人工智能大模型基础模型模型量化本地部署媒体生成音频视频【免费下载链接】ltx-2.5-mlx-q8项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/ltx-2.5-mlx-q8点击查看免费下载ltx-2.5-mlx-q8 是 LTX-2.5 音视频生成模型的 MLX 完整组件树最大特点是 Gemma-4 文本编码器采用了int8 量化13.6 GB 而非 23.8 GB让 24 GB 内存的 Mac 也能跑 LTX-2.5。新手最容易在打开仓库时被十几个 safetensors 文件绕晕——本文把这13 个权重文件逐一拆解并附上组件清单读完你就知道每个文件负责什么、缺了哪个会报错。 一张表看懂13 个权重文件都在干什么#文件所属链路一句话作用1–3model-00001-of-00003.safetensors 等 3 个分片文本编码int8 量化后的 Gemma-4 文本编码器约 13.6 GB4vae_encoder.safetensors视频把画面压缩成 latent 潜空间5vae_decoder.safetensors视频把 latent 还原成视频标准版6vae_decoder_pruna.safetensors视频剪枝加速版解码器解码约快 2 倍7vae_diffusion_decoder.safetensors视频扩散式视频解码器8spatial_upscaler_x2_v1_1.safetensors视频latent 空间分辨率 2 倍放大9temporal_upscaler_x2_v1_0.safetensors视频latent 时间轴 2 倍放大加帧10audio_vae.safetensors音频音频潜空间编解码11vocoder.safetensors音频把音频 latent 还原成波形12connector.safetensors胶水把文本编码器输出转成 DiT 的条件信号13duration_head.safetensors胶水视频时长预测头 记忆技巧视频 6 个、音频 2 个、胶水 2 个、文本编码器 3 个分片正好 13 个。 主角Gemma-4 文本编码器3 个分片全仓库唯一改动整个仓库和基础版mlx-community/ltx-2.5-mlx相比只有一处不同gemma4-12b-ltx-v1/目录里的文本编码器被量化成 int8。3 个分片model-00001-of-00003.safetensors、model-00002-of-00003.safetensors、model-00003-of-00003.safetensors合计约 13.6 GB共 11.9B 参数见 model.safetensors.index.json 的 weight_map量化配方int8、group_size 64、affine 模式配置见 gemma4-12b-ltx-v1/config.json一个精心设计的例外embed_tokens词嵌入层刻意保留 bf16 不量化——因为它直接就是 connector 消费的 49 个隐状态之一量化它会破坏整条条件链路配套文件tokenizer.json、chat_template.jinja 等负责文本预处理量化后保真度实测connector 有效 token 位置相似度0.999820接近 bf16 本身的 0.999879 下限盲测 A/B 通过。 视频链路VAE 四件套文件角色vae_encoder.safetensors图像/视频 → latent128 通道潜空间vae_decoder.safetensorslatent → 视频标准解码器vae_decoder_pruna.safetensorsPrunaAI 剪枝蒸馏版解码器690 MB解码约快 2 倍、激活峰值明显更低vae_diffusion_decoder.safetensors扩散式解码器备选方案⚡ 重点说vae_decoder_pruna在 24 GB M5 Pro 上实测每段视频墙钟时间−15.9%在解码受限的 704×512×121 几何下峰值内存从 21.1 GB 降到 14.5 GB——直接把爆内存的运行变成能跑的。Swift 移植版在低配档位compact24、balanced32会默认选用它。注意它是近相似而非位级一致属正常现象。 音频链路2 个文件LTX-2.5 是音视频一体模型config.json 中model_type: AudioVideo音频侧只需要audio_vae.safetensors约 106 MB音频的潜空间编解码vocoder.safetensors声码器把音频 latent 还原为可播放的波形 胶水组件connector 与 duration_headconnector.safetensors8 层小型注意力网络见 embedded_config.json 中connector_num_layers: 8把 Gemma-4 的 49 个隐状态 128 个可学习 register 转成 DiT 能用的 4096 维条件向量。它就是文本和画面的翻译官duration_head.safetensors时长预测头负责决定生成多长的视频 高清加速器空间/时间上采样器两个上采样器都工作在latent 空间比在像素空间放大便宜得多spatial_upscaler_x2_v1_1.safetensors分辨率 2 倍放大。spatial_upscaler_x2_v1_1_config.json 显示spatial_scale: 2.0、中间通道 1024temporal_upscaler_x2_v1_0.safetensors帧数 2 倍放大。temporal_upscaler_x2_v1_0_config.json 显示temporal_upsample: true并启用了rational_resampler有理数重采样⚙️ 两份配置别搞混文件内容config.jsonDiT 主干摘要48 层、32 头、音视频双通道、RoPE 位置编码embedded_config.json完整规格AVTransformer3DModelRectifiedFlowScheduler全部超参⚠️ 新手最容易踩的 3 个坑仓库里没有 DiT视频扩散主干权重README.md 明确警告量化 DiT 在独立仓库中与 int8 编码器互不依赖——你可以 int8 编码器 bf16 DiT 自由混搭不必追根求全内存账要两把钥匙一起拧LTX-2.5 存在约 24.8 GB 的内存地板恰好由 bf16 编码器造成单独换 int8 编码器没用、单独开流式加载也没用两者配合才能把峰值压到 14.6 / 15.4 GB许可有门槛本仓库遵循 LTX-2 Community License见 LICENSE.md附带收入分成条款与非竞争条款商业使用前请阅读 ltx-acceptable-use-policy-snapshot-2026-08-12.pdf 如何获取仓库权重文件全部走 Git LFS见 .gitattributes建议 clone 时带上 LFSgit lfs clone https://gitcode.com/hf_mirrors/mlx-community/ltx-2.5-mlx-q8✅ 一句话总结ltx-2.5-mlx-q8 3 个 int8 量化文本编码器分片 6 个视频 VAE/上采样器 2 个音频文件 2 个胶水组件核心价值是帮 24 GB 内存的 Mac 省下 10 GB 显存跑起 LTX-2.5 音视频生成。赞分享人工智能大模型基础模型模型量化本地部署媒体生成音频视频【免费下载链接】ltx-2.5-mlx-q8项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/ltx-2.5-mlx-q8点击查看免费下载相关推荐Civitai Retool 迁移一致性审计用声称 vs 现实审计 Agent 验证迁移清单的真实性Civitai Retool 迁移一致性审计用声称 vs 现实审计 Agent 验证迁移清单的真实性 本文基于 Civitai 仓库中的 retool p如何选对版本ltx-2.5-mlx / ltx-2.5-mlx-q8 / ltx-2.5-mlx-ditq8 终极对比指南如何选对版本ltx 2.5 mlx / ltx 2.5 mlx q8 / ltx 2.5 mlx ditq8 终极对比指南 LTX 2.5 是 Lightri人工智能大模型基础模型模型量化本地部署媒体生成音频视频商用前必读ltx-2.5-mlx-q8 的 LTX-2 社区许可证全解读$10M 营收门槛 非竞争条款商用前必读ltx 2.5 mlx q8 的 LTX 2 社区许可证全解读$10M 营收门槛 非竞争条款 ltx 2.5 mlx q8 是面向 MLX人工智能大模型基础模型模型量化本地部署媒体生成音频视频创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考