Aller au contenu principal
← Retour aux actualités

LTX-2.5 : vidéo et audio synchronisés en local, 22B de paramètres et multishot natif

Recherche
Source:Hugging Face
Lightricks publie LTX-2.5, en poids ouverts : génération vidéo avec audio synchronisé à partir de texte, d'image ou de vidéo, avec multishot natif qui préserve l'identité et le style entre les scènes, un nouveau décodeur vidéo par diffusion à la place de l'étape VAE et un encodeur de texte Gemma 4 12B. Les poids sont pensés pour l'exécution et l'ajustement fin sur votre propre infrastructure.
Lire l'article original

Articles connexes

Nemotron-Parse : la famille OCR de NVIDIA pour lire vos documents en local

NVIDIA a réédité Nemotron Parse (v1.1, v1.2, 2.0) dans la même semaine du 20 octobre : moins d'un milliard de paramètres, structure de page incluse. Installation locale avec vLLM, et limites honnêtes.

Qwen-Image 2.1 : générer et éditer des images en local

Le modèle open de 7B de Qwen qui génère, édite et crée des images transparentes : comment le faire tourner en local avec diffusers et ComfyUI.

Coûts : local vs API, avec les vrais chiffres

Combien coûte vraiment le local par rapport à une API cloud ? Tarifs par token vérifiés, amortissement de la carte graphique, électricité et point de rentabilité, calculé avec les vrais chiffres.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.

Ressources liées

Outils et ressources des archives iaLocale pertinents pour ce contenu.

Kandinsky 6.0 Video

Modèles

Les modèles fondateurs de Kandinsky Lab pour la génération synchronisée de vidéo et d'audio : à partir d'un prompt, ils génèrent des clips vidéo avec audio aligné, publiés en poids ouverts. Premier papier de la journée sur Hugging Face (2026-10-06), avec points de contrôle et Spaces déjà disponibles.

⚡

faster-whisper

Inférence

Réimplémentation de Whisper basée sur CTranslate2 : jusqu'à 4 fois plus rapide qu'openai/whisper avec la même précision et moins de mémoire. Prise en charge de la quantification 8-bit sur CPU et GPU.

💎

Gemma 4 12B

Modèles

La taglia 12B della famiglia Gemma 4 di Google: 11,95B dense, contesto 256K e multimodalità integrata senza encoder separati (testo+immagini+audio). Licenza Apache 2.0. In Q4_K_M occupa circa 7,4GB: il punto di equilibrio tra qualità e requisiti hardware per l'uso locale su 8-16GB.

🎵

Kokoro-82M

Modèles

Modèle de synthèse vocale de 82M de paramètres sur architecture VITS, Apache-2.0 pour les poids, avec des voix dans des dizaines de langues et une qualité surprenante pour sa taille. Tourne efficacement même uniquement sur CPU.

Parcourir toutes les ressources