Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)

Autor fez um curta narrativo com o LTX 2.3 (22 bilhões de parâmetros) em casa, sem assinaturas

Os geradores de vídeo pagos na nuvem empurram os usuários para a procura de alternativas, e o autor Pavel Vlasov testou uma versão rodando em casa. O LTX 2.3 é um modelo de vídeo local com 22 bilhões de parâmetros (versão destilada e acelerada), que roda em um computador doméstico. Com ele, ele montou uma história sobre uma garota e um dragão, e uma das cenas precisou ser gerada no MiniMax H3, um serviço na nuvem. O modelo local dá conta do projeto, mas o custo está no tempo e na necessidade de ajustar os prompts repetidamente.

Processado por IA de TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
Autor fez um curta narrativo com o LTX 2.3 (22 bilhões de parâmetros) em casa, sem assinaturas
Fonte: TG: @cgevent (Метаверсище и ИИще). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @cgevent (Метаверсище и ИИще) ↗
Editor-chefe
Dado-chave #1O LTX não entendeu a cena do dragão voando para longe, então o trecho foi feito no MiniMax H3
Dado-chave #2Os prompts para modelos locais são mais caprichosos: o autor reescreve os textos com o DeepSeek
Vantagens do modelo localsem censura, sem assinaturas e sem depender da internet; a desvantagem é o tempo e a flexibilidade

Os geradores de vídeo na nuvem passam, um a um, para planos pagos, e a pergunta "dá para viver sem eles?" deixou de ser teórica. Pavel Vlasov, autor do projeto na seção "Neuroqueimação" do canal "Metaversíssimo e IAzinha", testou isso na prática. Ele fez uma curta história atmosférica sobre uma garota e um dragão inteiramente em um computador doméstico, usando o modelo de vídeo local LTX 2.3 com 22 bilhões de parâmetros. Isso significa que o modelo roda no hardware dele, e não em servidores de terceiros, e ele não paga por cada segundo de vídeo gerado.

Do que o vídeo foi feito

A base é o LTX 2.3 na versão destilada (Distilled 1.1).

A destilação deixa o modelo mais leve e rápido, geralmente ao custo de uma pequena perda de qualidade. Por cima dele, o autor acoplou a LoRA de estilo Luxe_Sensual_Style. A LoRA é um pequeno complemento que altera a estética da imagem sem exigir retreino do modelo inteiro.

Ela é ativada por uma palavra-gatilho específica. Segundo a descrição dos desenvolvedores, esse complemento traz um visual "glossy": luz cinematográfica suave, pele natural e textura de renda e seda, no estilo de fotografia de moda. O próprio Vlasov admite com franqueza que é difícil medir com precisão a contribuição da LoRA: "algo mudou", mas quanto exatamente, ele não se arrisca a dizer.

O vídeo não ficou inteiro com um único modelo. O trecho em que o dragão e a garota voam em direção ao lago não foi compreendido pelo LTX 2.3: a ideia de um objeto "voando para longe" não saiu. Esse segmento foi gerado no MiniMax H3 na nuvem (variante FL2VA Pruned 20B). Na avaliação do autor, o MiniMax leva vantagem em qualidade, mas ele manteve o LTX como modelo principal de forma deliberada, porque era rápido o suficiente.

Depois veio o trabalho típico de edição. Os fragmentos nem sempre saíam consistentes, então, a partir de certo ponto, a história precisou ser montada com o que havia disponível, e algumas partes foram refeitas para que a narrativa parecesse fechada. A atmosfera, o ritmo e a trilha foram feitos no CapCut. Boa parte do "estilo" do vídeo vem da edição, e não da rede neural.

Prompts: o principal custo da geração local

A observação mais prática do post diz respeito aos prompts. Nos modelos locais, eles são muito mais críticos do que nos serviços na nuvem. Um texto que funciona bem em um modelo pode não funcionar de jeito nenhum em outro: é preciso outra estrutura e outras particularidades. Isso vale até para versões diferentes do mesmo modelo.

Vlasov enxerga três caminhos:

  1. Ler a documentação sobre escrita de prompts. É preciso, mas consome um tempo que poderia ir para a criação e os ajustes.
  2. Usar o "aprimorador" de prompts embutido no wan2GP ou em serviços de terceiros.
  3. Pedir ajuda a um chatbot: Alice, ChatGPT, DeepSeek e assim por diante.

Ele escolheu o DeepSeek. Segundo ele, isso poupa tempo e permite reescrever o prompt rapidamente quando o resultado não agrada. Para equipes que planejam geração local de vídeo, a conclusão é simples: incluam no processo uma etapa separada em que um chatbot reescreve a tarefa sob medida para o modelo de vídeo específico, em vez de contar com um texto universal.

Acabamento final e ressalvas honestas

Antes da publicação, o autor passou o vídeo pela aba Media Flow, com o processo Detailer sobre o LTX 2.5 Distilled 22B (é assim que ele chama o modelo no post). Diferentemente de um upscaler comum, que apenas estica os pixels, o Detailer redesenha os detalhes miúdos, como poros, microtexturas e fios de cabelo, com base no vídeo original. Vlasov considera o resultado mais eficiente do que o Topaz Video e o DLSS.

Trata-se de uma impressão subjetiva de um único autor. O post não traz métricas, comparações controladas nem dados de velocidade, então a superioridade sobre o Topaz e o DLSS deve ser verificada com o seu próprio material. Também não há informações sobre o hardware utilizado nem sobre o tempo que a geração levou.

A posição final do autor é que os modelos locais já podem competir com os da nuvem em termos de qualidade percebida e de resultado criativo. Eles perdem em tempo e flexibilidade, mas ganham em liberdade de conteúdo, na ausência de custos de assinatura, na independência da internet e na possibilidade de ajustes finos e experimentação. Para autores independentes e pequenos estúdios, isso representa um compromisso viável: há menos botões prontos, mas o controle e o orçamento continuam com você. Já para cenas raras e complexas, como a do dragão voando para longe, vale manter um modelo na nuvem como plano B.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Do que o vídeo foi feito?

A base é o LTX 2.3 na versão destilada (Distilled 1.1). A destilação deixa o modelo mais leve e rápido, geralmente ao custo de uma pequena perda de qualidade. Por cima dele, o autor acoplou a LoRA de estilo Luxe_Sensual_Style. A LoRA é um pequeno complemento que altera a estética da imagem sem exigir retreino do modelo inteiro. Ela é ativada por uma palavra-gatilho específica.

O que se sabe sobre Prompts: o principal custo da geração local?

A observação mais prática do post diz respeito aos prompts. Nos modelos locais, eles são muito mais críticos do que nos serviços na nuvem. Um texto que funciona bem em um modelo pode não funcionar de jeito nenhum em outro: é preciso outra estrutura e outras particularidades. Isso vale até para versões diferentes do mesmo modelo. Vlasov enxerga três caminhos: Ler a documentação sobre escrita de prompts. É preciso, mas consome um tempo que poderia ir para a criação e os ajustes.

O que se sabe sobre Acabamento final e ressalvas honestas?

Antes da publicação, o autor passou o vídeo pela aba Media Flow, com o processo Detailer sobre o LTX 2.5 Distilled 22B (é assim que ele chama o modelo no post). Diferentemente de um upscaler comum, que apenas estica os pixels, o Detailer redesenha os detalhes miúdos, como poros, microtexturas e fios de cabelo, com base no vídeo original. Vlasov considera o resultado mais eficiente do que o Topaz Video e o DLSS. Trata-se de uma impressão subjetiva de um único autor.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…