna a renderização em cloud faturada por clip viável.

Estas são capacidades do motor. Chegam ao tendre.AI progressivamente, versão após versão. O changelog é a referência para o que está disponível na versão que estás a usar.

Como o tendre.AI integra o LTX-2.5

O tendre.AI aplica a sua regra habitual: local primeiro, cloud apenas para o processamento pesado que escolhes.

• As imagens ficam 100% locais. Cada imagem é gerada na tua própria GPU, nada é enviado.
• O vídeo LTX-2.5 corre numa GPU em cloud, a pedido. Áudio e vídeo sincronizados exigem muito processamento, por isso correm numa GPU remota e são faturados por clip em créditos. É opcional: se só geras imagens, nada muda no teu fluxo de trabalho local e privado.
• As mesmas personagens em ambos. Como o vídeo começa nas tuas imagens locais, a identidade que construíste passa para o clip.

Nota de migração: o tendre.AI está a integrar ativamente o LTX-2.5 na app. O vídeo com som até 1080p chega progressivamente à medida que a migração avança. O fluxo de trabalho de imagens local não é afetado.

O limite de conteúdo continua a aplicar-se

O LTX-2.5 não altera a regra firme do tendre.AI. Tudo o que é gerado é 100% sintético: nenhuma pessoa real é retratada, e todos os sujeitos são inequivocamente adultos. O modelo é uma ferramenta para conteúdo fictício, adulto e gerado por IA, nada mais.