การสร้างวิดีโอด้วย AI กำลังขยับจากบริการคลาวด์ที่คิดค่าบริการตามจำนวนครั้ง มาสู่เวิร์กสเตชันที่ผู้สร้างควบคุมเอง Lightricks เปิดตัว LTX-2.5 โมเดลแบบ open weights สำหรับสร้างวิดีโอ งานเรียลไทม์ และ physical AI โดยปรับให้ทำงานกับ NVIDIA RTX และ NVIDIA DGX Spark ได้ เป้าหมายคือย้ายขั้นตอนสร้าง ทดลอง และปรับแต่งงานมาอยู่บนเครื่องเดียว โดยไม่ต้องส่งทรัพย์สินทางปัญญาออกนอกระบบ
จุดขายไม่ได้อยู่แค่ “รันในเครื่อง” แต่เป็นการทำวิดีโอหลายช็อตให้ต่อเนื่องในครั้งเดียว รุ่นก่อนของโมเดลเปิดมักรักษาหน้าตาตัวละคร แสง หรือสไตล์ข้ามช็อตได้ยาก LTX-2.5 เพิ่ม native multishot generation เพื่อคงองค์ประกอบเหล่านี้ตลอดฉาก ใช้ backbone ภาษา Gemma 4 ที่เข้าใจคำสั่งละเอียดขึ้น และ decoder ใหม่เพื่อลด artifact ในภาพที่มีการเคลื่อนไหวสูง
World model ต่างจากโมเดลภาษาอย่างไร
โมเดลภาษาทำนายคำถัดไป ส่วน world model พยายามทำนายสิ่งที่จะเกิดในช่วงเวลาถัดไป จึงสร้างสภาพแวดล้อมและจำลองการเปลี่ยนแปลงภายในฉากได้ แนวคิดนี้ครอบคลุมตั้งแต่งานภาพยนตร์ โฆษณา เกม ไปจนถึงการจำลองสำหรับหุ่นยนต์ในคลังสินค้าหรือโรงงาน Lightricks ระบุว่าโมเดลตระกูล LTX มียอดดาวน์โหลดมากกว่า 33 ล้านครั้ง และวางรุ่น 2.5 เป็นรุ่นที่มีความสามารถสูงสุดของตระกูลในเวลานี้
สำหรับผู้สร้างคอนเทนต์ การสร้างในเครื่องหมายถึงทดลองหลายแนวทางได้โดยไม่มีค่าบริการต่อคลิป ทีมสามารถทำตัวแปรโฆษณาหลายแบบ ปรับข้อความสำหรับหลายตลาด หรือปล่อยให้ GPU ประมวลผลงานเป็นชุดข้ามคืน การปรับ LoRA ยังช่วยล็อกคาแรกเตอร์หรือสไตล์ของแบรนด์ไว้ในระบบของทีมเอง ขณะที่ผู้ที่ไม่ต้องการดูแลฮาร์ดแวร์ยังเลือกใช้ LTX API ได้
ตัวโมเดลแจกผ่าน Hugging Face รองรับ ComfyUI โดยตรง และมีโค้ดบน GitHub เอกสารต้นฉบับระบุว่าสามารถขยายตั้งแต่ GPU ในศูนย์ข้อมูลไปจนถึง Mac ส่วนองค์กรที่มีรายรับประจำต่อปีต่ำกว่า 10 ล้านดอลลาร์สหรัฐ ใช้งานได้ฟรีภายใต้เงื่อนไขใบอนุญาตของ LTX การเป็น open weights จึงไม่ได้หมายความว่าไม่มีข้อกำหนดด้านสิทธิ์ ผู้ใช้เชิงพาณิชย์ต้องอ่านเงื่อนไขตามขนาดองค์กรและวิธีส่งต่อโมเดลที่ปรับแต่งแล้ว
เร็วแค่ไหน และต้องอ่านตัวเลขอย่างไร
ผลทดสอบ image-to-video ที่ LTX เผยแพร่ระบุว่า วิดีโอความยาว 10 วินาที ใช้เวลาสร้าง 6.8 วินาที บนระบบภายในที่มี NVIDIA GB200 จำนวน 2 ตัว ส่วน LTX API ใช้ 23.7 วินาที คู่แข่งระบบปิดที่เร็วที่สุดในตาราง ได้แก่ Omni Flash, Grok 1.5 และ Veo 3.1 ใช้ 52–70 วินาที ขณะที่รายการช้าสุดในชุดทดสอบคือ Kling 3.0 Pro ที่ 398 วินาที
จากตัวเลขดังกล่าว ระบบภายในของ LTX-2.5 สร้างคลิปได้เร็วกว่าความยาวคลิปเอง และเร็วกว่าเครื่องมือระบบปิดที่ใกล้ที่สุดประมาณ 7.6 เท่า หรือราว 58 เท่า เมื่อเทียบกับรายการที่ช้าที่สุดในตาราง ความเร็วระดับนี้ทำให้การผลิตเป็นชุดและการลองงานหลายเวอร์ชันมีโอกาสใช้ได้จริง แต่ไม่ได้แปลว่า RTX สำหรับผู้บริโภคหนึ่งใบจะได้เวลาเท่าระบบ GB200 สองตัว
ข้อจำกัดไม่ได้หายไปพร้อมคำว่า local
ข้อควรระวัง: ตัวเลข 6.8 วินาที มาจากฮาร์ดแวร์ศูนย์ข้อมูล 2× NVIDIA GB200 ไม่ใช่เดสก์ท็อปทั่วไป และบทความต้นทางระบุว่าได้รับการสนับสนุนจาก NVIDIA จึงควรมองผล benchmark เป็นข้อมูลจากผู้พัฒนา ทดสอบกับ workflow ความละเอียดและความยาวคลิปของตนเองก่อนตัดสินใจซื้อเครื่อง
การทำงานบน GPU ในเครื่องตัดค่าบริการต่อครั้งได้ แต่ยังมีค่าไฟ พื้นที่เก็บ checkpoint และไฟล์วิดีโอ เวลาในการตั้งค่า รวมถึง VRAM ที่จำกัด งาน multishot ที่ดูต่อเนื่องขึ้นก็ยังต้องมีคนตรวจความถูกต้องของตัวละคร ข้อความ โลโก้ และสิทธิ์ของสื่อฝึกหรือไฟล์นำเข้า การเปิดเวทให้ปรับแต่งได้จึงเพิ่มทั้งความยืดหยุ่นและภาระรับผิดชอบ
ความหมายต่อผู้ประกอบการ/ผู้ใช้งานไทย
ส่วนนี้เป็นความเห็นของสมาคมโดรนไทย: สำหรับสตูดิโอ โฆษณา และทีมสื่อไทย LTX-2.5 ทำให้คำถามเปลี่ยนจาก “เครดิตคลาวด์เดือนละเท่าไร” เป็น “ซื้อ GPU แล้วคุ้มเมื่อไร” ทีมที่สร้างคลิปจำนวนมากและมีข้อมูลลูกค้าที่ไม่ควรออกนอกประเทศอาจได้ประโยชน์จาก local inference แต่ควรนำจำนวนคลิปจริงมาคำนวณเทียบราคาเครื่อง ค่าไฟ การดูแล และอายุการใช้งานของ GPU ก่อน
ผู้ที่กำลังหาราคา RTX หรือ eGPU ควรตรวจ VRAM และการรองรับซอฟต์แวร์เป็นอันดับแรก ไม่ใช่ดูพลังคำนวณบนกระดาษอย่างเดียว eGPU อาจเพิ่มกำลังให้โน้ตบุ๊กบางแบบ แต่แบนด์วิดท์และความเข้ากันได้อาจเป็นคอขวด ส่วน GPU ศูนย์ข้อมูลนำเข้ามีทั้งราคาตัวอุปกรณ์ ภาษี ระยะเวลารอ และบริการหลังการขาย การเริ่มทดลองผ่าน API หรือเช่าเครื่องก่อนซื้อจึงช่วยวัดต้นทุนต่อคลิปของงานไทยได้ตรงกว่า
สำหรับทีมที่ต้องการเก็บ prompt ภาพอ้างอิง และ LoRA ของแบรนด์ไว้ภายในองค์กร การรันโมเดลบนเวิร์กสเตชันหรือ AI server ในไทยช่วยลดการพึ่งคลาวด์ต่างประเทศได้จริง แต่ควรกำหนดขั้นตอนสำรองข้อมูล การอนุมัติผลงาน และการตรวจลิขสิทธิ์ควบคู่กัน เพราะคำว่า open weights และ local ไม่ได้ทำให้งานที่สร้างขึ้นปลอดความเสี่ยงทางกฎหมายโดยอัตโนมัติ