LTX-2.5 - LTX 开源的 AI 视频生成基础模型

LTX-2.5是什么

LTX-2.5 是 LTX 开源的 AI 视频生成基础模型，拥有 22B 参数，发布即开放权重。模型支持原生多镜头生成、4K HDR 与 RAW/EXR 专业工作流，可同步生成音频，具备精确视频编辑能力。在闭源模型日益高价化的当下，LTX-2.5 以开放生态策略为 AI 视频领域提供专业级的开源替代方案。

LTX-2.5的主要功能

• 原生多镜头生成：单次生成即可输出多个不同机位和景别的连续镜头，在镜头切换间保持角色形象、环境氛围、光线条件和声音的高度一致，解决 AI 剧情创作中镜头连续性的核心痛点。
• 扩散保真渲染：根据场景复杂度自适应分配渲染算力，复杂动态镜头获得更多计算资源，静态或简单场景则自动节省，在保障画质的同时提升整体效率。
• 精确视频编辑：在保留原始实拍素材运动轨迹与空间结构的基础上，进行高精度的风格改写、场景重绘与角色替换，实现”实拍骨架 + AI 风格化覆膜”的可控创作。
• 自动时长预测：内置 Duration Head 模块，读取提示词中的动作描述后自动判断最合适的片段长度，无需创作者反复试验。
• 专业级输出格式：支持原生 4K HDR、RAW 与 EXR 无损格式输出，可直接接入专业影视调色、特效合成与后期剪辑管线。
• 同步音频生成：通过独立 Audio VAE 模块，为视频同步生成匹配的声音轨道。
• IC-LoRA 精确控制：提供 Canny 边缘、Depth 深度、Pose 姿态三种参考视频控制模式，让生成结果严格遵循参考素材的构图、空间结构或人物动作。

LTX-2.5的技术原理

• Gemma 4 12B 文本编码器：Lightricks 专为 LTX 定制的大语言模型编码器，能够完整保留复杂长提示中的多主体关系、动作细节、光照描述和镜头方向，不会因提示变长而丢失子句信息。
• Prompt Enhancer：一个轻量级辅助模型，自动将用户输入的简短提示扩展为详细的电影级指令，降低提示词工程门槛，且计算开销极低。
• Diffusion Video Decoder：替代传统 VAE 解码器的新架构，专门针对快速运动场景优化，显著减少画面涂抹和伪影，使人脸更清晰、文字更可读。
• Audio VAE：独立的音频潜空间编码器，负责将视频内容映射为匹配的音频表征，实现画面与声音的同步生成。
• Diffusion Fidelity Rendering：采用”先结构后细节”的两阶段渲染策略。第一阶段在 8× 时间压缩的潜空间中构建运动、构图和镜头框架，并自适应生成高保真关键帧；第二阶段从结构和关键帧共同扩散渲染出最终视频，以像素级精度解析纹理、材质和面部细节。
• Duration Head：部署在扩散过程之前的预测模块，通过理解提示词中的动作语义，自动推断并输出最合适的视频时长，使模型具备对叙事节奏的初步感知能力。

微信关注回复“开源”，加入AI开源项目交流群

如何使用LTX-2.5

• 选择路径：决定使用 API 云服务或 ComfyUI 本地部署。
• API 接入：在 LTX 官网申请 API Key，选择 Fast或 Pro档位调用接口。
• 安装节点：本地部署需更新 ComfyUI 至最新版，并通过 Manager 安装 ComfyUI-LTXVideo 节点包。
• 下载模型：在 ComfyUI 模板浏览器搜索 “LTX-2.5″，选择对应工作流后一键下载所有模型文件。
• 配置参数：设置宽高为 32 的倍数、帧数为 1+8 的倍数、帧率 24/25/48/50fps，基础分辨率设为目标的一半以启用 2× 放大。
• 撰写提示词：用一段连贯散文描述镜头景别、场景光照、角色动作、相机运动和音频，避免标签堆叠或权重语法。
• 执行生成：点击运行，文生视频直接出片，图生视频需上传首帧，首尾帧模式需上传首帧与尾帧。
• 精确控制：进阶用户可加载 Canny、Depth 或 Pose 模式的 IC-LoRA，接入参考视频实现构图或动作锁定。
• 模型选择：快速迭代用 distilled 模型，最终出片用完整 dev 模型以获得更细腻的细节。

LTX-2.5的核心优势

• 叙事连贯性：原生 Multishot 多镜头生成能力，单次输出可保持角色形象、环境氛围、光线条件和声音的高度一致，从根本上解决 AI 剧情创作中镜头连续性的最大痛点。
• 可控性跃升：精确视频编辑保留原始实拍素材的运动轨迹与空间结构，配合 Canny/Depth/Pose 三种 IC-LoRA 控制模式，实现从”盲目抽卡”到”实拍骨架 + AI 风格化覆膜”的可控生产转变。
• 工业级工作流：原生 RAW/HDR/EXR 输出可直接接入专业调色、特效合成与后期剪辑管线，无需压缩转码，满足影视工业对无损素材的刚性需求。
• 自适应效率：Diffusion Fidelity Rendering 技术按场景复杂度动态分配渲染算力，复杂动态镜头精细渲染、静态简单场景自动节省资源，在保障像素级画质的同时提升整体生成效率。

LTX-2.5的项目地址

• 项目官网：https://ltx.io/model/ltx-2-5
• HuggingFace模型库：https://huggingface.co/Lightricks/LTX-2.5

LTX-2.5的同类竞品对比

LTX-2.5的应用场景

• 专业影视后期：原生 4K HDR、RAW 与 EXR 无损输出可直接接入调色、特效合成与剪辑管线，满足院线及流媒体级别的后期制作需求，无需忍受压缩 MP4 的调色噩梦。
• AI 短剧与漫剧：Multishot 多镜头生成一次性输出连贯叙事分镜，精确视频编辑支持”真人实拍动作骨架 + AI 角色替换与风格化覆膜”，从根本上解决镜头连续性与动作可控性两大死穴。
• 广告与品牌内容：快速迭代高质量商业视频，利用 Prompt Enhancer 降低提示词工程门槛，Distilled 模型支持快速预览，完整模型输出最终成片，兼顾效率与品质。
• 物理 AI 与机器人：Physical AI Checkpoint 为具身智能团队提供世界模型基础，帮助机器人系统感知物理世界和运动规律，超越纯内容创作范畴。