信息卡

一句话定位

Lightricks 推出的 LTX 系列第三代旗舰：22B DiT 一次生成"带原生立体声的多镜头视频"，主打 open weights、本地可跑、社区微调友好——开源视频模型与闭源 Sora/Veo 阵营对垒的新主力。

为什么上热度榜

三大卖点同时命中社区痛点：原生多镜头一致性（角色/光照/配音/风格跨镜头保持）是当前文生视频最大的工程缺口；官方蒸馏版 8 步采样把消费级显卡出片变成现实；月下载约 894K、25 个量化版 + 19 个微调 + 9 个适配器的衍生生态展示了罕见的繁殖力。ComfyUI 官方模板内置进一步压低体验门槛。（数据为采集时点信息）

模型规格与技术亮点

• 规模：22B DiT transformer，分体式 safetensors（transformer/text encoder/VAE 分发）。
• 文本编码：Gemma 4 12B 定制编码器 + 提示词增强器。
• Diffusion fidelity rendering：按场景复杂度动态分配算力。
• 新 diffusion 视频解码器：取代传统 VAE 重建，显著改善人脸、纹理与字幕文字细节。
• 时长头：可选 duration head 按提示自动推断合适时长。
• 两级管线：x2 空间 / x2 时间 latent 上采样器，stage-2 以双倍分辨率解码。
• 蒸馏版：固定 8 步采样、CFG=1，质量逼近完整版。
• 生成约束：帧数满足 `num_frames % 8 == 1`（如 121 帧），宽高被 32 整除，示例 544×960 @24fps。

使用方式与代码示例

三条路线：① 官方 `ltx-pipelines`（Python ≥3.12、CUDA ≥12.7、PyTorch ≈2.7）；② ComfyUI 内置工作流模板（int8 checkpoint 仅限 ComfyUI）；③ Diffusers 走 `Lightricks/LTX-2.5-Diffusers`（需安装 diffusers 主分支）。蒸馏版 CLI 示例：

uv run python -m ltx_pipelines.distilled \
  --transformer-path models/ltx-2.5/diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \
  --text-encoder-path models/ltx-2.5/text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \
  --video-vae-path models/ltx-2.5/vae/ltx-2.5-video-vae-bf16.safetensors \
  --prompt "A golden retriever running through a sunny meadow" --seed 42

图像条件经 `--image PATH FRAME_IDX STRENGTH` 追加；低显存加 `--quantization fp8-cast --offload cpu`。注意仓库为 gated：需登录同意隐私政策后下载。

部署建议（本地/云端量化选择）

消费级优先蒸馏版 + fp8/int8 量化 + CPU offload，可在 16–24GB 显存完成短片创作；专业产出建议云端 A100/H100 跑完整版两阶段上采样管线；批量内容工厂可用 8 步蒸馏版稳定控时；商用前核对许可——年收入 ≥ $10M 的主体需付费协议。

典型应用场景

带旁白与音效的营销短视频一条龙生成；多镜头短剧/广告分镜原型；影视预演与 storyboard 动态化；游戏与数字内容的 world simulation 素材生产；LoRA 定制风格化的品牌视觉资产。

同类模型对比

对比 Wan/HunyuanVideo 系：LTX-2.5 是少数视频+音频联合输出且提供成熟商业工具链（LTX-2 Trainer/ComfyUI 官方支持）的方案；对比闭源 Veo/Sora：开放权重可本地化与微调是决定性差异；对比上代 LTX-2.3：解码器、多镜头一致性与时长推断全面升级，旧 LoRA 多数直接兼容。

资源导航

模型页 https://huggingface.co/Lightricks/LTX-2.5 · Diffusers 版仓库 Lightricks/LTX-2.5-Diffusers · 官方 ltx-pipelines 包与 LTX-2 Trainer · ComfyUI 工作流模板