Vai al contenuto principale
← Torna alle notizie

LTX-2.5: video e audio sincronizzati in locale, 22B di parametri e multishot nativo

Ricerca
Fonte:Hugging Face
Lightricks pubblica LTX-2.5, open weights: generazione video con audio sincronizzato a partire da testo, immagine o video, con multi-shot nativo che preserva identità e stile tra le scene, un nuovo decodificatore video a diffusione al posto della fase VAE e un encoder di testo Gemma 4 12B. I pesi sono pensati per l'esecuzione e il Fine-tuning su infrastruttura propria.
Leggi l'articolo originale

Articoli correlati

Nemotron-Parse: la famiglia OCR di NVIDIA per leggere i documenti in locale

NVIDIA ha rieditato Nemotron Parse (v1.1, v1.2, 2.0) nella stessa settimana del 20 ottobre: meno di 1 miliardo di parametri, struttura della pagina inclusa. Setup in locale con vLLM e limiti onesti.

Qwen-Image 2.1: generare e modificare immagini in locale

Il modello open da 7B di Qwen che genera, modifica e crea immagini trasparenti: come girarlo in locale con diffusers e ComfyUI.

Immagini in locale: ComfyUI 0.40 e comfy_attention - nuovo per tutti i modelli

ComfyUI 0.40 porta il motore di attenzione comfy_attention a tutti i modelli, attiva l'API di asset in locale e standardizza l'output 3D. La tabella VRAM per sapere cosa gira sul tuo hardware.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

Risorse correlate

Strumenti e risorse dell'archivio iaLocale pertinenti a questo contenuto.

Kandinsky 6.0 Video

Modelli

I modelli foundation per la generazione sincronizzata di video e audio di Kandinsky Lab: da un prompt genera clip video con audio allineato, pubblicata in open weight. Primo paper della giornata su Hugging Face (2026-10-06), con checkpoint e Spaces già disponibili.

⚡

faster-whisper

Inferenza

Reimplementazione di Whisper basata su CTranslate2: fino a 4 volte più veloce di openai/whisper con la stessa accuratezza e meno memoria. Supporta la quantizzazione 8-bit su CPU e GPU.

💎

Gemma 4 12B

Modelli

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

Modelli

Modello di sintesi vocale da 82M di parametri su architettura VITS, Apache-2.0 per i pesi, con voci in decine di lingue e qualità sorprendentemente alta per le dimensioni. Gira in modo efficiente anche solo su CPU.

Sfoglia tutte le risorse