LTX 2.5

它是什么

LTX-2.5 以拆分的 Comfy 对齐包发布（每个组件一个 .safetensors），而非单一单体文件。核心组件包括：

• DiT Transformer：蒸馏 / 全量（dev）bf16，以及 Comfy int8、NVFP4 等变体。
• 文本编码器：定制 Gemma 4 12B + 投影。
• VAE：新 Diffusion video decoder（DiffVAE）与更快的 Conv VAE；另有 Audio VAE + vocoder。
• 可选 duration head、空间/时间 latent upscaler、蒸馏 LoRA 等。

约束（模型卡）：帧数需满足 num_frames % 8 == 1；宽高需能被 32 整除。

谁做的

由 Lightricks 发布。权重：Lightricks/LTX-2.5；代码仓库 Lightricks/LTX-2。许可为 LTX-2.x Community License（HF license: other）：模型卡称年收入低于一定门槛时可免费商用 / 生产使用，微调转让等可能需付费许可——以仓库 LICENSE 为准。另有付费 Commercial Use Agreement 选项。

能做什么

模型卡描述的成熟用途：

• 文生视频 + 音频：同步生成画面与声音。
• 图生视频：首帧 / 多帧条件（--image PATH FRAME_IDX STRENGTH）。
• 多镜头（multishot）：单次生成多个镜头，尽量保持角色、环境、灯光、声音与风格连贯（相对旧版单连续镜头）。
• 自托管：无按次计费 / 强制 API；可在 ComfyUI、官方 ltx-pipelines 或 Diffusers 路径运行。

怎么试用

选项 A — Python（ltx-pipelines）：克隆仓库、uv sync，再 hf download 蒸馏拆分包，运行 python -m ltx_pipelines.distilled（需指向 transformer / text-encoder / video-vae / audio-vae / duration-head / spatial-upsampler 等路径）。推荐 Python ≥ 3.12、CUDA ≥ 12.7、PyTorch ≈ 2.7。

git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2 && uv sync && source .venv/bin/activate
# 然后按模型卡 hf download 权重，并运行 distilled 模块

选项 B — ComfyUI：官方提供 LTX-2.5 workflow 模板。

选项 C — Diffusers：使用 Lightricks/LTX-2.5-Diffusers，从 Diffusers main 安装；示例含两阶段图生视频（latent upsample）。在线 playground 也可先试 API。

完整命令与路径表见 模型卡。

相对前代：2.5 新特性

模型卡「What's new in LTX-2.5」摘要：

• 原生多镜头生成：单次生成连贯多镜头。
• 按场景复杂度分配算力的 diffusion fidelity rendering。
• 新 diffusion video decoder：更利脸部、纹理、屏上文字与运动，减少伪影。
• 定制 Gemma 4 12B 文本编码器：更好保持复杂提示细节。
• Prompt enhancer 与可选 duration predictor。
• 明显改进的蒸馏模型：在更小更快检查点上保留更多全量质量。

多数针对 LTX-2.3 的 LoRA / IC-LoRA 可在 2.5 上直接用，少数需验证（模型卡说明）。