LTX-2.5 完整指南：22B 开源视频模型，速度优先的效率之王
一、模型概述
LTX-2.5 是 Lightricks 旗下 LTX 团队（2026 年独立）发布的第三代开源视频生成模型，22B 参数 Diffusion Transformer。2026 年 8 月 11 日发布，开源权重在 Hugging Face。
核心定位：不是画质最强的，但生成速度最快的开源视频模型之一。2K 分辨率 5 秒视频，RTX 4090 约 47 秒生成。
许可证
- 年收入 $10M 以下：免费商用（LTX-2.x Community License）
- 年收入 $10M 以上：需购买付费商业许可
- LoRA 微调权重转移可能需要付费许可
两个版本
| 版本 | 定位 | 最高分辨率 | 端点 |
|---|---|---|---|
| ltx-2-5-fast | 速度优先，蒸馏 8 步 | 4K | 文生/图生/音生视频 |
| ltx-2-5-pro | 画质优先 | 1080p | 文生/图生/音生视频 |
Pro 版仅 API 可用，本地部署的是 Fast 版。
二、为什么这么快
2.1 蒸馏（核心）
- 将完整模型的多步生成压缩为约 8 步
- 引导（guidance）也学进了蒸馏模型，推理时每步不用算两遍
- 蒸馏版和完整版参数量相同（都是 22B），变快的关键是步数少+单步计算少
2.2 极致潜空间压缩
- 潜空间压缩比 1:192（主流模型通常更低）
- Transformer 每步处理的 Token 数大幅减少
- 细节交给解码器补充
2.3 Diffusion Fidelity Rendering（扩散保真渲染）
- 不平均分配计算量，而是按场景复杂度动态分配算力
- 人脸、文字、快速运动区域多算；静止背景少算
- 在画质和速度之间找到更优的平衡
2.4 速度实测（社区数据）
| 硬件 | 分辨率 | 5 秒 | 10 秒 | 15 秒 |
|---|---|---|---|---|
| RTX 4090 | 2K | ~47s | ~90s | ~155s |
| RTX 3060 12GB | 2K | 可跑 | 较慢 | 较慢 |
| 2× GB200（官方） | 720p | 6.8s | — | — |
| Mac Studio MLX | — | ~53s | — | — |
| Mac Studio MPS | — | ~853s | — | 不推荐 |
三、新特性（相比 LTX-2）
3.1 原生多镜头（Native Multi-Shot）
单次生成可产出多个连接的镜头，角色、场景、光照、视觉风格和声音在镜头切换间保持一致。适合直接生成有剪辑的视频片段。
3.2 更强的提示词理解
文本编码器升级为 Gemma 4 12B + 自定义 Prompt Enhancer，能用更短更简单的提示词控制复杂创意。
3.3 自动时长预测（Auto Duration）
根据请求的动作内容自动判断合适的视频长度，不需要手动指定秒数。
3.4 Diffusion Video Decoder
全新的视频解码器，减少运动伪影，更平滑自然的运动效果。
3.5 原生 4K HDR + 立体声音频
Fast 版支持 4K HDR 输出，视频和音频在同一个前向传播中联合生成。
四、支持的任务
| 任务 | Fast | Pro |
|---|---|---|
| 文生视频（T2V） | ✅ | ✅ |
| 图生视频（I2V） | ✅ | ✅ |
| 音生视频（A2V） | ✅ | ✅ |
| 视频重拍（Retake） | ❌ | ❌ |
| 视频延长（Extend） | ❌ | ❌ |
| 画面重构（Reframe） | ❌ | ❌ |
| LoRA 微调 | ✅ | — |
五、本地部署
5.1 下载模型
HuggingFace: Lightricks/LTX-2.5（需同意协议后下载）
5.2 GPU 部署（NVIDIA）
pip install ltx-video
显存需求：
| 配置 | 最低显存 | 说明 |
|---|---|---|
| FP16 全精度 | ~40GB | 需要 A100/4090 |
| 量化（int4/qint8） | ~12-16GB | RTX 3060/4060 可跑 |
5.3 LTX Desktop（⭐ 最简单，Win/Linux/Mac）
Lightricks/LTX-Desktop（1906 stars），官方桌面应用：
- 支持 Windows/Linux NVIDIA 和 Apple Silicon Mac
- 开箱即用，默认 LTX 2.5 Fast
- 支持文生视频、图生视频、非线性编辑
- Beta 状态
5.4 ComfyUI
ComfyUI 内置 LTX 支持，直接加载模型使用。
5.5 在线 API
官方 API：ltx.io，注册即用，支持 Pro 版。
六、Mac / Apple Silicon 部署
6.1 LTX Desktop（推荐普通用户）
官方桌面应用直接支持 Apple Silicon，下载安装即用。
6.2 MLX 一行命令（⭐ 推荐，16x 加速）
curl -fsSL https://gist.githubusercontent.com/DanielHauschildt/9ad1d7cef482ed508a121881280b74dd/raw/generate -o generate
chmod +x generate
./generate "A wide shot of a rainy city at dusk..."
- 53 秒 vs PyTorch MPS 的 853 秒
- 首次运行自动下载 MLX 运行时 + ~36GB 权重
- 支持音频生成
- 适配 macOS 26 watchdog / eval-guard
6.3 Swift + MLX 原生实现
VincentGourbin/ltx-video-swift-mlx：
- 支持文生视频、图生视频、视频重拍、音频生成
- **支持 LoRA 训练（QLoRA）**和推理
- 支持 qint8/int4 量化
6.4 Mac 硬件要求
| 配置 | 最低 | 推荐 |
|---|---|---|
| 芯片 | M1 | M2 Pro+ |
| 内存 | 32GB | 64GB+ |
| 磁盘 | ~50GB 空闲 | SSD |
七、LoRA 微调
LTX-2.5 支持在 Apple Silicon 上进行 QLoRA 微调（通过 ltx-video-swift-mlx），可以定制风格、角色、场景等。
八、与其他开源模型对比
| LTX-2.5 | MiniMax H3 | Wan 3.0 | Kling 3 | |
|---|---|---|---|---|
| 参数量 | 22B | 33B | — | — |
| 开源 | ✅ | ✅ | ✅ | ❌ |
| 原生音频 | ✅ | ✅ | ❌ | ❌ |
| 最高分辨率 | 4K | 2K | — | 2K |
| 单次最长 | ~15s | 15s | — | — |
| 2K/5s 生成速度 | ~47s (4090) | ~6min (4090) | — | — |
| 多镜头 | ✅ | ❌ | ❌ | ❌ |
| Mac 支持 | ✅ MLX | ❌ | ❌ | ❌ |
| 免费商用 | ✅（<$10M） | ✅ | ✅ | ❌ |
LTX-2.5 的核心优势是速度+Mac 支持+多镜头，画质不是最强但效率最高。
九、适用场景
- 自媒体过场素材：几秒钟的 B-roll，47 秒出片效率极高
- 广告/电商：一张产品图快速生成多场景多镜头版本
- 影视前期预演：导演快速将想法变成视频，做分镜或预演
- 实时创作：生成速度快到可以反复尝试，从「等几分钟」变成「生成-修改-再生成」的快速循环
- Mac 用户：唯一原生支持 Apple Silicon MLX 加速的主流开源视频模型
十、已知局限
- 画质不是顶级，与 MiniMax H3、Kling 3 等闭源模型有差距
- 复杂人物动作、多人交互、手部细节仍有明显 AI 痕迹
- Fast 版的 8 步蒸馏会牺牲一些画质
- Retake / Extend / Reframe 功能尚未支持
- PyTorch MPS 路径非常慢（853s），必须用 MLX
入口
- 官方权重：HuggingFace: Lightricks/LTX-2.5
- 官方文档：docs.ltx.io
- 官方网站：ltx.io/model/ltx-2-5
- LTX Desktop：GitHub
- Mac MLX 一行命令：Gist
- Swift + MLX：GitHub
- PyPI 包：
pip install ltx-video - 技术详解：note.com 长文
暂无评论