Команда Lightricks представила LTX-2.5 — новую фундаментальную аудиовидеомодель с открытыми весами и 22 миллиардами параметров. Модель умеет создавать нативные мультишот-сцены, автоматически подбирать длительность клипа и выдавать картинку в 4K HDR. Уже в день релиза разработчики подготовили официальные шаблоны рабочих процессов для ComfyUI и наборы примеров для быстрого старта.
Обзор
LTX-2.5 — это следующее поколение открытого семейства видеомоделей от Lightricks, пришедшее на смену LTX-2.3. В основе лежит асимметричный двухпоточный diffusion-трансформер на 22B параметров, который генерирует видео и аудио одновременно — за это отвечает двунаправленное перекрёстное внимание с модально-зависимым направлением без классификатора. Текстовым энкодером служит модель Gemma 4 12B с обученной проекцией.
Модель доступна в двух вариантах: полный dev-чекпоинт и дистиллированная версия на несколько шагов. Она поддерживает генерацию текст-в-видео, изображение-в-видео, видео-в-видео, текст-в-аудио и аудио-в-видео. По словам команды Lightricks, 10-секундный клип из изображения дистиллированная модель собирает примерно за 6-8 секунд на топовых чипах NVIDIA.
Официальное демо LTX-2.5 (видео с ltx.io)
Что нового в LTX-2.5
Нативный мультишот. Модель создаёт связанные сцены — общие, средние и крупные планы — в рамках одной генерации, сохраняя персонажа, окружение, освещение и голос согласованными между кадрами.
Автоматическая длительность. Длина клипа предсказывается исходя из описанного действия, так что сцены получают подходящую продолжительность без ручной подгонки количества кадров.
Нативный 4K HDR. Модель нацелена на выход в высоком разрешении с расширенным динамическим диапазоном, а HDR-пайплайны уже встроены в официальные рабочие процессы.
Diffusion Fidelity Rendering (DFR). Новый проход рендеринга, который ориентирован на реалистичные видеоматериалы, редактируемые результаты и кинематографический EXR-выход для продакшн-пайплайнов.
Веса и варианты
В репозитории на Hugging Face мы можем скачать полный набор официальных весов:
- Базовый: ltx-2.5-22b-dev-transformer-bf16.safetensors
- Дистиллированный: ltx-2.5-22b-distilled-transformer-bf16.safetensors
- Готовые квантования для ComfyUI: варианты int8 convrot и NVFP4 дистиллированного трансформера
- Текстовый энкодер: gemma4-12b-with-proj-ltx-2.5 (BF16 и ComfyUI int8 convrot)
- VAE: отдельные VAE для видео и аудио
- Апскейлеры: латентные пространственные и временные апскейлеры с увеличением 2x
- Дополнения: дистиллированный LoRA (450) и патч-модель с головой длительности
Поддержка ComfyUI
LTX-2.5 работает в ComfyUI с первого дня. Официальные шаблоны рабочих процессов — для генерации видео из текста, из изображения и по первому и последнему кадрам — уже лежат в библиотеке шаблонов ComfyUI:
Скачать рабочий процесс LTX-2.5 текст-в-видео
Скачать рабочий процесс LTX-2.5 изображение-в-видео
Команда Lightricks также обновила официальный враппер ComfyUI-LTXVideo, добавив туда полный набор примеров рабочих процессов 2.5 — одноэтапные и двухэтапные (с апскейлом) T2V/I2V, инпейтинг и аутпейтинг ICLoRA, отслеживание движения, union control и генерацию текст-в-аудио.
Ссылки
- Страница модели: ltx.io/model
- Веса: Lightricks/LTX-2.5 на Hugging Face
- Враппер для ComfyUI: Lightricks/ComfyUI-LTXVideo
- Шаблоны рабочих процессов: Comfy-Org/workflow_templates