LTX-2.5模型发布:6.8秒生成10秒720P视频

一、LTX2.5模型介绍

LTX-2.5 是LTX领先研究团队推出的最新开放世界视频生成模型，为媒体与娱乐、机器人、实时生成等领域的使用场景奠定基础。该模型可生成更高质量的视频，更准确地遵循提示词，并在多次生成中保持角色、场景和声音的一致性。在 2 张英伟达 GB200 芯片配置下生成 10 秒 720P 视频仅需 6.8 秒，原生集成 ComfyUI 工作流工具。

全新多镜头支持让创作者可生成跨越多个剪辑镜头的连续片段，且保持内容连贯性；升级后的扩散视频解码器可提升画质保真度并减少伪影。创作者还可通过生成式编辑优化现有素材，无需从头开始制作，便可更轻松地修正细节并保持精致统一的视觉效果。

新型扩散视频解码器：在保持高压缩比的同时，减少高动态画面伪影，提升文本和面部细节的重建质量。
原生多镜头生成：将完整序列渲染为单一输出，确保角色、场景和声音在剪辑间的一致性，避免拼接痕迹。
定制化语言骨干网：采用定制的 Gemma 4 及专用提示词增强器，更精准地处理复杂的多主体提示词。
物理 AI 与机器人优化：提供针对非电影领域数据微调的预训练检查点，服务于机器人技术等实时应用场景。
高效蒸馏模型：经 NVIDIA 优化，可在 RTX GPU 上本地运行且内存需求更低，以较低成本提供接近全模型的质量。

二、相关安装

三档模型文件：

版本	文件名标识	用途
🏋️ Dev 完整版	-dev-transformer-bf16	完整 DiT，可训练/微调，最高质量
⚡ Distilled 蒸馏版	-distilled-transformer-bf16	固定 8 步推理，CFG=1，速度快
🔧 ComfyUI 量化版	-comfy-int8-convrot	INT8+ConvRot 量化，仅限 ComfyUI 使用
🔵 NVFP4 版	-nvfp4	Blackwell 专属，同质量更快

VAE 也有两套可选：

VAE 版本	特点
DiffVAE (-video-vae-bf16)	更高质量，文件更大
Conv VAE (-video-vae-conv-bf16)	更快更轻量

模型路径

ComfyUI/
├── 📂 models/
│   ├── 📂 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
│   │   └── gemma4_e2b_it_bf16.safetensors
│   ├── 📂 vae/
│   │   ├── ltx-2.5-video-vae-bf16.safetensors
│   │   └── ltx-2.5-audio-vae-bf16.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors

三、工作流

云端工作流：https://www.runninghub.cn/post/2088281770851651585

LTX-2.5模型发布:6.8秒生成10秒720P视频

Minimax H3和LTX-2.5工作流如何选

你的显存多大？

如果你只有 8GB 显存

两个都能跑，但策略不同。 MiniMax H3 是经过我们实测验证的成熟方案——配合 INT4 量化 + 加速 LoRA，5 秒视频 5~6 分钟，10 秒视频 13 分钟，稳。LTX-2.5 通过 ComfyUI INT8-convrot 量化版 + CPU offload 也能跑（LTX-2.3 社区已验证），但 8GB 单卡上的实际速度不可能达到官方双 GB200 的 6.8 秒，建议先观望社区实测数据再入坑。

如果你有 16GB 显存

两者都能跑，但定位完全不同。 H3 做数字人、口播、人物一致性项目；LTX-2.5 做快速素材、高分辨率风光片、首尾帧动画。LTX-2.5 如果爆显存，加 --quantization fp8-cast --offload cpu 降级运行。建议两者都装，按需切换。

如果你有 24GB+ 显存

成年人全都要。 H3 用 INT8/BF16 版本追求极致质量，LTX-2.5 做批量快速产出。两者互补，覆盖 95% 的视频生成需求。

如果你是团队/公司

LTX-2.5 的商用协议非常友好——年收入 $1000 万以下完全免费，支持在自己的硬件上跑，允许在客户数据/IP 上微调。对于中小团队，这是巨大的成本优势。H3 更多依赖社区量化版本，商业使用需要自行确认授权。

一图看懂：核心参数对比：

维度	🎬 MiniMax H3	⚡ LTX-2.5
发布时间	2026 年 7 月	2026 年 8 月 11 日
开发商	MiniMax（中国）	LTX / Lightricks（以色列）
模型定位	全参考多模态视频生成	视频+音频+世界模拟（含物理 AI 分支）
基础架构	自研 Transformer	DiT 22B（22B 参数 Transformer）
文本编码器	Qwen3VL 32B（多模态）	Gemma 4 12B（定制文本编码器）
视频解码器	VAE（fp16/fp32）	DiffVAE（高质量）/ Conv VAE（快速轻量）
最低显存	🟢 8 GB（量化版，实测可行）	🟢 8 GB（LTX-2.3 社区已验证 8GB 可跑，2.5 同样适用；bf16 官方建议 16GB，可通过量化+offload 降低）
最高分辨率	864×480（8GB 实测稳定）	🔴 4K（两阶段：低分辨率生成 + 2× 空间超分）
最长时长	10 秒（8GB 实测上限）	🔴 20 秒（720p/1080p, 24/25 fps）
帧率	24 fps	24 / 25 / 48 / 50 fps
生成速度	5~13 分钟/条（8GB + LoRA）	🔴 6.8 秒（双 GB200）/ 23.7 秒（API）
输入类型	文本 + 图片 + 视频 + 音频	文本 / 图片 / 首尾帧
音频输出	✅ 原生音频	✅ 48kHz 同步音频（原生集成声码器）
多镜头一致性	✅ 全参考模式天然支持	✅ Native Multishot（单次生成连贯多镜头）
提示词增强	需外部 Agent 加工	✅ 内置提示增强器 + 时长预测器
量化方案	🟢 INT4 / INT8 / NVFP4 / MIXED	🟢 ComfyUI 专属 INT8-convrot / NVFP4
低显存方案	–lowvram 参数	--quantization fp8-cast --offload cpu
开源协议	社区量化合集（需自行确认商用）	开源权重，年收入 $1000 万以下完全免费商用
ComfyUI 支持	✅ 社区工作流成熟	✅ 首发原生集成，官方模板
LoRA 兼容	加速 LoRA 生态成熟	✅ 兼容 LTX-2.3 训练的 LoRA
Python API	依赖 ComfyUI 生态	✅ 原生 ltx-pipelines + Diffusers
物理 AI	❌ 不支持	✅ 专用 Physics AI 检查点

四、结语：快，只是开始

LTX-2.5 的核心价值，不在于 6.8 秒这个数字本身。而在于它证明了一件事：AI 视频生成的速度瓶颈正在被快速突破。

当生成速度赶上甚至超过观看速度时，整个创作流程都会被重新定义。你不需要再等待，可以随时调整，随时重试。这种即时反馈，会让创作变得更加自由。

未来会怎样？也许很快，我们就能看到 1080P、甚至 4K 分辨率的实时视频生成。也许很快，AI 视频工具会变得像修图软件一样普及。到那时候，"会用 AI 生成视频"可能会成为一项基本技能。

下载权限

查看

￥

免费下载

评论并刷新后下载

登录后下载
免费下载

免费下载：

签到可领取积分

查看演示

{{attr.name}}：

您当前的等级为

登录后免费下载登录小黑屋反思中，不准下载！评论后刷新页面下载评论支付免费指引：【签到得积分即可下载】请先登录您今天的下载次数（次）用完了，请明天再来支付积分免费指引：【签到得积分即可下载】立即支付支付免费指引：【签到得积分即可下载】立即支付您当前的用户组不允许下载升级会员

您已获得下载权限您可以每天下载资源次，今日剩余次

温馨提示：本站提供的一切软件、教程和内容信息都来自网络收集整理，仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负，版权争议与本站无关。在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。