La IA LTX-2.5 puede generar un vídeo de 10 segundos en solo 6,8 segundos
La generación de vídeo mediante inteligencia artificial acaba de dar otro paso importante.
LTX ha presentado LTX-2.5, un nuevo modelo de generación de vídeo que puede transformar una imagen estática en un vídeo de 10 segundos en aproximadamente 6,8 segundos, según las pruebas publicadas por la compañía.
La cifra resulta especialmente llamativa por una razón: el sistema puede generar el vídeo más rápido de lo que dura el propio vídeo.
Eso significa que un clip de 10 segundos puede estar listo en menos tiempo del que necesitamos para verlo completo.
Pero hay un detalle importante. Esta velocidad se consiguió utilizando dos unidades NVIDIA GB200, hardware de centros de datos de altísimo rendimiento. Por lo tanto, no significa que cualquier ordenador equipado con una tarjeta gráfica NVIDIA pueda producir un vídeo de 10 segundos en 6,8 segundos.
Aun así, LTX-2.5 destaca por otra característica que puede ser incluso más importante a largo plazo: sus pesos están disponibles públicamente, lo que abre la puerta a que desarrolladores y empresas puedan ejecutar, estudiar y adaptar el modelo bajo sus condiciones de licencia.
¿Qué es LTX-2.5?
LTX-2.5 es un modelo de inteligencia artificial desarrollado por LTX, una compañía especializada en generación de contenido audiovisual.
Su objetivo es permitir que una IA pueda crear vídeo a partir de diferentes tipos de instrucciones.
Una de sus posibilidades más interesantes es la generación imagen a vídeo.
El usuario proporciona una imagen y el modelo puede generar una secuencia en movimiento a partir de ella.
Por ejemplo, una fotografía de una persona podría transformarse en una escena en la que el personaje realiza un movimiento. Un paisaje estático podría convertirse en una toma cinematográfica con movimiento de cámara.
Y todo esto puede realizarse manteniendo determinados elementos visuales de la imagen original.
LTX-2.5 también incorpora generación de escenas con múltiples planos, mejoras en la consistencia visual y generación de audio sincronizado.
Los famosos 6,8 segundos
El número que más ha llamado la atención es 6,8 segundos.
Según LTX, su modelo puede generar un vídeo de 10 segundos en resolución 720p a partir de una imagen en ese tiempo utilizando dos NVIDIA GB200.
En otras palabras:
10 segundos de vídeo → aproximadamente 6,8 segundos de generación.
Esto significa que la generación puede superar el tiempo real.
Pero es importante poner la cifra en contexto.
El benchmark utiliza hardware especializado de NVIDIA y corresponde a una configuración de alto nivel. La generación mediante la API administrada de LTX tarda más; una prueba citada por VentureBeat sitúa el tiempo en 23,7 segundos para un trabajo de 1080p.
Por eso, sería incorrecto afirmar simplemente que "cualquier ordenador genera 10 segundos de vídeo en 6,8 segundos".
Lo correcto es decir que LTX-2.5 alcanzó esa velocidad en una configuración concreta de hardware NVIDIA GB200.
Y aun así, el resultado resulta impresionante.
¿Por qué la velocidad es tan importante?
La velocidad puede cambiar completamente la forma de trabajar con vídeo generado por IA.
Actualmente, crear una secuencia mediante inteligencia artificial puede implicar generar varias versiones antes de conseguir el resultado deseado.
Si cada intento tarda mucho tiempo, experimentar se vuelve costoso.
Pero si la generación se aproxima al tiempo real, el proceso cambia.
Un creador podría probar una idea.
Después modificar el movimiento.
Cambiar la iluminación.
Cambiar el encuadre.
Modificar el personaje.
Y volver a generar el resultado rápidamente.
La IA deja de funcionar como una herramienta que produce un resultado ocasional y comienza a parecerse más a una herramienta interactiva de creación.
Ese es uno de los grandes objetivos que persigue LTX.
Más que generar vídeos cortos
LTX-2.5 no pretende limitarse a crear pequeños clips para redes sociales.
El modelo incorpora funciones orientadas a producción audiovisual más compleja.
Una de ellas es la generación multiplano o multishot.
En lugar de crear solamente una toma aislada, el sistema puede generar una secuencia con diferentes planos intentando mantener la coherencia de los personajes, escenarios y otros elementos.
Esto es importante porque uno de los problemas históricos de la generación de vídeo mediante IA ha sido la inconsistencia.
Un personaje puede aparecer con una determinada ropa en una toma y cambiar ligeramente en la siguiente.
Un objeto puede modificar su forma.
Un escenario puede perder continuidad.
Una escena puede comenzar de una manera y terminar de otra.
Mantener la coherencia entre diferentes planos es fundamental para utilizar vídeo generado por IA en proyectos más profesionales.
También genera audio
Otra característica importante de LTX-2.5 es la generación de vídeo con audio sincronizado.
Esto significa que el modelo no se limita a producir imágenes en movimiento.
Puede generar elementos sonoros asociados al contenido visual.
El objetivo es que imagen y sonido formen parte del mismo proceso de generación.
Esto podría simplificar determinados procesos de producción.
Actualmente, un creador puede necesitar generar el vídeo, crear los efectos de sonido, añadir música y posteriormente sincronizar todos los elementos.
Un modelo capaz de producir vídeo y audio conjuntamente puede reducir parte de ese trabajo.
No significa que vaya a reemplazar inmediatamente a los profesionales del sonido.
Pero sí puede acelerar la creación de prototipos y contenidos digitales.
La gran diferencia: código abierto o pesos abiertos
Uno de los aspectos más interesantes de LTX-2.5 no está directamente relacionado con la calidad del vídeo.
Está relacionado con su disponibilidad.
LTX ha publicado los pesos del modelo, permitiendo que desarrolladores puedan utilizarlos y trabajar con ellos bajo la licencia correspondiente. El modelo está disponible en plataformas como Hugging Face y cuenta además con integración nativa con ComfyUI.
Aquí conviene hacer una pequeña aclaración.
En el mundo de la inteligencia artificial se utiliza con frecuencia la expresión "código abierto", pero software de código abierto y modelos con pesos abiertos no son exactamente lo mismo.
En un modelo de pesos abiertos, los parámetros entrenados están disponibles para su descarga y utilización bajo determinadas condiciones.
Esto puede ofrecer mucha más libertad que utilizar exclusivamente una API cerrada.
Pero no significa necesariamente que todos los componentes del sistema, los datos de entrenamiento y el proceso completo estén disponibles públicamente.
La diferencia puede parecer técnica.
Sin embargo, es muy importante.
¿Por qué los pesos abiertos pueden cambiar el mercado?
Los modelos cerrados obligan normalmente a utilizar un servicio determinado.
El usuario envía una petición.
El proveedor procesa la generación.
Y el resultado vuelve al usuario.
Los modelos con pesos disponibles ofrecen otra posibilidad.
Una empresa puede instalar el modelo en su propia infraestructura.
Eso puede resultar especialmente atractivo para compañías que trabajan con material sensible o que necesitan controlar dónde se procesan sus datos.
También permite realizar modificaciones y ajustes específicos.
Por ejemplo, una empresa podría intentar adaptar el modelo a determinados estilos visuales o necesidades profesionales.
Y los desarrolladores pueden experimentar sin depender exclusivamente de una plataforma externa.
ComfyUI también juega un papel importante
LTX-2.5 llega además con integración nativa en ComfyUI, una herramienta basada en flujos de trabajo mediante nodos que se ha convertido en una plataforma muy utilizada por usuarios avanzados de generación de imágenes y vídeo mediante IA.
Esto facilita la creación de procesos más complejos.
En lugar de utilizar únicamente una interfaz sencilla en la que se introduce un texto y se pulsa un botón, los usuarios pueden construir cadenas de procesamiento.
Una imagen puede pasar por diferentes etapas.
Puede utilizarse como referencia.
Puede combinarse con otros modelos.
Puede modificarse antes de convertirse en vídeo.
Y el resultado puede continuar procesándose.
Para usuarios avanzados, esto abre muchas posibilidades.
¿Significa que el vídeo generado por IA ya es tiempo real?
No exactamente.
Aquí también conviene evitar titulares demasiado exagerados.
Los 6,8 segundos son una cifra concreta obtenida en unas condiciones concretas.
No significa que todos los vídeos de cualquier duración, resolución y complejidad puedan generarse en tiempo real.
Generar un vídeo de mayor resolución o duración requiere más recursos.
Además, el hardware utilizado en la prueba está muy lejos del ordenador promedio.
Por tanto, el dato debe interpretarse como una demostración de hacia dónde se dirige la tecnología.
La tendencia es clara:
cada vez necesitamos menos tiempo para generar contenido audiovisual mediante IA.
El papel de NVIDIA
Este avance también demuestra la importancia que tienen los procesadores especializados para inteligencia artificial.
Los modelos generativos requieren enormes cantidades de capacidad de cálculo.
Por eso, empresas como NVIDIA se han convertido en protagonistas fundamentales de la revolución de la IA.
Los sistemas como el GB200 están diseñados precisamente para cargas de trabajo de inteligencia artificial de gran escala.
En el caso de LTX-2.5, la utilización de dos GB200 permite alcanzar la velocidad anunciada por LTX.
Esto también muestra una realidad interesante.
La evolución de la IA no depende solamente de mejorar los algoritmos.
También depende de desarrollar hardware cada vez más potente y eficiente.
Software y hardware están avanzando juntos.
¿Qué significa esto para los creadores?
Para un creador de contenido, las posibilidades son enormes.
Un diseñador podría crear una imagen y transformarla en una escena animada.
Un cineasta podría utilizar IA para crear rápidamente storyboards animados.
Una agencia de publicidad podría generar diferentes versiones de un anuncio.
Un desarrollador de videojuegos podría crear prototipos visuales.
Un profesor podría convertir ilustraciones educativas en pequeñas secuencias.
Y un creador independiente podría experimentar con conceptos que anteriormente requerían equipos especializados.
La reducción del tiempo de generación puede ser tan importante como la mejora de la calidad.
Porque cuanto más barato y rápido resulta experimentar, más ideas pueden convertirse en prototipos.
¿Estamos ante el futuro del vídeo?
Probablemente todavía es demasiado pronto para afirmarlo.
LTX-2.5 es un modelo muy reciente y muchas de las cifras de rendimiento publicadas proceden de pruebas del propio fabricante. Además, los resultados de calidad y velocidad todavía necesitan más evaluaciones independientes antes de convertirlos en una clasificación definitiva frente a todos sus competidores.
Pero hay algo que resulta difícil ignorar.
La generación de vídeo mediante IA está avanzando a una velocidad extraordinaria.
Hace pocos años, generar un vídeo convincente a partir de una descripción parecía una demostración experimental.
Hoy existen modelos capaces de crear escenas complejas, mantener personajes, generar múltiples planos y producir sonido.
Y ahora algunos de ellos están intentando acercarse a la generación en tiempo real.
La verdadera revolución puede ser la velocidad
Quizá el dato más importante de LTX-2.5 no sea solamente que pueda generar vídeo.
Eso ya lo hacen numerosos modelos.
La diferencia está en cuánto tiempo necesitamos esperar.
Si la generación de vídeo continúa acelerándose, llegará un momento en que crear una escena mediante IA sea casi tan inmediato como visualizarla.
Y cuando eso ocurra, cambiará nuestra forma de crear contenido.
Ya no tendremos que imaginar una escena y esperar largos minutos para comprobar el resultado.
Podremos imaginarla, generarla, modificarla y volver a generarla casi inmediatamente.
LTX-2.5 todavía no significa que hayamos llegado a ese futuro.
Pero los 6,8 segundos para producir un vídeo de 10 segundos bajo una configuración de hardware específica muestran que ese futuro está empezando a acercarse.
La carrera por crear vídeo mediante inteligencia artificial ya no consiste solamente en conseguir imágenes más realistas.
Ahora también consiste en conseguir algo mucho más poderoso:
que la imaginación pueda convertirse en movimiento casi en tiempo real.
Comentarios
Publicar un comentario