Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)

Un auteur a réalisé un court-métrage narratif avec LTX 2.3 (22 milliards de paramètres) sur sa machine personnelle, sans abonnement

Les générateurs vidéo payants poussent à chercher une alternative, et l'auteur Pavel Vlasov a testé une version domestique. LTX 2.3 est un modèle vidéo local de 22 milliards de paramètres (version distillée accélérée) qui tourne sur un ordinateur personnel. Il s'en est servi pour un récit mettant en scène une fille et un dragon, et un épisode a dû être généré avec le modèle cloud MiniMax H3. Le local permet de mener ce projet, mais il se paie en temps et en travail de réécriture des prompts.

Traité par IA depuis TG: @cgevent (Метаверсище и ИИще) ; édité par Hamidun News
Un auteur a réalisé un court-métrage narratif avec LTX 2.3 (22 milliards de paramètres) sur sa machine personnelle, sans abonnement
Source : TG: @cgevent (Метаверсище и ИИще). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @cgevent (Метаверсище и ИИще) ↗
Rédacteur en chef
Chiffre clé #1LTX n'a pas compris la scène du dragon qui s'envole : l'épisode a été réalisé avec MiniMax H3
Chiffre clé #2Les prompts pour les modèles locaux sont plus capricieux : l'auteur les réécrit via DeepSeek
Avantages du localpas de censure, pas d'abonnement, pas besoin d'internet ; inconvénients : le temps et la flexibilité

Les générateurs vidéo cloud passent les uns après les autres à des offres payantes, et la question « peut-on s'en passer ? » n'est plus théorique. Pavel Vlasov, auteur du projet de la rubrique « Nejroprojarka » de la chaîne « Metaversishche i IIshche », l'a vérifié en pratique. Il a réalisé une courte histoire atmosphérique sur une fille et un dragon entièrement sur son ordinateur personnel, à l'aide du modèle vidéo local LTX 2.3 de 22 milliards de paramètres. Concrètement, le modèle tourne sur son propre matériel et non sur des serveurs tiers, et aucun paiement n'est exigé pour chaque seconde de vidéo.

De quoi est composé le clip

Le socle est LTX 2.3 dans sa version distillée (Distilled 1.1).

La distillation rend le modèle plus léger et plus rapide, généralement au prix d'une légère perte de qualité. Par-dessus, l'auteur a ajouté la LoRA de style Luxe_Sensual_Style. Une LoRA est une petite surcouche qui modifie le rendu de l'image sans nécessiter le réentraînement de tout le modèle.

Elle s'active grâce à un mot-déclencheur spécifique. Selon la description de ses développeurs, cette surcouche apporte un aspect « glacé » : lumière cinématographique douce, peau naturelle, textures de dentelle et de soie dans l'esprit de la photo de mode. Vlasov reconnaît honnêtement qu'il est difficile d'évaluer précisément l'apport de la LoRA : « quelque chose a changé », mais il ne se risque pas à dire dans quelle mesure.

Le clip n'a pas été réalisé avec un seul modèle. LTX 2.3 n'a pas compris le passage où le dragon et la jeune fille s'envolent vers le lac : l'idée d'un objet qui s'éloigne en volant lui échappait. Ce segment a été généré par le modèle cloud MiniMax H3 (variante FL2VA Pruned 20B). Selon son appréciation, MiniMax l'emporte en qualité, mais il a délibérément conservé LTX comme modèle principal, parce qu'il était suffisamment rapide.

Ensuite, le travail de monteur a commencé. Les fragments ne se sont pas toujours enchaînés de façon cohérente : à partir d'un certain moment, il a fallu assembler l'intrigue avec ce qui existait et générer les passages manquants pour que l'idée paraisse complète. L'ambiance, le rythme et la musique ont été réalisés dans CapCut. Une part importante du « style » relève donc du montage et non du réseau de neurones.

Les prompts : le principal coût de la génération locale

L'observation la plus pratique du billet concerne les prompts. Pour les modèles locaux, ils sont bien plus critiques que pour les services cloud. Un texte qui fonctionne parfaitement dans un modèle peut ne donner aucun résultat dans un autre : il faut une autre structure et une spécificité propre. Cela vaut même pour différentes versions d'un même modèle.

Vlasov voit trois solutions :

  1. Lire la documentation sur la rédaction de prompts. C'est fiable, mais cela mange du temps qui pourrait être consacré à la création et aux réglages.
  2. Utiliser l'« améliorateur » de prompts intégré à wan2GP ou de services tiers.
  3. Demander à un chatbot : Alice, ChatGPT, DeepSeek, etc.

Lui-même a choisi DeepSeek. Selon lui, cela fait gagner du temps et permet de réécrire rapidement un prompt si le résultat ne convient pas. Pour les équipes qui envisagent la génération vidéo en local, la conclusion est simple : intégrer dans le processus une étape dédiée, « un chatbot réécrit la tâche pour le modèle vidéo précis », plutôt que de compter sur un texte universel.

Finitions et réserves honnêtes

Avant publication, l'auteur a fait passer le clip dans l'onglet Media Flow avec le processus Detailer sur LTX 2.5 Distilled 22B (c'est ainsi qu'il nomme le modèle dans son billet). Contrairement à un upscaler classique, qui se contente d'étirer les pixels, Detailer redessine les petits détails (pores, micro-textures, cheveux) en s'appuyant sur la vidéo source. Vlasov estime que le résultat est plus efficace que Topaz Video et DLSS.

Il s'agit de l'impression subjective d'un seul auteur. Le billet ne contient ni mesures, ni comparaisons chiffrées, ni données de vitesse ; la supériorité revendiquée face à Topaz et DLSS doit donc être vérifiée sur ses propres contenus. On ne dispose pas non plus d'informations sur le matériel utilisé ni sur la durée de la génération.

La position finale de l'auteur est la suivante : les modèles locaux peuvent déjà rivaliser avec les modèles cloud sur le rendu visuel recherché et la qualité. Ils sont en retrait sur le temps et la flexibilité, mais ils gagnent sur l'absence de censure, l'absence de coût d'abonnement, l'indépendance vis-à-vis d'internet et la possibilité de réglages fins et d'expérimentations. Pour les créateurs indépendants et les petits studios, c'est un compromis viable : moins de « boutons » tout prêts, mais le contrôle et le budget restent entre vos mains. Et pour les rares scènes complexes, comme celle du dragon qui s'envole, il est judicieux de garder sous la main un modèle cloud en solution de secours.

Dossier

Questions clés sur cet article

Que sait-on sur De quoi est composé le clip ?

Le socle est LTX 2.3 dans sa version distillée (Distilled 1.1). La distillation rend le modèle plus léger et plus rapide, généralement au prix d'une légère perte de qualité. Par-dessus, l'auteur a ajouté la LoRA de style Luxe_Sensual_Style. Une LoRA est une petite surcouche qui modifie le rendu de l'image sans nécessiter le réentraînement de tout le modèle. Elle s'active grâce à un mot-déclencheur spécifique.

Que sait-on sur Les prompts : le principal coût de la génération locale ?

L'observation la plus pratique du billet concerne les prompts. Pour les modèles locaux, ils sont bien plus critiques que pour les services cloud. Un texte qui fonctionne parfaitement dans un modèle peut ne donner aucun résultat dans un autre : il faut une autre structure et une spécificité propre. Cela vaut même pour différentes versions d'un même modèle. Vlasov voit trois solutions : Lire la documentation sur la rédaction de prompts.

Que sait-on sur Finitions et réserves honnêtes ?

Avant publication, l'auteur a fait passer le clip dans l'onglet Media Flow avec le processus Detailer sur LTX 2.5 Distilled 22B (c'est ainsi qu'il nomme le modèle dans son billet). Contrairement à un upscaler classique, qui se contente d'étirer les pixels, Detailer redessine les petits détails (pores, micro-textures, cheveux) en s'appuyant sur la vidéo source. Vlasov estime que le résultat est plus efficace que Topaz Video et DLSS. Il s'agit de l'impression subjective d'un seul auteur.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…