概览
LTX-2.5 是 Lightricks 旗下 LTX 于 2026 年 8 月 11 日发布的开放权重音视频基础模型，属于 LTX-2 系列（前作为 LTX-2 与 LTX-2.3），技术基础见 LTX-2 论文（arXiv 2601.03233）。它能从文本、图片、视频或音频生成画面与声音同步的视频，官方称其已落地的用途是高保真音视频生成，同时正在向机器人和物理 AI 等「世界模型」方向扩展。相比前代，LTX-2.5 新增原生多镜头生成（多个镜头之间保持人物、场景、光线和声音一致）、按场景复杂度分配算力的「扩散保真渲染」、替代 VAE 的扩散视频解码器、定制的 Gemma 4 12B 文本编码器与提示词增强、自动预测片段时长，并大幅改进了蒸馏模型。权重以拆分组件的形式发布在 Hugging Face（主干为 22B DiT，有 bf16、ComfyUI int8、NVFP4 等版本），可用官方 ltx-pipelines、ComfyUI 或 Diffusers 在自己的 GPU 上运行和微调，官方另提供多款后期用 IC-LoRA（去模糊、修复老片、SDR 转 HDR、透明通道等）。许可为 LTX-2.x Community License：年营收低于 1000 万美元的机构可免费用于商业和生产（转让微调模型可能需要付费授权），超过需签付费商用协议；Hugging Face 下载需先登录并同意条款。不想本地部署也可以在 LTX API Playground 在线试用或调用付费 API。官方来源：https://ltx.io/model/ltx-2-5 、https://huggingface.co/Lightricks/LTX-2.5 、https://docs.ltx.io/pricing 、https://ltx.io/release-notes 、https://github.com/Lightricks/LTX-2/blob/main/LICENSE-2_x （2026-10-22 核对）。 定价：开放权重，年营收低于 1000 万美元可免费下载、本地运行和商用；官方 API 按生成视频秒数计费，ltx-2-5-fast 为每秒 $0.09（720p）/ $0.13（1080p）/ $0.19（1440p）/ $0.30（4K），ltx-2-5-pro 为每秒 $0.12 / $0.17 / $0.25 / $0.39（文生视频、图生视频同价）。
- 模态
- 视频
- 参数量
- 22B（DiT 主干；另配 Gemma 4 12B 文本编码器）
- 许可说明
- 开源 · LTX-2.x Community License（年营收低于 1000 万美元可免费商用；超过需购买商用授权）
能力
- 输入输出：文本、图片、视频、音频任意组合输入，输出带同步音频的视频（模型卡列出文生视频、图生视频、视频生视频、音频生视频、文生音频等任务）
- 原生多镜头：一次生成多个相连镜头，跨剪辑保持人物身份、环境、光线、声音和画面风格（之前版本只能生成单个连续镜头）
- 扩散保真渲染（Diffusion Fidelity Rendering）：按场景复杂度和预算动态分配算力，并在像素空间完成最终渲染，提升细节
- 新的扩散视频解码器：替代 VAE 重建阶段，人脸、纹理和画面文字更清晰，运动更自然
- Gemma 4 12B 文本编码器 + 提示词增强：复杂提示（多角色、运镜、光线、动作）不易丢细节，短提示可自动扩写
- 自动时长：可选的时长预测头根据提示词决定片段长度，不必手动设帧数
- 蒸馏版：8 步、CFG=1 的蒸馏检查点，速度快且保留大部分完整模型质量；另有可训练的完整 dev 检查点、ComfyUI int8 与 NVFP4 量化版
- 后期能力（IC-LoRA）：Refine、Restore、SDR 转 HDR、HDR 原生 EXR 工作流、Layout to Render、AlphaGen 透明通道等，可配合原生分辨率工作流做到 4K 乃至更高
- 运行方式：官方 Python 包 ltx-pipelines（Python ≥ 3.12、CUDA ≥ 12.7）、ComfyUI 官方工作流、Diffusers（Lightricks/LTX-2.5-Diffusers），官方称最低 16GB 显存可跑；也可用 LTX Trainer 做 LoRA 微调
- 托管 API：模型 ID ltx-2-5-fast 与 ltx-2-5-pro，支持 720p 到 4K（3840×2160）