ปฏิวัติวงจรโปรดักชัน: เปิดตัว LTX-2.5 โมเดลสร้างวิดีโอ Open Weights เร็วแรงบน NVIDIA RTX

วงการผลิตวิดีโอกำลังเข้าสู่ยุคใหม่ เมื่อกระบวนการสร้างคลิปสำหรับโซเชียลมีเดีย โฆษณา และงานจำลองก่อนถ่ายทำ ย้ายจากระบบคลาวด์มาอยู่บน GPU ในเครื่องอย่างเต็มตัว ล่าสุด LTX ได้เปิดตัว LTX-2.5 โมเดลโลก (World Model) แบบ Open Weights ที่ออกแบบมาเพื่อการสร้างวิดีโอ แอปพลิเคชันเรียลไทม์ และ AI ทางกายภาพ (Physical AI) โดยเฉพาะ

โมเดลรุ่นนี้ได้รับการปรับแต่งให้ทำงานได้อย่างมีประสิทธิภาพสูงสุดบน NVIDIA RTX GPUs และ NVIDIA DGX Spark ด้วยการลดความต้องการ VRAM ลง ช่วยให้นักสร้างสรรค์รันโมเดลระดับสูงบนฮาร์ดแวร์ที่มีอยู่ได้ทันที การเปิดตัวนี้เป็นส่วนหนึ่งของ ซีรีส์ AI ในเครื่อง จาก NVIDIA ซึ่งเปิดตัวพร้อมกับโมเดลเอเจนท์ Nemotron 3.5 Lightning เพื่อตอกย้ำว่าโมเดลแบบเปิดที่ประมวลผลในเครื่องกำลังจะกลายเป็นมาตรฐานใหม่ของการทำงาน

จุดเปลี่ยนสำคัญสำหรับนักสร้างสรรค์: จบงานได้ด้วยตัวคนเดียว

LTX-2.5 นำขีดความสามารถระดับสตูดิโอมาไว้ในมือของศิลปินเดี่ยว โดยเฉพาะฟีเจอร์การสร้างแบบ Multishot ในตัวที่ช่วยให้การเรนเดอร์ภาพหลายช็อตมีความต่อเนื่องกันเป็นชิ้นเดียว รักษาลักษณ์ของตัวละครและฉากได้ทุกมุมมอง แก้ไขปัญหาภาพกระตุกหรือผิดเพี้ยนที่เคยพบในโมเดลรุ่นก่อนๆ

ด้วยการผสานพลังกับ Gemma 4 ในการประมวลผลภาษา และระบบ Decoder ใหม่ที่ลดสัญญาณรบกวนแม้ในฉากที่มีการเคลื่อนไหวสูง ผลลัพธ์ที่ได้จึงมีคุณภาพใกล้เคียงกับงานตัดต่อขั้นสุดท้าย นักสร้างสรรค์สามารถรันผ่าน ComfyUI บน NVIDIA RTX GPU ได้โดยตรง ช่วยให้สามารถล็อกสไตล์หรือตัวละครแบรนด์ผ่านการทำ LoRA Fine-tune ได้อย่างรวดเร็ว โดยที่ข้อมูลสำคัญไม่ต้องถูกส่งออกไปนอกเครื่อง

การเปลี่ยนแปลงนี้ช่วยลดต้นทุนและเวลาอย่างมหาศาล จากเดิมที่ต้องใช้ทีมงานจำนวนมากและค่าบริการคลาวด์ราคาแพง ปัจจุบันทุกขั้นตอนสามารถเกิดขึ้นได้บนโต๊ะทำงานเพียงตัวเดียว นักสร้างสรรค์สามารถทดลองไอเดียใหม่ๆ ได้อย่างไร้ขีดจำกัดโดยไม่มีค่าธรรมเนียมต่อการสร้างคลิป และสามารถสั่งประมวลผลแบบ Batch ทิ้งไว้ข้ามคืนเพื่อตื่นมาพบกับตัวเลือกผลงานที่หลากหลาย

สำหรับทีมโฆษณาที่ต้องต่อสู้กับสภาวะผู้ชมเบื่อหน่ายโฆษณา (Ad fatigue) ภายในไม่กี่วัน LTX-2.5 จะช่วยทลายคอขวดด้านการผลิต ทำให้สามารถสร้างงานได้ในปริมาณมหาศาลเทียบเท่าสตูดิโอใหญ่ ไม่ว่าจะเป้นการทดสอบ Hook หลายรูปแบบ หรือการปรับเนื้อหาให้เข้ากับแต่ละท้องถิ่น (Localization) ทั้งหมดนี้ทำได้ด้วยการ์ดจอเพียงตัวเดียว

สถิติความเร็วที่เหนือกว่าคู่แข่ง

ในด้านประสิทธิภาพ LTX-2.5 ทำความเร็วได้อย่างน่าทึ่ง จากการทดสอบสร้างวิดีโอจากภาพ (Image-to-video) คลิปยาว 10 วินาทีใช้เวลาประมวลผลในเครื่องเพียง 6.8 วินาทีบน NVIDIA GB200 และ 23.7 วินาทีผ่าน API ซึ่งเร็วกว่าโมเดลแบบปิดอย่าง Omni Flash หรือ Veo 3.1 ที่ใช้เวลา 52-70 วินาที และเร็วกว่าระบบที่ช้าที่สุดในตลาดถึง 58 เท่า ความเร็วนี้ทำให้การสร้างงานซ้ำเพื่อหาผลลัพธ์ที่ดีที่สุดเป็นเรื่องที่ทำได้จริงในทางปฏิบัติ

กลยุทธ์ AI ในเครื่องของ NVIDIA

ตลอดเดือนนี้ NVIDIA มุ่งเน้นไปที่การสร้างระบบนิเวศ AI ในเครื่องที่แข็งแกร่ง โดยนอกจาก LTX-2.5 แล้ว ยังมี Nemotron 3.5 Lightning ซึ่งเป็นโมเดลขนาด 30B สำหรับงานเอเจนท์ และ NeMo Switchyard ไลบรารีโอเพนซอร์สที่ช่วยจัดสรรงานไปยังโมเดลที่เหมาะสมที่สุด เพื่อรองรับการขยายตัวตั้งแต่ RTX PCs ไปจนถึงศูนย์ข้อมูล

เจาะลึก LTX-2.5 และนวัตกรรมสถาปัตยกรรม

ในขณะที่โมเดลภาษา (LLMs) ทำนายคำถัดไป แต่โมเดลโลกอย่าง LTX-2.5 จะทำนายเหตุการณ์ถัดไปเพื่อสร้างสภาพแวดล้อมจำลองที่สมจริง ซึ่งจำเป็นอย่างยิ่งสำหรับงานภาพยนตร์ เกม หุ่นยนต์ และการโฆษณา โดยมียอดดาวน์โหลดสะสมแล้วกว่า 33 ล้านครั้ง การเปิดให้เข้าถึง Weights ได้อิสระช่วยให้ทีมพัฒนาควบคุมความเป็นส่วนตัวและปรับแต่งโมเดลได้ตามต้องการ

นวัตกรรมสำคัญในสถาปัตยกรรมประกอบด้วย:

• Diffusion Video Decoder: ลดนอยส์ในฉากเคลื่อนไหวเร็ว แต่ยังคงรายละเอียดของฟุตเทจเดิมไว้ครบถ้วน
• Native Multishot Generation: รักษาความต่อเนื่องขององค์ประกอบทั้งหมดแม้มีการตัดสลับช็อต
• Diffusion Fidelity Rendering: ประมวลผลในพื้นที่แฝง (Latent Space) ที่บีบอัดเวลาลง 8 เท่า เพื่อความรวดเร็วแต่ยังคงความแม่นยำสูงในจุดสำคัญ
• Physical AI Checkpoints: มีจุดตรวจสอบที่ฝึกฝนมาเพื่อความเข้าใจเชิงกายภาพสำหรับงานหุ่นยนต์โดยเฉพาะ

การใช้งานและสิทธิ์การอนุญาต

LTX-2.5 พร้อมให้ดาวน์โหลดแล้วบน Hugging Face รองรับ ComfyUI และมีบริการผ่าน LTX API โดยเปิดให้ใช้งานฟรีสำหรับองค์กรที่มีรายได้ต่อปี (ARR) ต่ำกว่า 10 ล้านดอลลาร์ ผู้ที่สนใจสามารถศึกษาโค้ดได้ที่ GitHub และดูรายละเอียดใน เอกสารประกอบ

สรุปประเด็นสำคัญ

• LTX-2.5 เป็นโมเดลโลกแบบ Open Weights สำหรับงานวิดีโอและหุ่นยนต์
• สร้างวิดีโอ 10 วินาทีได้ในเวลาเพียง 6.8 วินาที เร็วกว่าคู่แข่งแบบปิดหลายเท่า
• ปรับแต่งมาเพื่อประมวลผลบน NVIDIA RTX GPUs โดยเฉพาะ ช่วยลดภาระ VRAM
• ฟีเจอร์ Multishot และ Gemma 4 ช่วยให้งานระดับโปรจบได้ในเครื่องส่วนตัว
• แจกจ่ายฟรีบน Hugging Face สำหรับรายได้ ARR ไม่เกิน 10 ล้านดอลลาร์