FLUX 3 Video 可将文本提示词生成带原生音频的电影感短片
LTX 2.5 Fast Text To Video 将书面提示一次性转换为同步的音频视频剪辑。它是 LTX 2.5 的速度优化的文本到视频层 - 专为锁定最终结果之前的快速草稿和预览而构建。此页面纯文本;当您要跟随静止图像或配乐时,请使用“图像到视频”或“音频到视频”快速页面。
| 优势 | 这对您意味着什么 |
|---|---|
| 提示→AV一通 | 一起生成图片和原生音频,以便对话、SFX 和氛围融入镜头中。 |
| 快速迭代 | 以速度为中心的模式,用于探索相机语言、灯光和节拍,无需等待重量级渲染。 |
| 灵活的长度和分辨率 | 选择“auto”持续时间或 6-20 秒,并在 720p、1080p、1440p 或 4K (2160p) 进行投放。 |
| 可选相机宏 | 当您需要规定的相机路径时,应用移动车、摇臂、static 或焦点移动预设。 |
## 参数
此 LTX 2.5 Fast Text To Video 页面上的控件:
| 参数 | 必填 | 类型 | 默认 | 范围/选项 | 如何选择 |
|---|---|---|---|---|---|
提示* | 是 (*) | 字符串 | 示例提示 | 最多 5,000 个字符 | 构建主题、动作、摄像机、背景、风格和音频。 |
持续时间 | 没有 | 字符串 | auto | auto、6、8、10、12、14、16、18、20 | 使用“auto”作为模型推断的长度;计时锁定时固定秒数。 |
决议 | 没有 | 字符串 | 1080p | 720p、1080p、1440p、2160p | 汇票更便宜,720p;为决赛加油。 |
aspect_ratio | 没有 | 字符串 | 16:9 | 16:9、9:16 | 匹配横向网络/广告或垂直社交。 |
fps | 没有 | 整数 | 25 | 24、25、48、50 | 社论 (24/25) 或更平滑的运动 (48/50)。 |
generate_audio | 没有 | 布尔 | 真实 | “真”/“假” | 打开表示同步声音;关闭静音板。 |
camera_motion | 没有 | 字符串 | — | dolly_in、dolly_out、dolly_left、dolly_right、jib_up、jib_down、static、focus_shift | 可选的指定相机路径。 |
LTX 2.5 Fast Text To Video 按生成视频的每秒计费。每个分辨率都包含本机音频。
| 分辨率 | 每秒价格 | 6秒 | 10 秒 | 20 多岁 |
|---|---|---|---|---|
| 720p | 0.10 美元 | 0.60 美元 | 1.00 美元 | 2.00 美元 |
| 1080p | 0.14 美元 | 0.84 美元 | 1.40 美元 | 2.80 美元 |
| 1440p | 0.21 美元 | 1.26 美元 | 2.10 美元 | 4.20 美元 |
| 4K (2160p) | 0.33 美元 | 1.98 美元 | 3.30 美元 | 6.60 美元 |
对于批次,总计 ≈“持续时间 × 每秒速率 × 输出计数”。当时长为“auto”时,按照实际生成的时长计费。
LTX 2.5 Fast Text To Video 的可重用结构:
[主题 + 细节] + [随时间变化的动作] + [摄像机] + [背景 + 灯光] + [外观] + [音频] + [结局]
改进的提示示例
> 爵士三重奏在木镶板俱乐部中表演:立式贝司、拉丝鼓和穿着午夜蓝色西装的小号手。温暖的钨丝壁灯、柔和的薄雾、前景中的观众剪影。从左到右缓慢横向移动,然后轻轻推入喇叭铃。模拟胶片颗粒。音频:现场喇叭声、柔和的笔触、安静的房间杂音。
FLUX 3 Video 可将文本提示词生成带原生音频的电影感短片
生成 2K 电影感视频,支持精准口型同步与镜头控制。
将静态图变成动作自然、对白同步且创作可控的逼真视频场景。
从带有可选音频的多关键帧静态图像生成视频
Sora 2 轻松将图像转化为逼真视频,视觉与音频自然同步,激发创意灵感。
根据文字提示词生成 16:9 视频,可选择时长、分辨率、帧率以及是否生成音频。
LTX 2.5 Fast Text To Video 以速度优化模式将书面提示转换为同步音频视频剪辑。当您没有启动图像或驾驶音频床时,它是概念草稿、社交挂钩和相机/灯光预览的理想选择。
此页面仅包含文本:没有图像或音频参考输入。使用 LTX 2.5 Fast Text To Video 进行提示优先探索,然后在仍然必须锁定构图或身份时切换到图像到视频快速。
您可以将持续时间设置为 auto 或 6-20 秒,分辨率从 720p 到 4K (2160p),宽高比 16:9 或 9:16,FPS 24/25/48/50,可选的摄像机运动预设以及 generate_audio 打开或关闭。
是的。启用 generate_audio 后,图像和声音会一起产生,并且本机音频包含在每种分辨率的每秒价格中。禁用静音板的音频。
提示最多可包含 5,000 个字符。清晰的结构——主题、一个主要动作、摄像机、灯光、风格和音频——通常比满足限制更重要。
是的。在 RunComfy Web UI 中设置原型,然后通过 HTTP API 重用相同的 LTX 2.5 Fast Text To Video 参数进行批处理作业和产品集成。
按生成视频的每秒计费:720p 为 0.10 美元,1080p 为 0.14 美元,1440p 为 0.21 美元,4K (2160p) 为 0.33 美元。自动时长按实际生成时长计费。几代人消费美元/信用;新用户通常会收到免费试用金额。
当您需要快速预览和提示迭代时,请选择 LTX 2.5 Fast Text To Video。当您需要更重的参考控制或锁定的最终外观时,请转向更费力的管道或其他模型。
RunComfy 是首选的 ComfyUI 平台,提供 ComfyUI 在线 环境和服务,以及 ComfyUI 工作流 具有惊艳的视觉效果。 RunComfy还提供 AI Models, 帮助艺术家利用最新的AI工具创作出令人惊叹的艺术作品。





