LTX-2.5 (22B, video + audio)
Genera video con audio sincronizado usando LTX-2.5 en una RTX 5090 de Clore.ai: DiT abierto de 22B con soporte de ComfyUI desde el primer día
La mayoría de los modelos de video abiertos te obligan a ensamblar la banda sonora por separado. LTX-2.5 genera imagen y audio juntos, a partir de texto, de una imagen fija o de un clip existente. También es el primer modelo de video abierto cuya guía oficial de hardware — 32 GB de VRAM — coincide exactamente con una tarjeta que el mercado de Clore.ai tiene en volumen: había 121 RTX 5090 gratuitas en la última instantánea, a $0.25–0.77 por hora de GPU.
Especificaciones clave
Parámetros
22B (DiT asimétrico de doble flujo)
Entradas
Texto, imagen, video
Salida
Video con audio sincronizado
Resolución
720p → 4K nativo
Duración del clip
6–20 segundos
Licencia
Licencia Comunitaria LTX-2.x (uso comercial gratuito con ingresos inferiores a $10M)
Fecha de lanzamiento
11 de agosto de 2026
Herramientas
ComfyUI (nativo), API de LTX, diffusers
Requisitos
Precisión completa
~66 GB
1× RTX PRO 6000 96 GB — $0.92–1.38/h
FP8 (recomendación oficial)
~32 GB
1× RTX 5090 32 GB — $0.25–0.77/h
int8 / FP8 con descarga a CPU
16–24 GB
1× RTX 4090 o 3090 — $0.07–0.42/h, más lento
También económico 100 GB de disco libre para los checkpoints, y preferible un servidor con un enlace rápido: la descarga es la parte más lenta de la primera ejecución.
Despliega en Clore.ai con ComfyUI
Alquila un RTX 5090 de la Marketplace con al menos 100 GB de disco libre.
Despliega la imagen de ComfyUI:
Acepta la licencia del modelo en la página del modelo LTX-2.5 y crea un token de Hugging Face — el repositorio está restringido.
Descarga los pesos y los nodos LTX de ComfyUI:
Reinicia ComfyUI y carga la plantilla oficial del flujo de trabajo de LTX — un gráfico de dos etapas que toma una imagen más un prompt de texto. No vale la pena construir el grafo de nodos a mano; empieza desde el flujo de trabajo de referencia y modifícalo.
Recomendaciones de GPU para Clore.ai
1× RTX 5090
32GB
FP8, 720p–1080p
$0.25–0.77/h
1× RTX 4090
24GB
int8 + descarga a CPU
$0.14–0.42/h
1× RTX 3090
24GB
int8 + descarga a CPU, el más lento
$0.07–0.21/h
1× RTX PRO 6000
96GB
precisión completa, 4K
$0.92–1.38/h
2× RTX 5090
64GB
precisión completa, lotes más rápidos
$0.50–1.54/h
Casos de uso
Video con sonido en una sola pasada — sin modelo de audio separado, sin sincronización manual
Imagen a video — anima una imagen fija con un prompt de texto que dirige el movimiento
Video a video — cambia el estilo o amplía metraje existente
Salida 4K — nativa, no escalada, en una tarjeta de 96 GB
Canales de contenido de formato corto — clips de 6–20 segundos es exactamente la duración de formato social
Previz y storyboards — iteración barata antes de comprometerse con un rodaje real
Solución de problemas
403 descargando pesos
El repositorio está restringido — acepta la licencia en la página del modelo y luego pasa --token
sin imagen de kernel en RTX 5090
imagen CUDA 12.4; cambia a cu130-slim o a una base de PyTorch cu128
OOM en 24 GB
Activa FP8/int8 y la descarga a CPU en el flujo de trabajo, baja la resolución a 720p, acorta el clip
Sin espacio en disco a mitad de la descarga
Necesita ~100 GB libres; filtra el mercado para discos más grandes
Audio desincronizado
Usa el flujo de trabajo oficial en lugar de un grafo construido a mano — la plantilla de dos etapas maneja la rama de audio
Primera ejecución muy lenta
Carga y compilación del modelo; la segunda generación es mucho más rápida en la misma orden
Siguientes pasos
Alternativas: Wan 2.2 VBVR · HunyuanVideo · FramePack (6 GB de VRAM)
Comparación: Modelos de generación de video comparados
Postprocesado: Interpolación RIFE · escalado con Real-ESRGAN
Enlaces
LTX-2.5 en Hugging Face (restringido)
Alquila una GPU: RTX 5090 · RTX 4090 · Marketplace
Última actualización
¿Te fue útil?