OpenMontage 实战基于 LTX-2.3 22B 的 AI 视频生成工具使用指南【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage本文聚焦 OpenMontage 视频生产体系中基于 Lightricks LTX-2.3 22B DiT 模型的视频生成能力讲解文本生视频text-to-video、图生视频image-to-video的命令行用法、全部核心参数、提示词工程规范以及 Modal 云端部署流程。读完本文你将能够把 LTX-2 作为 b-roll 素材、动画背景、动态肖像与片头片尾的生成引擎无缝接入 OpenMontage 的剪辑、配音与合成流水线。快速上手两条命令生成你的第一段视频LTX-2.3 是 OpenMontage 工具链中一个 22B 参数的 DiT 视频生成模型可运行在 Modal 云 GPUA100-80GB上也支持本地 GPU 推理。使用时仅需在.env中配置MODAL_LTX2_ENDPOINT_URL。以下命令来自技能文档 .claude/skills/ltx2/SKILL.md 的 Quick Reference可直接复制运行# 文生视频一段电影感的日落海景 python3 tools/ltx2.py --prompt A sunset over the ocean, golden light on waves, cinematic --output sunset.mp4 # 图生视频为静态图片添加缓慢镜头漂移 python3 tools/ltx2.py --prompt Gentle camera drift, soft ambient motion --input photo.jpg --output animated.mp4 # 自定义分辨率与时长16:9 宽屏、约 6.7 秒 python3 tools/ltx2.py --prompt ... --width 1024 --height 576 --num-frames 161 --output wide.mp4 # 快速模式减少采样步数缩短出片时间 python3 tools/ltx2.py --prompt ... --quality fast --output quick.mp4 # 可复现输出固定随机种子 python3 tools/ltx2.py --prompt ... --seed 42 --output reproducible.mp4其中tools/ltx2.py是面向 Agent 与开发者暴露的 CLI 入口其底层调用关系与 OpenMontage 工具注册表中的ltx_video_modal/ltx_video_local两个工具一一对应下文会从源码层面展开说明。参数详解每个命令行开关的含义与约束技能文档定义了完整的参数表实际使用中每个参数都会透传到底层推理请求理解约束条件可以避免大量失败重试参数默认值说明--prompt必填视频内容文本描述--input-图生视频的输入图片路径--width768视频宽度必须能被 64 整除--height512视频高度必须能被 64 整除--num-frames121帧数必须满足(n-1) % 8 0--fps24帧率--qualitystandardstandard30 步或fast15 步--steps30直接覆盖推理步数--seed随机随机种子用于结果复现--outputauto输出文件路径--negative-prompt合理默认指定需要规避的内容宽度与高度必须能被 64 整除这是由 LTX VAE 的空间压缩倍数决定的帧数约束则来自模型的时间维压缩结构。从源码 tools/video/_shared.py 可以看到generate_ltx_modal_video会在请求发出前对帧数做归一化修正——若(num_frames - 1) % 8 ! 0会自动回退到最近的合法值((num_frames - 1) // 8) * 8 1避免非法参数打到 Modal 端点。合法帧数速查表帧数必须满足(n - 1) % 8 0各档位对应的时长如下24fps 下计算帧数约时长典型用途25~1s极短视频片段49~2s动态背景微动73~3s短 b-roll97~4s常规转场素材121~5s默认标准片段161~6.7s较长镜头193~8s实际最长单片段上限源码 tools/video/_shared.py 中维护了LTX2_FRAME_COUNTS映射表generate_ltx_modal_video支持通过duration_hint如5s直接选择档位。常用分辨率分辨率比例说明768x5123:2默认质量与速度的平衡点512x5121:1方形生成最快1024x57616:9宽屏横屏576x10249:16竖屏/短视频源码中的 aspect-ratio 路由逻辑与此一致当width/height未显式指定时generate_ltx_modal_video会按aspect_ratio16:9 / 9:16 / 1:1分别映射到 1024x576、576x1024、512x512见 tools/video/_shared.py。提示词工程让 LTX-2 听懂电影语言LTX-2 对电影化的场景描述响应最佳。技能文档建议从以下维度组织提示词且总长度控制在 200 词以内镜头CameraSlow dolly forward慢推、Aerial drone shot无人机航拍、Tracking shot跟拍、Static wide angle静态广角光线LightingGolden hour黄金时刻、Cinematic lighting电影布光、Neon-lit霓虹、Soft diffused light柔和漫射光运动MotionTimelapse of...延时、Slow motion慢动作、Gentle camera drift轻微镜头漂移、Gradually transitions渐进过渡风格StyleShot on 35mm film35mm 胶片、Documentary style纪录片风格、Clean minimal aesthetic干净极简美学负面提示Negative模型内部总是隐式规避 worst quality, blurry, jittery, watermark, text, logo仓库中另有专门的提示词指南 skills/creative/prompting/ltx-prompting.md它给出了更结构化的 LTX 专属六要素框架与技能文档互补确立镜头——使用匹配类型的电影摄影术语设定场景——光线、色调、纹理、氛围描述动作——从始至终的自然动作序列定义角色——用身体特征年龄、发型、服装而非抽象标签镜头运动——说明运动方式与时机并描述运动之后出现的内容注意dolly推拉平移机位与zoom变焦仅改变焦距属于不同运动族不可混用描述音频——环境声、音乐、语音或歌唱严格的静态镜头规则如果提示词中出现 static camera则该镜头必须完全没有运动、没有焦点变化、没有变焦。LTX 会按字面意思理解 static——其后若再追加任何运动动词要么被忽略要么产生镜头自相矛盾的画面故障。请二选一要么声明静态要么只声明单一具名运动。运动后的结果描述LTX 渲染镜头运动时描述运动揭示的结果比描述运动本身更准确❌ 不要写Camera pans left✅ 应该写Camera pans left to reveal a bustling market square镜头左摇显露出繁忙的集市广场音频提示LTX-2 独有能力LTX-2 会同步生成与画面匹配的环境音频可用具体描述词引导类别示例环境声coffeeshop noise咖啡馆嘈杂声、wind and rain风雨声、forest with birdsong林间鸟鸣人声风格energetic announcer激昂播音员、resonant voice with gravitas浑厚庄重嗓音、childlike curiosity童真好奇音量whisper低语、mutter嘀咕、shout呼喊、scream尖叫音乐soft acoustic guitar轻柔木吉他、electronic beat building渐进电子节拍对白需要放在引号中如The narrator says: Welcome to the future.并可指定语言/口音如speaks in British English with a warm tone。优质提示词示例# 氛围感 b-roll Aerial drone shot slowly flying over turquoise ocean waves breaking on white sand, golden hour sunlight, cinematic # 产品/科技场景 Close-up of hands typing on a mechanical keyboard, shallow depth of field, soft desk lamp lighting, cozy atmosphere # 抽象背景 Dark moody abstract background with flowing blue light streaks, subtle geometric grid, bokeh particles floating, cinematic tech atmosphere # 动态肖像 Professional headshot, subtle natural head movement, confident warm expression, studio lighting, shallow depth of field # 幻灯片/截图动画 Gentle subtle particle effects floating across a presentation slide, soft ambient light shifts, very slight camera drift应避免的提示词模式过于模糊A cool video——模型无法据此决策画面构成竞争性想法过多A cat riding a skateboard while juggling fire on the moon during a thunderstorm——多主体复杂物理会导致画面失焦要求渲染文字/UIA website showing the text Welcome to our platform——模型无法可靠渲染可读文字ltx-prompting.md进一步提示超过约 80 词的提示词会使 LTX-2 质量下降请精选最重要的 5–6 个要素避免描述内部情绪状态sadconfused改用视觉线索泪水、佝偻姿态、皱眉避免复杂物理爆炸、飞溅不要堆叠互相冲突的光线描述。视频生产中的典型应用场景技能文档给出了四个可直接套用的生产用例1. 旁白间的 b-roll 转场镜头生成 5 秒氛围镜头穿插在解说场景之间python3 tools/ltx2.py --prompt Futuristic holographic interface, glowing data visualizations, clean workspace, cinematic --output broll_tech.mp4 python3 tools/ltx2.py --prompt Aerial view of European city at golden hour, modern architecture --output broll_europe.mp42. 幻灯片动画背景把静态幻灯片截图喂给模型叠加轻微粒子与光效python3 tools/ltx2.py --prompt Gentle particle effects, soft ambient light shifts, very slight camera drift --input slide.png --output animated_slide.mp43. 动态肖像让静止的头部特写活起来python3 tools/ltx2.py --prompt Subtle natural head movement, warm expression, professional lighting --input headshot.png --output animated_portrait.mp44. 品牌片头/片尾为标题卡生成抽象动态背景注意追加 no text 避免模型生成文字python3 tools/ltx2.py --prompt Dark moody background with flowing blue and coral light streaks, bokeh particles, cinematic tech atmosphere, no text --output intro_bg.mp4与其他工具的组合工作流LTX-2 产出的是原始素材片段需与 OpenMontage 工具链的其余部分组合工作流工具链生成片段 → 超分ltx2.py→upscale.py生成片段 → 接入 Remotionltx2.py→ 在 composition 中作为OffthreadVideo使用生成图片 → 动画化flux2.py→ltx2.py --input生成片段 → 抽取音频ltx2.py→ffmpeg -i clip.mp4 -vn audio.wav生成片段 → 叠加配音ltx2.py→ 与qwen3_tts.py输出混音关于生成片段如何接入 Remotion 合成可参考 remotion-composer/src/CinematicRenderer.tsx关于多片段拼接与音频混录可查阅 skills/creative/video-stitching.md 与 tools/audio/audio_mixer.py。技术规格与已知限制运行参数技能文档给出的参考规格以 Modal A100-80GB 运行为前提模型LTX-2.3 22B DiTLightricksbf16 精度GPUModal 上的 A100-80GB约 $4.68/小时推理耗时约 2.5 分钟/片段768x512、121 帧、30 步成本约 $0.20–0.25/5 秒片段冷启动约 60–90 秒需加载约 55GB 权重输出H.264 MP4自带同步环境音24fps单片段最长约 8 秒193 帧已知限制务必在选型前评估训练数据伪影约 30% 的生成结果可能带训练数据中的水印/文字换用不同--seed重跑即可文字渲染无法在视频中可靠生成可读文字请用 Remotion 叠加层代替时长上限单片段约 8 秒更长内容需要拼接音频类型生成的音频仅为环境/氛围音语音与音乐需使用专门的配音与音乐工具许可Community License——年收入低于 $1000 万免费超出需商业授权在工具注册表中这两个工具的声明信息也印证了上述约束ltx_video_modal的stability为 EXPERIMENTAL、determinism为 STOCHASTIC、best_for标注为自托管云 GPU 渲染不依赖本地工作站见 tools/video/ltx_video_modal.py并将ltx_video_local、wan_video、hunyuan_video、cogvideo_video列为回退工具ltx_video_local则定位为已围绕 LTX 提示词调优的本地工作流见 tools/video/ltx_video_local.py。部署与设置从零到可用的四步技能文档给出了完整的 Modal 部署流程# 1. 创建 HuggingFace Modal 密钥一次性操作 modal secret create huggingface-token HF_TOKENhf_your_token # 2. 部署下载约 55GB 权重约 10 分钟 modal deploy docker/modal-ltx2/app.py # 3. 将端点 URL 写入 .env echo MODAL_LTX2_ENDPOINT_URLhttps://yourname--video-toolkit-ltx2-ltx2-generate.modal.run .env # 4. 测试 python3 tools/ltx2.py --prompt A candle flickering on a dark table, cinematic --output test.mp4重要前提HuggingFace token 需要 read-access 权限部署前需接受 Gemma 3 许可协议google/gemma-3-12b-it-qat-q4_0-unquantized未认证的下载会受到严重速率限制。备选本地 GPU 推理路径除 Modal 云端外OpenMontage 还提供本地 LTX 推理工具ltx_video_local。从 tools/video/_shared.py 与 docs/PROVIDERS.md 看其启用条件为export VIDEO_GEN_LOCAL_ENABLEDtrue uv pip install diffusers transformers accelerate torch pillow requests本地变体ltx2-local的模型为Lightricks/LTX-2默认 768x512、121 帧、30fps需约 12GB VRAM见 tools/video/_shared.py。设备选择遵循 cuda mps cpu 的优先级bf16 仅在 CUDA 且硬件支持时启用CPU 退化为 float32见 tools/video/_shared.py。源码级原理调用链与工具注册技能文档描述的能力在 OpenMontage 中由两条路径实现理解调用链有助于排查问题与二次开发Modal 云路径CLI 入口tools/ltx2.py→ 工具类LTXVideoModaltools/video/ltx_video_modal.py→generate_ltx_modal_videotools/video/_shared.py。该函数从环境变量读取MODAL_LTX2_ENDPOINT_URL构造含prompt、width、height、num_frames、fps固定 24、steps默认 30及内置负面提示 worst quality, low quality, blurry, distorted, watermark, text, logo 的 JSON 载荷图生视频时把本地图片 base64 编码为input_image字段或透传input_image_url。响应既支持直接返回视频字节流也支持返回video_url后二次下载。本地路径工具类LTXVideoLocaltools/video/ltx_video_local.py→generate_local_videotools/video/_shared.py通过 diffusers 的LTXPipeline在本地 GPU 上执行采样用export_to_video按模型规定的 fps 写出 MP4。两个工具在视频路由中的位置可从 tools/video/video_selector.py 看到——路由表将ltx2-local映射到本地引擎并由 AGENT_GUIDE.md 将ltx2技能登记为视频生成类 Agent 技能之一与seedance-2-0、gemini-omni、ai-video-gen等并列Agent 可根据MODAL_LTX2_ENDPOINT_URL是否配置来自动判定该工具是否可用get_status检查见 tools/video/ltx_video_modal.py。结语把 LTX-2 放进你的视频生产流水线LTX-2.3 22B 在 OpenMontage 中扮演低成本、快节奏素材引擎的角色单片段约 5 秒、$0.20–0.25 成本、自带环境音、支持图文双输入非常适合 b-roll、动画背景、动态肖像与片头片尾等不需要精确文本渲染的场景。配合 Remotion 合成、upscale 超分与 TTS 配音工具即可构建一条从提示词到成片的完整自动化链路。牢记帧数约束、分辨率对齐与静态镜头提示词规则并用--seed处理约 30% 的伪影概率就能稳定获得可用的生产素材。【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考