【LTX-2】I2V・Framepackと比較して分かったこと
はじめに
これは前回投稿した記事でセットアップしたphr00t_氏のワークフローで生成したLTX-2の動画と、「とにかくセットアップに成功しよう」というテーマで投稿した以前の記事、Framepackの動画の比較を見ていただくために投稿された記事です。
公式のワークフローや、そこからデチューンされたワークフローでは、特に画像からの動画生成が使い物にならないレベルでダメダメで、たとえば静止画のままズームダウンするだけだったり、静止画のまま画面にエフェクトが入るだけ、みたいなことがままありました。
上記記事で紹介したワークフローは達人の知見がすべて投入されたというだけあって、とてもいい感じに生成されます。
というわけで…
まずはFlux.1で適当な猫の画像を生成しました。
以下の動画のプロンプトは、すべて
1. Tea erupts from the top of the cup.
2. The cat jumps sideways in surprise. Tableware nearly topples over. The camera follows the cat.
3. The sound of a kitten meowing, the clatter of tableware, the bossa nova BGM playing in the shop, and the murmur of people can be heard.
といった内容のものです。
これをFramepackで5秒間の動画にしたものがこちらです。
RTX5060Ti 16GBで、生成時間は1時間49分49秒。秒に直すと6589秒です。
今思えば、ものすごく時間がかかっているのにリリース時には感動で気にもしていなかったものです。
次に「【決定版！】最強ローカル動画生成AI LTX-2を12GB~で動作させる！(追記あり)」のワークフローで生成した動画。このワークフローも公式のものより改良されたものとされています。
生成時間は123.8秒。ほぼ2分。吹き出す紅茶はカートゥーン調のアニメーション表現として生成され、カウントダウンの数字のようなアーティファクトが生成されています。ほかのパターンでも「1」みたいな数字が生成されました。TikTok的な演出が学習されているのかな…
そして、「【LTX-2】ちゃんと使える環境をゲットしませんか？」で紹介したワークフローで生成した動画がこちらです。
これは記事中のワークフローを「開始画像だけ使うモード」にして生成したものです。やり方はワークフローに書かれていますが、訳したものを掲載しておきますね。
このワークフローはめちゃくちゃに散らかってるけど、LTXはそういう仕様なんだよね。
以下のノードが全てインストールされ更新されていることを確認してね：
Comfy-KJNodes (LTX改善)
Comfy-LTXVideo (コアノード)
VideoHelperSuite (コアビデオ)
Fill-Nodes (設定簡素化 + 高速補間)
デフォルトは「最初→最後」生成。I2Vつまり「最初のフレーム」のみ指定して生成する場合は、右側の「Last Image」をバイパスし、LTXVAddGuideMultiの「Number of Guides」を1に設定してね。
T2Vの場合は上部グループ全体をバイパス。
生成したい動画の種類を指定するには、以下の設定を変更。
中央の青色セクションは、僕が見つけた最良の設定と最適化を全て含んでいるから、何も変えないで大丈夫。
オーディオ連結機能は、「ピンポン」ビデオ出力に対応してて、オーディオを追加し、ループ目的でビデオ長を倍にするためのもの（個人的には無音より良いと思う）。
モーションに問題がある場合は、フレームレートを上げる（30以上など）ことを試して。あと、RIFE補間を無効化/バイパスしてみて。これもモーションアーティファクトの原因となる可能性が高い。
「ImageFrameSelect」設定は、「last frame」が正しく機能していないときに、終了間際の異常なフレームをカットするのに役立つ。最近はほとんど問題になってないけど、当面はこの設定を残しておくね。
頑張って。このモデルはなかなかいい感じだから。
生成時間は190.84秒。
どう考えても最後の動画が一番いいと思います。Framepackは生成時間が長すぎるし、試してないけどWanも同じようなものだと思います。
LTX-2の公式ワークフローは試してないけど、やや改善されているワークフローでもディテールやアーティファクトの問題が出てきます。
最後の動画は比較的いい感じだし、生成時間も十分短くて、音も入っているから、工夫次第でかなりの作品が作れそうです。
まとめ
少なくとも生成スピードが比較にならないほど速く、音声も生成されるLTX-2の圧勝だと思います。特に改善されたワークフローはすごい。
LTX-2の動画が思ったように作れずにげんなりしている人たちも多いみたいですが、このワークフロー、かなりいい感じじゃないでしょうか。
