LTX-2.5本地部署快速上手ltx-pipelines安装与文生视频保姆级教程【免费下载链接】LTX-2.5项目地址: https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5LTX-2.5 是 Lightricks 推出的开源 AI 视频生成模型世界模型权重完全开放支持文生视频、图生视频与音频同步生成且无按次计费、无 API 强制绑定。本教程面向零基础用户带你一步步完成 LTX-2.5 本地部署从 ltx-pipelines 安装、模型权重准备到跑通第一条文生视频全程保姆级演示。无论你是想低成本做 AI 短视频还是研究视频生成技术这篇 LTX-2.5 本地部署教程都能帮你快速上手。LTX-2.5是什么为什么值得本地部署LTX-2.5 是 Lightricks 发布的开源世界模型open world model核心能力是输入文字或图片输出高保真视频与音频。相比云端 API 方案本地部署最大的优势是完全掌控、按需定制——没有按次生成计费没有并发限制也不依赖任何第三方服务数据和模型都掌握在自己手里。相比上一代LTX-2.5 带来这些值得关注的亮点原生多镜头生成一次生成多个连贯镜头角色、环境、光线、声音、风格跨镜头保持一致✨扩散保真渲染按场景复杂度动态分配算力重要细节拉满、其余部分高效渲染️全新扩散视频解码器人脸、纹理、画面文字更清晰运动更自然、伪影更少Gemma 4 12B 定制文本编码器长提示词也能完整理解多角色、镜头运动、光线、动作不丢细节⏱️时长预测器可选根据提示词自动决定视频长度无需手动设置帧数大幅优化的蒸馏模型体积更小、速度更快画质与提示词遵循度接近完整版LTX-2.5本地部署硬件要求与软件环境清单开始安装前先对照检查你的电脑是否满足以下 LTX-2.5 本地部署环境要求项目推荐配置Python≥ 3.12CUDA≥ 12.7PyTorch≈ 2.7显卡NVIDIA GPU显存建议 24GB 以上硬盘预留 60GB 以上空间存放权重显存不够别慌ltx-pipelines 支持--quantization fp8-cast动态降精度与--offload cpuCPU 卸载中低显存机器也能跑起来详见下文进阶技巧。第一步克隆权重仓库看懂模型文件清单LTX-2.5 采用分体重设计——不再是单个大文件而是每个组件一个.safetensors文件与 ComfyUI 对齐。先克隆本教程使用的权重仓库git clone https://gitcode.com/hf_mirrors/Lightricks/LTX-2.5 cd LTX-2.5克隆完成后你会看到清晰的目录结构每个目录对应一类组件diffusion_models/扩散模型DiT蒸馏版与完整版都在这里text_encoders/Gemma 4 12B 文本编码器及投影层vae/视频 VAE 与音频 VAEloras/官方蒸馏 LoRAmodel_patches/时长预测头latent_upscale_models/空间/时间 ×2 潜空间放大模型文生视频最常用的权重组合如下路径均为仓库内相对路径组件文件路径蒸馏 DiT8 步快速出片diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors完整 DiT可训练diffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors文本编码器text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors视频 VAE高质量 DiffVAEvae/ltx-2.5-video-vae-bf16.safetensors视频 VAE轻量 Convvae/ltx-2.5-video-vae-conv-bf16.safetensors音频 VAEvae/ltx-2.5-audio-vae-bf16.safetensors时长预测头model_patches/ltx-2.5-duration-head-bf16.safetensors空间放大模型latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors 注意文件名带comfy-int8-convrot的权重如diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors、text_encoders/gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors仅供 ComfyUI 使用ltx-pipelines / PyTorch 路径请统一使用bf16版本。第二步ltx-pipelines安装教程uv一键同步ltx-pipelines 是 Lightricks 官方的 Python 推理管线官方推荐用uv管理 Python 环境一条命令装齐所有依赖# 在 ltx-pipelines 项目目录下执行 uv sync source .venv/bin/activateuv sync自动创建虚拟环境并按照锁文件安装全部依赖source .venv/bin/activate激活虚拟环境后续命令都在其中运行装好后先运行uv run python -m ltx_pipelines.distilled --help查看全部参数确认 ltx-pipelines 安装成功同时熟悉各命令行选项的用途。第三步LTX-2.5文生视频实战8步蒸馏快速出片环境就绪后把第一步克隆的权重路径填入命令即可开始 LTX-2.5 文生视频。下面以蒸馏模型固定 8 步采样、CFG1速度最快为例uv run python -m ltx_pipelines.distilled \ --transformer-path diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \ --text-encoder-path text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \ --video-vae-path vae/ltx-2.5-video-vae-bf16.safetensors \ --audio-vae-path vae/ltx-2.5-audio-vae-bf16.safetensors \ --duration-head-path model_patches/ltx-2.5-duration-head-bf16.safetensors \ --spatial-upsampler-path latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors \ --prompt A golden retriever running through a sunny meadow, cinematic lighting \ --seed 42 \ --output-path output_distilled.mp4几个新手最容易踩坑的关键点帧数规则--num-frames必须满足帧数 % 8 1如 9、17、121不填该参数时时长预测头会根据提示词自动决定视频长度LTX-2.5 新特性分辨率规则宽和高必须能被 32 整除输出文件--output-path指定生成的 mp4 路径视频会自带配音音频运行完成后打开output_distilled.mp4你的第一条 LTX-2.5 文生视频就诞生了进阶技巧LTX-2.5图生视频与低显存部署优化跑通文生视频后还可以轻松解锁更多玩法图生视频追加--image 图片路径 帧位置 强度参数即可例如用首帧图引导画面帧位置 0 第一帧条件约束uv run python -m ltx_pipelines.distilled \ ...同上文的权重参数... \ --image path/to/first_frame.jpg 0 1.0 \ --prompt The camera slowly dollies out as wind moves through the grass低显存优化在命令末尾追加两个参数即可大幅降低显存占用--quantization fp8-cast \ --offload cpu--quantization fp8-cast加载时把 bf16 权重动态降为 FP8省显存--offload cpu把部分权重卸载到 CPU 内存适合显存较小的情况如果想进一步追求画质还可以换用完整可训练的 dev 版 DiTdiffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors、接入官方蒸馏 LoRAloras/ltx-2.5-22b-distilled-lora-450-bf16.safetensors或用空间放大模型latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors做 ×2 超分多级流水线一键成片。LTX-2.5本地部署常见问题解答Q1运行报错说权重不兼容检查是否误用了comfy-int8-convrot文件——这类权重只适配 ComfyUIltx-pipelines 请统一使用bf16版本。Q2显存不足OOM怎么办优先使用蒸馏版模型并加上--quantization fp8-cast --offload cpu视频 VAE 可换用更轻量的vae/ltx-2.5-video-vae-conv-bf16.safetensors。Q3生成的视频不够清晰改用高质量 DiffVAEvae/ltx-2.5-video-vae-bf16.safetensors并接入空间放大模型实现 ×2 超分画面细节会有明显提升。Q4提示词写多长合适LTX-2.5 的 Gemma 4 12B 编码器能扛住复杂长提示建议把主体、动作、镜头运动、光线、风格都写清楚画面可控性会显著提高。写在最后从 ltx-pipelines 安装、权重准备到跑通第一条文生视频LTX-2.5 本地部署比想象中简单。作为目前少有的视频 音频同步生成开源模型它非常适合短视频创作、广告素材生成与技术研究。快跟着本教程动手试试用一条提示词生成你的专属视频吧【免费下载链接】LTX-2.5项目地址: https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考