开源版 Veo 3来了！LTX-2 终于开源了，它可以“一次性生成最长20秒的画面 + 声音+口型同步”的完整4K高清 AI 视频。

兄弟们，这波真有点夸张。 开源版「Veo 3」来了，名字叫 LTX-2。

一句话概括：能“一次性生成最长 20 秒的 4K 视频 + 声音 + 口型同步”，还支持文字、图片、草图混着喂。

以前吹的「AI 视频要颠覆短视频行业」，现在感觉有点要落地了。

以前玩开源视频模型，基本都是几秒小短片，没声音，人物张嘴像在练口型操。 你要想做个完整片段，还得自己剪音乐、配解说、对嘴，一顿操作猛如虎。 LTX-2 的思路直接粗暴：画面、对白、环境声、音乐一次性算完，出片就能丢到时间线上。 人还在写提示词，成片已经在硬盘里躺平了。

这次最爽的地方，其实不只是 4K 画质。 是它把“声音 + 画面 + 口型”拉到了一条时间线上去。 比如你写一句： 「一个人站在雨夜的街口，自言自语：‘要不明天就辞职吧。’远处传来车流声。」 LTX-2 不仅会给你下雨、路灯、街景，还能把角色嘴型、台词和背景声一锅端出来。

更夸张的是输入方式。 你可以只打字，也可以丢一张参考图，甚至就是一张随手画的草图。 画个小 stickman、写上“跑向海边日出”，模型自己给你脑补成镜头语言。 对那些不会画分镜、也请不起美术的小团队来说，这简直是救命稻草。

很多人最关心的，还是“家用电脑扛不扛得住”。 官方给的说法是：这代在速度、更高画质和生成时长上都做了优化，还能在「普通电脑显卡」上跑。 翻译成人话：不用非得上 4090，日常游戏本、家用中高端卡也有机会体验。 虽然不能指望你 4G 小显存硬刚 4K 20 秒，但对大多数创作者来说，门槛确实比以前低多了。

速度这块，也算有诚意。 以前跑个几秒小视频，都能把显卡烤到起飞，人坐在旁边怀疑人生。 现在模型本身做了轻量化，推理效率提升，你的等待时间能肉眼可见地缩短。 对做短视频、广告 Demo 的同学来说，就是一天能多试好几版创意。

4K 画质加上动作、嘴型同步，会带来一个很现实的问题： 随便一个独立创作者，做出来的东西，观感上已经能和小工作室掰手腕了。 广告片、游戏概念视频、MV 试镜头、课程片头，统统可以自己拉。 真正拼的，慢慢就不是“谁会剪”，而是“谁想得更有意思”。

当然，爽归爽，坑也不会少。 声音是自动合成的，情绪、语气不满意，可能还得自己再处理一遍。 画面再丝滑，剧情拉胯也一样没人看。 模型帮你省的是体力活，脑力活和审美，还得你自个儿扛。

开源还有一个很可怕的加速器效果。 一旦权重放出来，社区这帮大佬肯定开始魔改： 有人做中文优化、有人做动漫风、有人加控制线、有人搞一堆预设 Prompt。 再过一阵，你在 B 站刷到的“电影感 AI 短片”，有很大概率都是 LTX-2 系列的亲戚。

对打工人来说，可能最真实的感受是： 以前一个项目要找导演、摄影、剪辑、配音、调音乐，现在很可能变成“一个人 + 一台电脑 + 一个模型”。 岗位不会一下子消失，但分工一定会重洗。 会用 AI 的视频人，和不会用的，差距只会越来越大。

说了这么多，大家可能更关心两件事： 一是，我现在这台电脑值不值得为它升级？ 二是，我要不要立刻上手学？ 我的建议是：显卡能跑就先玩起来，别急着一言不合就换 5090，先把提示词、镜头语言这些“软实力”练起来，升级硬件永远是第二步。

如果你已经迫不及待想整两条片子试试， 可以在评论区聊聊：你最想用开源版 Veo 3 做什么？短剧、MV、还是整点抽象整活？

-END-

我为大家打造了一份RPA教程，完全免费：songshuhezi.com/rpa.html