LTX-2.5 – LTX 開源的 AI 視頻生成基礎模型

LTX-2.5是什麼

LTX-2.5 是  LTX  開源的 AI 視頻生成基礎模型，擁有 22B 參數，發佈即開放權重。模型支持原生多鏡頭生成、4K HDR 與 RAW/EXR 專業工作流，可同步生成音頻，具備精確視頻編輯能力。在閉源模型日益高價化的當下，LTX-2.5 以開放生態策略爲 AI 視頻領域提供專業級的開源替代方案。

LTX-2.5的主要功能

• 原生多鏡頭生成：單次生成即可輸出多個不同機位和景別的連續鏡頭，在鏡頭切換間保持角色形象、環境氛圍、光線條件和聲音的高度一致，解決 AI 劇情創作中鏡頭連續性的核心痛點。
• 擴散保真渲染：根據場景複雜度自適應分配渲染算力，複雜動態鏡頭獲得更多計算資源，靜態或簡單場景則自動節省，在保障畫質的同時提升整體效率。
• 精確視頻編輯：在保留原始實拍素材運動軌跡與空間結構的基礎上，進行高精度的風格改寫、場景重繪與角色替換，實現”實拍骨架 + AI 風格化覆膜”的可控創作。
• 自動時長預測：內置 Duration Head 模塊，讀取提示詞中的動作描述後自動判斷最合適的片段長度，無需創作者反覆試驗。
• 專業級輸出格式：支持原生 4K HDR、RAW 與 EXR 無損格式輸出，可直接接入專業影視調色、特效合成與後期剪輯管線。
• 同步音頻生成：通過獨立 Audio VAE 模塊，爲視頻同步生成匹配的聲音軌道。
• IC-LoRA 精確控制：提供 Canny 邊緣、Depth 深度、Pose 姿態三種參考視頻控制模式，讓生成結果嚴格遵循參考素材的構圖、空間結構或人物動作。

LTX-2.5的技術原理

• Gemma 4 12B 文本編碼器：Lightricks 專爲 LTX 定製的大語言模型編碼器，能夠完整保留複雜長提示中的多主體關係、動作細節、光照描述和鏡頭方向，不會因提示變長而丟失子句信息。
• Prompt Enhancer：一個輕量級輔助模型，自動將用戶輸入的簡短提示擴展爲詳細的電影級指令，降低提示詞工程門檻，且計算開銷極低。
• Diffusion Video Decoder：替代傳統 VAE 解碼器的新架構，專門針對快速運動場景優化，顯著減少畫面塗抹和僞影，使人臉更清晰、文字更可讀。
• Audio VAE：獨立的音頻潛空間編碼器，負責將視頻內容映射爲匹配的音頻表徵，實現畫面與聲音的同步生成。
• Diffusion Fidelity Rendering：採用”先結構後細節”的兩階段渲染策略。第一階段在 8× 時間壓縮的潛空間中構建運動、構圖和鏡頭框架，並自適應生成高保真關鍵幀；第二階段從結構和關鍵幀共同擴散渲染出最終視頻，以像素級精度解析紋理、材質和麪部細節。
• Duration Head：部署在擴散過程之前的預測模塊，通過理解提示詞中的動作語義，自動推斷並輸出最合適的視頻時長，使模型具備對敘事節奏的初步感知能力。

微信關注回覆“開源”，加入AI開源項目交流羣

如何使用LTX-2.5

• 選擇路徑：決定使用 API 雲服務或 ComfyUI 本地部署。
• API 接入：在 LTX 官網申請 API Key，選擇 Fast或 Pro檔位調用接口。
• 安裝節點：本地部署需更新 ComfyUI 至最新版，並通過 Manager 安裝 ComfyUI-LTXVideo 節點包。
• 下載模型：在 ComfyUI 模板瀏覽器搜索 “LTX-2.5″，選擇對應工作流後一鍵下載所有模型文件。
• 配置參數：設置寬高爲 32 的倍數、幀數爲 1+8 的倍數、幀率 24/25/48/50fps，基礎分辨率設爲目標的一半以啓用 2× 放大。
• 撰寫提示詞：用一段連貫散文描述鏡頭景別、場景光照、角色動作、相機運動和音頻，避免標籤堆疊或權重語法。
• 執行生成：點擊運行，文生視頻直接出片，圖生視頻需上傳首幀，首尾幀模式需上傳首幀與尾幀。
• 精確控制：進階用戶可加載 Canny、Depth 或 Pose 模式的 IC-LoRA，接入參考視頻實現構圖或動作鎖定。
• 模型選擇：快速迭代用 distilled 模型，最終出片用完整 dev 模型以獲得更細膩的細節。

LTX-2.5的核心優勢

• 敘事連貫性：原生 Multishot 多鏡頭生成能力，單次輸出可保持角色形象、環境氛圍、光線條件和聲音的高度一致，從根本上解決 AI 劇情創作中鏡頭連續性的最大痛點。
• 可控性躍升：精確視頻編輯保留原始實拍素材的運動軌跡與空間結構，配合 Canny/Depth/Pose 三種 IC-LoRA 控制模式，實現從”盲目抽卡”到”實拍骨架 + AI 風格化覆膜”的可控生產轉變。
• 工業級工作流：原生 RAW/HDR/EXR 輸出可直接接入專業調色、特效合成與後期剪輯管線，無需壓縮轉碼，滿足影視工業對無損素材的剛性需求。
• 自適應效率：Diffusion Fidelity Rendering 技術按場景複雜度動態分配渲染算力，複雜動態鏡頭精細渲染、靜態簡單場景自動節省資源，在保障像素級畫質的同時提升整體生成效率。

LTX-2.5的項目地址

• 項目官網：https://ltx.io/model/ltx-2-5
• HuggingFace模型庫：https://huggingface.co/Lightricks/LTX-2.5

LTX-2.5的同類競品對比

LTX-2.5的應用場景

• 專業影視後期：原生 4K HDR、RAW 與 EXR 無損輸出可直接接入調色、特效合成與剪輯管線，滿足院線及流媒體級別的後期製作需求，無需忍受壓縮 MP4 的調色噩夢。
• AI 短劇與漫劇：Multishot 多鏡頭生成一次性輸出連貫敘事分鏡，精確視頻編輯支持”真人實拍動作骨架 + AI 角色替換與風格化覆膜”，從根本上解決鏡頭連續性與動作可控性兩大死穴。
• 廣告與品牌內容：快速迭代高質量商業視頻，利用 Prompt Enhancer 降低提示詞工程門檻，Distilled 模型支持快速預覽，完整模型輸出最終成片，兼顧效率與品質。
• 物理 AI 與機器人：Physical AI Checkpoint 爲具身智能團隊提供世界模型基礎，幫助機器人系統感知物理世界和運動規律，超越純內容創作範疇。