LTX Video من Lightricks هو واحد من أسرع نماذج الفيديو بالذكاء الاصطناعي مفتوحة المصدر المتاحة، إذ يولّد مقاطع عالية الجودة تقريبًا في الوقت الفعلي. يشرح هذا المقال بالتفصيل كيف يعمل، ولماذا تهم السرعة في إنتاج الفيديو بالذكاء الاصطناعي، وكيف يقارن بالبدائل الأبطأ، وكيف يمكنك أن تبدأ في إنشاء فيديوهاتك الخاصة الآن دون أي إعداد.
غيّر LTX Video قواعد اللعبة في إنشاء فيديوهات الذكاء الاصطناعي. قبل ظهوره، كان توليد مقطع واحد مدته 5 ثوانٍ باستخدام معظم نماذج تحويل النص إلى فيديو يعني الانتظار من 2 إلى 10 دقائق في كل محاولة. خفّض LTX Video تلك المدة إلى ثوانٍ، ليصبح أول نموذج مفتوح المصدر يصل إلى توليد الفيديو في الوقت الفعلي. هذا ليس ادعاءً تسويقيًا. إنه إنجاز معماري قابل للقياس يُحدث فرقًا حقيقيًا في طريقة عملك.
يشرح هذا المقال ما هو LTX Video، وكيف يحقق سرعته، وكيف يقارن بالبدائل، وكيف تبدأ استخدامه اليوم بالتفصيل.
LTX Video هو نموذج انتشار لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو، طوّرته Lightricks، الشركة التي تقف وراء أدوات الإبداع الاحترافية للهواتف المحمولة التي يستخدمها ملايين الأشخاص حول العالم. أُطلق للعموم كمشروع مفتوح المصدر على Hugging Face، وصُمّم LTX Video منذ البداية ليعطي الأولوية لسرعة التشغيل دون التفريط في الاتساق البصري الذي يجعل الفيديو بالذكاء الاصطناعي مفيدًا فعلًا في سياقات الإنتاج.
قدّم الإصدار الأصلي فيديوهات بمعدل 24 إطارًا في الثانية وبدقة 768x512. ومنذ ذلك الحين توسّعت عائلة النموذج توسعًا كبيرًا. يتجه LTX 2 Pro نحو دقة 4K، ويركّز LTX 2 Fast على أقصى إنتاجية للتكرار السريع، ويستخدم LTX 2 Distilled تقطير النموذج لتقليص وقت التوليد أكثر. وتأتي أحدث الإصدارات، LTX 2.3 Pro وLTX 2.3 Fast، لتضع توليد فيديو بدقة 4K في أسرع طرف من الطيف المتاح في أي نموذج مفتوح المصدر.
هذا التمييز أهم مما يبدو للوهلة الأولى. بنت Lightricks LTX Video كأداة بمستوى إنتاجي احترافي، لا كنموذج تجريبي أو ورقة أكاديمية. وتعكس القرارات الهندسية هذه الأولوية: النموذج مُحسّن للتشغيل على عتاد متاح، والمعمارية مصممة لتقليل زمن الاستجابة في كل مرحلة، وإطلاقه مفتوح المصدر يتيح الاستضافة الذاتية والتحسين المباشر من المجتمع. أما معظم النماذج المنافسة فتأتي من مؤسسات تركّز على البحث أولًا، حيث تُعامل سرعة التشغيل كشأن ثانوي بعد درجات الاختبارات المعيارية.
والنتيجة نموذج صُمّم فعلًا ليُستخدم، لا ليُعرض فقط.
لم يكن إطلاق LTX Video مفتوح المصدر إفصاحًا محدودًا أو متأخرًا. فقد أُتيحت الأوزان الكاملة ومواصفات المعمارية وتفاصيل التدريب للعموم. وهذا مهم لثلاثة أسباب ملموسة: يستطيع المطورون استضافته ذاتيًا بالكامل، ويستطيع المجتمع إجراء الضبط الدقيق له لأنماط بصرية ومجالات موضوعية محددة، ولا يوجد أي قفل على مزوّد واحد عند بناء المنتجات أو سير العمل حوله.
بالنسبة للفرق التي تقيّم أدوات الفيديو بالذكاء الاصطناعي للاستخدام الإنتاجي طويل الأمد، يغيّر توفره مفتوح المصدر ملف المخاطر بشكل كبير.
السرعة في الفيديو بالذكاء الاصطناعي ليست مجرد تحسين لجودة الحياة. إنها تحوّل جوهري في ما يمكن للأداة أن تُستخدم فيه فعليًا داخل سير عمل حقيقي.
تحتاج معظم نماذج تحويل النص إلى فيديو إلى ما بين 2 و8 دقائق لتوليد مقطع قصير واحد. للوهلة الأولى، يبدو ذلك مقبولًا. عمليًا، يعني هذا أن تكرار تعديل أمر نصي واحد يتطلب إعداد مهمة توليد، ثم الانتظار، ثم تقييم النتيجة، ثم تعديل الأمر النصي، ثم الانتظار من جديد. تستغرق جلسة إبداعية تضم 10 تنويعات للأمر النصي أكثر من ساعة قبل أن ترى جميع النتائج.
يولّد LTX Video المقطع نفسه في أقل من 10 ثوانٍ على وحدات معالجة الرسوميات (GPU) من الفئة الاستهلاكية. تستغرق جلسة تضم 10 تنويعات نفسها أقل من 2 دقيقة. ينتقل سير العمل من المعالجة الدفعية ذات حلقات الملاحظات الطويلة إلى شيء يشعر بأنه تفاعلي واستكشافي حقًا.
القيمة الحقيقية تكمن في ما يتيحه التكرار السريع عمليًا:
💡 نصيحة احترافية: استخدم سرعة LTX Video للموافقة السريعة على المفهوم، ثم صيّر مقطعك النهائي المعتمد بدقة 4K باستخدام LTX 2 Pro أو LTX 2.3 Pro للحصول على مخرجات نهائية.
فهم سبب سرعة LTX Video يتطلب النظر إلى الخيارات المعمارية المحددة التي تفصله عن البدائل الأبطأ في عالم الفيديو مفتوح المصدر.
اعتمدت معظم نماذج توليد الفيديو الأولى على معماريات UNet موروثة مباشرة من نماذج انتشار الصور. تعمل UNet بمعالجة المعلومات عبر مُشفّر يضغط المدخلات إلى عنق زجاجة، ثم مُفكّك يوسّعها مرة أخرى. وهذا يصلح للصور الثابتة لكنه يتوسع بصعوبة مع الفيديو بسبب البعد الزمني الإضافي: فكل إطار إضافي يضاعف حمل الحوسبة.
يستخدم LTX Video معمارية Diffusion Transformer (DiT). تعالج المحوّلات المعلومات عبر آليات الانتباه التي تتوسع بكفاءة أكبر مع التسلسلات الأطول. وفي الفيديو، حيث يكون المقطع في الأساس تسلسلًا ممتدًا من الإطارات تربطها علاقات حركة، يترجم هذا الخيار المعماري مباشرة إلى اتساق زمني أفضل وتكلفة استدلال أقل لكل إطار.
يحسّن تصميم DiT أيضًا دقة ربط النص. إذ تدمج آلية الانتباه الأمر النصي في كل طبقة من الشبكة، لا عند عنق الزجاجة فقط، ما يعني أن النموذج يتبع أوصاف الأوامر النصية بدقة أكبر من نماذج الفيديو الأقدم القائمة على UNet.
تحتاج نماذج الانتشار القياسية إلى عشرات إلى مئات خطوات إزالة الضوضاء لإنتاج مخرج نظيف. كل خطوة تمرير أمامي كامل عبر النموذج، ويتناسب زمن الاستدلال الإجمالي خطيًا مع عدد الخطوات. فالنموذج الذي يحتاج 50 خطوة سيستغرق دائمًا عشرة أضعاف الوقت مقارنةً بنموذج يعمل على 5 خطوات بالحجم المعماري نفسه.
يستخدم LTX Video تقطير درجات الاحتمال، وهي تقنية تدريب يتعلم فيها نموذج أصغر أو معدَّل أن يطابق جودة مخرجات نموذج مرجعي أكبر، مع استخدام خطوات إزالة ضوضاء أقل بكثير. ويذهب LTX 2 Distilled بهذا الأسلوب إلى أبعد حد، إذ يعمل بعدد خطوات استدلال يصل إلى 4 فقط مع الحفاظ على جودة قابلة للاستخدام للمعاينات وموافقات المسودات.
هذا هو السبب الرئيسي لتحقيق LTX Video توليدًا في الوقت الفعلي حيث تعجز النماذج المماثلة.
قبل أن يدخل تسلسل الفيديو عملية الانتشار، يضغطه LTX Video في البعدين المكاني (دقة الإطار) والزمني (عدد الإطارات) باستخدام Video VAE، وهو مُشفّر ذاتي متغير مُكيَّف للفيديو. ينتج عن ذلك تمثيل كامن مضغوط يعمل عليه المحوّل، بدلًا من العمل مباشرة على بيانات البكسل كاملة الدقة.
والنتيجة العملية: يعالج النموذج تمثيلًا أصغر بنحو 8 مرات من الفيديو الفعلي، مع الحفاظ على أنماط الحركة والتفاصيل البصرية اللازمة للتوليد المتسق. وعند اكتمال إزالة الضوضاء، يوسّع مفكّك VAE الكامن مرة أخرى إلى دقة البكسل الكاملة.
الضغط المكاني الزمني هو السبب الجوهري الثاني الذي يجعل LTX Video يعمل بسرعة حتى على عتاد كان سيعاني مع المعماريات المنافسة.
لا يوجد LTX Video في فراغ. ولفهم مكانه، يلزم مقارنته مباشرة بالنماذج التي ينافسها عبر أبعاد السرعة والجودة والقدرات التي تهم العمل الفعلي.
| النموذج | السرعة | أقصى دقة | مفتوح المصدر | الأفضل لـ |
|---|---|---|---|---|
| LTX Video | في الوقت الفعلي (~5 ثوانٍ) | 768p | نعم | التكرار السريع، والنماذج الأولية |
| LTX 2 Fast | سريع جدًا | 1080p | نعم | السرعة مع دقة أعلى |
| LTX 2 Pro | سريع (~30 ثانية) | 4K | نعم | المخرجات النهائية، جودة عالية |
| LTX 2.3 Pro | سريع | 4K | نعم | التوازن بين السرعة و4K |
| Kling v2.6 | متوسط (~دقيقتان) | 1080p | لا | جودة الحركة السينمائية |
| Wan 2.7 T2V | متوسط | 1080p | نعم | تصيير المشاهد التفصيلية |
| Sora 2 | بطيء (~5 دقائق) | HD | لا | المخرجات الفاخرة طويلة الشكل |
| Veo 3 | بطيء | 1080p | لا | الصوت الأصلي، الواقعية الفوتوغرافية |
يتفوق LTX Video في سرعة الاستدلال بفارق كبير عبر فئة المصادر المفتوحة بأكملها. لا يقترب أي نموذج مفتوح منافس من زمن توليده عند مستويات جودة مكافئة. وبالنسبة لسير العمل الذي تهم فيه سرعة التكرار أكثر من الصقل إطارًا بإطار، فهو الخيار الواضح.
تعني طبيعته مفتوحة المصدر أيضًا أنه يعمل محليًا، ما يُلغي الاعتماد على API وتكاليف كل عملية توليد بعد نشره. بالنسبة لحالات الإنتاج عالية الحجم، يتراكم هذا الفرق الاقتصادي بسرعة.
ينتج Kling v2.6 وVeo 3 وSora 2 حركة أكثر صقلًا سينمائيًا، لكن بتكلفة أوقات توليد أطول بكثير. وبالنسبة للإنتاج بجودة البث، حيث يحتاج كل إطار إلى صقل احترافي، تحافظ النماذج التجارية المغلقة حاليًا على أفضلية في الجودة المدركة والتعامل مع فيزياء الحركة المعقدة.
يقدّم Seedance 1 Pro وHailuo 02 نتائج قوية في نطاق السرعة المتوسط، مع قدرات توليد صوت مدمجة لا يقدمها LTX Video بشكل أصلي، ما يجعلهما أنسب للمحتوى الذي يتطلب صوتًا متزامنًا.
تستضيف PicassoIA عائلة LTX Video كاملة، ما يعني أنه يمكنك الوصول إلى كل إصدار من LTX Video الأصلي حتى LTX 2.3 Pro دون أي تثبيت محلي أو متطلبات GPU أو إعداد تقني.
ينبغي أن يتوافق اختيارك لنموذج LTX مع هدفك الحالي في عملية الإنتاج:
يستجيب LTX Video بشكل أفضل بكثير للأوامر النصية التي تصف الحركة صراحةً، لا مجرد وصف المشهد. فأوصاف المشاهد الثابتة تُنتج نتائج تبدو ساكنة بصريًا، حتى عندما تكون الحركة موجودة من الناحية التقنية.
أمر نصي ضعيف: "امرأة تمشي في حديقة"
أمر نصي قوي: "امرأة ترتدي فستانًا أزرق فاتحًا تمشي ببطء عبر حديقة مشمسة، ويتحرك شعرها بنسيم لطيف، وتتساقط أوراق في المقدمة، والكاميرا تتتبعها من الجانب الأيمن على مستوى العين"
الإضافات التي تُحدث فرقًا: اتجاه الحركة، وعناصر الحركة الثانوية مثل الشعر أو الأوراق، وسلوك الكاميرا، والتفاصيل البيئية المحددة. تُوجّه هذه الإشارات النمذجة الزمنية في عملية الانتشار مباشرة، وتُنتج حركة أكثر ديناميكية وقصدية.
بالنسبة إلى LTX 2 Pro وLTX 2.3 Pro، ولّد بدقة 720p أثناء التكرار، وارفع الدقة فقط للقطات المعتمدة. فتوليد كل مسودة بأقصى دقة 4K يضيف وقتًا غير ضروري حتى مع نموذج سريع، والتكوين وجودة الحركة اللذان تقيّمهما يظهران بالوضوح نفسه بدقة 720p.
من أكثر سير العمل فعالية مع LTX Video تزويده بإطار بداية مرجعي بدلًا من الاعتماد على النص وحده. ولّد صورة ثابتة واقعية باستخدام نموذج تحويل النص إلى صورة، ثم أدخلها إلى LTX Video كالإطار الأول للفيديو. يمنحك هذا تحكمًا دقيقًا في الشخص والتكوين والإضاءة ولوحة الألوان قبل إضافة طبقة الحركة.
💡 نصيحة سير العمل: ولّد إطار المرجع باستخدام نموذج عالي الجودة لتحويل النص إلى صورة، ثم حرّكه باستخدام LTX Video للحصول على تحكم إبداعي دقيق في الأسلوب البصري واتجاه الحركة معًا.
ضبط توقعات دقيقة قبل التوليد يمنع الإحباط ويساعدك على اختيار النموذج المناسب لكل مهمة محددة.
💡 نصيحة الجودة: في التفاعلات الفيزيائية المعقدة، ركّز أمرك النصي على الأجواء والتكوين والشخصية بدلًا من إجراءات فيزيائية محددة. أوصاف الحركة الواضحة والبسيطة تُنتج أقوى النتائج.
LTX Video ليس الخيار الصحيح لكل مشروع. فمعرفة متى يناسب ومتى لا يناسب توفر وقت الإنتاج وتعطي نتائج أفضل من فرض الأداة الخطأ على المهمة الخطأ.
محتوى التواصل الاجتماعي قصير الشكل: يقع المحتوى المخصص لمنصات مثل Instagram Reels أو TikTok في صميم قدرات LTX Video. فالسرعة تعني أنه يمكنك إنتاج مسودات محتوى أسبوع كامل في فترة بعد الظهر، والجودة كافية تمامًا لسياقات المشاهدة على الهاتف.
إعداد القصص المصورة والتصور المسبق: تصور سريع لتسلسلات اللقطات وحركات الكاميرا وتكوينات المشاهد. يستخدم المخرجون والوكالات LTX Video لنقل الأفكار البصرية قبل الالتزام بإنتاج حي مكلف أو بنماذج ذكاء اصطناعي أبطأ في التصيير.
عروض المنتجات: تحريك صور المنتجات أو عروضها إلى مقاطع فيديو قصيرة محيطة للتجارة الإلكترونية والمواد التسويقية. قدرة تحويل الصورة إلى فيديو قوية بشكل خاص في هذا الاستخدام لأنها تحافظ على المظهر الدقيق للمنتج مع إضافة الحركة.
المحتوى الخلفي والمحيطي: مقاطع بيئية متكررة، وخلفيات الفعاليات، ولقطات الأجواء حيث تكون الواقعية المطلقة أقل أهمية من الحركة والمزاج. يجد مصورو الأعراس ومنظمو الفعاليات ومصممو العروض التقديمية قيمة كبيرة هنا.
النماذج الأولية قبل التصيير النهائي: ولّد مسودات سريعة لكل مشهد، ووافق على التكوينات واتجاهات الحركة الناجحة، ثم أعد تصيير المقاطع المعتمدة باستخدام LTX 2 Pro أو نموذج مغلق متميز للمخرج النهائي المصقول.
إذا كان مشروعك يتطلب تصويرًا سينمائيًا بجودة البث مع فيزياء حركة طبيعية، وتفاصيل دقيقة في الوجوه والبيئات، ودقة في الإضاءة السينمائية، فإن Kling v2.6 أو Veo 3 أو Sora 2 أنسب رغم أوقات توليدها الأطول.
إذا كان محتواك يتطلب صوتًا منطوقًا أو موسيقى متزامنة، فإن Seedance 1 Pro أو Hailuo 02 يقدمان قدرات توليد صوت أصلية لا يشملها LTX Video حاليًا.
بالنسبة للفيديو طويل الشكل الذي يتجاوز 15 ثانية لكل مقطع، تتفوق معظم نماذج الفيديو المتخصصة على LTX Video في الاتساق الزمني عند المدد الممتدة.
LTX Video ليس نموذجًا تكتفي بتقييمه من بعيد. أسرع طريقة لفهم ما يفعله هي تشغيل توليد ورؤية المخرج يظهر في الوقت الفعلي. لا يوجد بديل عن تلك اللحظة الأولى حين يُعرض أمامك فيديو وصفته بالنص بعد ثوانٍ من إرسال الأمر النصي.
تتوفر عائلة LTX الكاملة، من LTX Video الأصلي مرورًا عبر LTX 2 Distilled وLTX 2 Fast وLTX 2 Pro وLTX 2.3 Fast وصولًا إلى LTX 2.3 Pro، على PicassoIA دون أي تثبيت محلي أو متطلبات GPU أو إعداد تقني.
اكتب أمرًا نصيًا يصف ما تريد رؤيته يتحرك. حدّد هدف الدقة. ولّد. تستغرق النتيجة الأولى ثوانٍ، ومن هناك تكرّر وتصقل وتبني على ما ينجح. الفيديو بالذكاء الاصطناعي في الوقت الفعلي ليس شيئًا قادمًا، إنه موجود بالفعل، والأدوات لاستخدامه الآن متاحة في المنصة بانتظار أمرك النصي الأول.
اختر لغتك
