「LTX-2-Marking」動画・音声向け電子透かしモデル:配布ファイル一覧

「LTX-2-Marking」動画・音声向け電子透かしモデル:配布ファイル一覧

基本情報

項目 内容
リポジトリ Lightricks/LTX-2-Marking
公開元のまとめ Lightricks(LTX) のモデルとライセンスのまとめ
公開日 2026-10-28
ライセンス mit
配布形式 PyTorch (pth)
論文 arXiv:2412.09492
出典の種類 公開元の一次情報(Lightricks公式HFリポジトリが一次情報)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

概要

Lightricksは、同社の動画生成パイプライン「LTX-2」で利用される不可視電子透かし(invisible marking)のモデル重みおよび設定ファイル群をまとめた「Lightricks/LTX-2-Marking」を公開しました。

本パックは、動画フレーム向けの透かし技術である「PixelSeal」(VideoSealファミリー)と、ステレオPCM音声向けの「AudioSeal」で構成されています。生成された動画や音声信号に対して、人間の目や耳では知覚できない信号を事後的に埋め込み、後からその信号を検出することで、対象のメディアが透かしを有効にしたLTX-2パイプラインによって生成されたものであるかを判定できます。なお、公開元は本機能について暗号署名ではなく、透かしが検出されなかったとしても「生成モデルによって作られたものではない」ことの完全な証明にはならないと説明しています。

スペック

公開された資料に記載されている主な仕様および構成ファイルは以下の通りです。

  • 含まれるファイル構成:
  • pixelseal.pth: PixelSealの埋め込み器(embedder)および抽出器(extractor)の重み(モデル状態のみを収録) – pixelseal.yaml: アーキテクチャ、256ビットのペイロード、256ピクセルの処理サイズを定義したモデルカード設定 – videoseal_attenuation.yaml: 設定カードが参照するJND(Just Noticeable Difference)減衰チャンネルマップ – audioseal_generator.pth: AudioSealの16ビット生成器(埋め込み用重み) – audioseal_detector.pth: AudioSealの16ビット検出器の重み
  • 映像処理の仕様:
  • 対象フォーマット: SDRのH.264出力を対象としています(HDR出力では映像の透かし処理はスキップされます) – 検出時の処理単位: デコードされたフレームのうち8フレームごとに1フレームを抽出し、256×256ピクセルにリサイズして抽出器に入力します。サンプリングされたフレーム全体でビットのロジット値を平均化します – 検出基準: 二項検定に基づくp値の対数である log10(p_value) < -6 を満たした場合に検出と判定します
  • 音声処理の仕様:
  • 形式・サンプリング周波数: ステレオPCM音声を対象とし、ネイティブの24kHzまたは48kHzレートで動作します(リサンプリング処理は行いません) – 検出処理: 音声トラック全体を走査し、ステレオの各チャンネルを個別のモノラル信号として処理します – 検出基準: サンプルの半数以上において透かし確率が0.5を上回った場合に検出と判定します
  • ライセンス条件: MITライセンスの下で公開されています(アップストリームのライセンスとして LICENSE-videoseal および LICENSE-audioseal が含まれます)

性能・品質

モデルカードでは、検出処理の所要時間や動作速度に関するベンチマーク、および関連論文における頑健性(ロバスト性)についての検証結果が公開されています。

検出処理はCPUおよびGPUの双方で実行可能ですが、処理速度には大きな差があります。公開元の検証環境において、ファイルのデコード時間を除いた5〜10秒間・最大4K解像度のクリップに対する動画検出時間は以下の通り報告されています。

  • B200 GPU(1基): 約15〜30ミリ秒
  • CPU: 0.6〜3秒

このように、GPU環境を利用することで動画フレームに対する透かし検出を極めて高速に実行できます。音声についてもフルトラックを走査して各チャンネルの透かし確率を評価する仕組みが整えられています。

また、基盤となっている技術の論文(arXiv:2412.09492)によると、VideoSealフレームワークは埋め込み器と抽出器を共同訓練し、その間に動画コーデックなどの変換を適用することで、圧縮や幾何学的変換が組み合わさった過酷な歪み条件下でも強力なベースラインと比較して高いロバスト性を発揮すると報告されています。

一方で、品質や信頼性に関する制約事項として以下の点がモデルカードに明記されています。まず、本透かしは暗号学的な署名ではないため、検出されなかったからといって非AI生成物であると断定することはできません。さらに、モデル自体はMetaが公開している汎用モデルをベースとしているため、公開されている重みとコードを入手すれば誰でも検出が行える反面、十分な技術を持つ攻撃者によって透かし信号が弱められたり除去されたりする可能性がある点に留意が必要です。

得意なこと・想定用途

Lightricks/LTX-2-Markingは、LTX-2を用いた動画および音声の生成・編集ワークフローにおいて、コンテンツの品質を損なうことなく生成元を識別するための不可視電子透かしを埋め込み、後から検証することに特化しています。

具体的には、以下のような用途やパイプライン処理に対応しています。

  • 動画生成および編集CLIでの透かし付与: 動画生成時や動画編集時にオプションとして透かしを付与できます。透かしの埋め込みはオプトイン方式となっており、指定を行わなければ元のピクセルデータやPCM音声データを一切変更せずに出力することも可能です。
  • パイプラインに応じた個別処理:
  • HDR生成: 映像に対する透かし処理はスキップされ、音声トラックに対してのみAudioSealによる透かし処理が適用されます。 – Audio-to-video(音声からの動画生成): 入力されたソース音声がそのままパススルーされる仕様となっているため、生成された映像フレームに対してのみPixelSealによる透かし処理が行われます。 – Text-to-audio(テキストからの音声生成): 映像が存在しないため、音声マーカーのみが適用されます。
  • 高速な生成物検証: 公開されている検出用スクリプトとモデル重みを利用することで、対象のMP4ファイルなどにLTX-2由来の透かし信号が含まれているかどうかをローカル環境で直接判定できます。

本パックは、生成モデルによるメディア出力に対してトレーサビリティを確保したい場合や、自前の運用環境において生成コンテンツの識別管理を行いたい技術者に適した構成となっています。

配布ファイル

Lightricks/LTX-2-Marking で配布されている重みファイルを、Hugging FaceのAPIから当サイトが並べたものです。サイズは実ファイルの値です。

ファイル サイズ
audioseal_detector.pth 35MB
audioseal_generator.pth 59MB
pixelseal.pth 309MB

入手方法

本リポジトリにはモデルの重みと設定ファイルのみが含まれており、埋め込みや検出を行う実行コード自体はLTX-2の公開リポジトリ(packages/ltx-pipelines/src/ltx_pipelines/marking)で提供されています。LTX-2のライブラリはモデル重みを自動的にダウンロードしない仕様となっているため、利用にあたっては手動でローカル環境へ取得する必要があります。ゲート付きモデル(gated model)ではないため、利用規約への個別同意なしに直接ダウンロードできます。

1. 依存パッケージのインストール

LTX-2リポジトリをクローンし、電子透かし用の追加依存関係を指定してインストールします。

uv sync --extra videoseal --extra audioseal
# または pip を使用する場合
pip install 'ltx-pipelines[videoseal,audioseal]'

2. 重みパックのダウンロードと検証

Hugging Face CLIを使用して、モデルファイル群を作業環境のディレクトリへダウンロードします。

hf download Lightricks/LTX-2-Marking --local-dir path/to/marking

本パックのローダーである create_markers は、指定された同一ディレクトリ内に全5種類のモデルファイルが存在することを前提としています。また、.pth ファイルはPyTorchのpickle形式であるため、ダウンロード後は公開元が提示しているSHA-256チェックサム値と合致しているか確認することが推奨されています。

sha256sum pixelseal.pth pixelseal.yaml videoseal_attenuation.yaml audioseal_generator.pth audioseal_detector.pth

3. 生成パイプラインでの利用

動画生成や編集のCLIを実行する際、--marker-root-path 引数にダウンロード先のディレクトリパスを渡すことで、出力ファイルに自動で透かしが埋め込まれます。この引数を指定しない場合は、透かしの埋め込みは行われません。

python -m ltx_pipelines.distilled \
... \
    --marker-root-path path/to/marking \
    --output-path out.mp4

4. 検出の実行コード

生成されたメディアから透かしを検出する場合は、ltx_pipelines.marking モジュールのAPIを呼び出します。検出処理はCPUまたはCUDAデバイスのいずれでも実行可能です。

import torch
from ltx_pipelines.marking import create_markers, detect_audio_mark, detect_video_mark

# マーカーの初期化
video_marker, audio_marker = create_markers("path/to/marking", torch.device("cuda"))

# 映像および音声の検出実行
print(detect_video_mark(video_marker, "out.mp4"))
print(detect_audio_mark(audio_marker, "out.mp4"))

各検出関数を実行すると、判定結果である detected フラグ、ビット正解率(bit_accuracy)、二項検定による p_value、およびデコードされた payload を含む MarkDetectResult オブジェクトが返出されます。

手元で動かせるか

公開元の配布形式は PyTorch (pth) です。

ライセンス mit(商用利用可): 商用利用を含めて自由に利用・改変・再配布できます。再配布時に著作権表示とライセンス文を残すことが条件です。

配布形式とライセンス表記から当サイトのコードが組み立てた判定です。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。

関連記事

次に読むなら

出典