LTX-2 は 190 億パラメータのオープンソース動画基盤モデル（14B 動画 + 5B 音声）で、単一パスで同期された高解像度の動画と音声を生成します。ネイティブ 4K（3840×2160）で最大 50 FPS、動画クリップは最大 20 秒まで対応し、テキストプロンプト、画像、深度マップ、キーフレーム、短い参照動画などのマルチモーダル入力に対応します。モデルはダイアログ、環境音、音楽、フォーリーを含むネイティブ音声合成を提供し、視覚イベントに合わせて整合されます。LTX-2 は効率的な推論（NVFP4/NVFP8）向けに最適化されており、Apache 2.0 の下で配布されるため、チームは重みをダウンロードして微調整し、ローカルにデプロイするか、ホストされたウェブ生成器（クレジットが必要）を使用できます。