LTX-2.5 (22B, वीडियो + ऑडियो)
Clore.ai RTX 5090 पर LTX-2.5 का उपयोग करके सिंक्रनाइज़्ड ऑडियो के साथ वीडियो जनरेट करें — पहले दिन से ComfyUI सपोर्ट वाला 22B ओपन-वेट DiT
अधिकांश ओपन वीडियो मॉडल आपको साउंडट्रैक अलग से जोड़ने पर मजबूर करते हैं। LTX-2.5 टेक्स्ट से, एक स्थिर छवि से, या किसी मौजूदा क्लिप से, चित्र और ऑडियो एक साथ बनाता है। यह पहला ओपन वीडियो मॉडल भी है जिसकी आधिकारिक हार्डवेयर मार्गदर्शिका — 32GB VRAM — ठीक उसी कार्ड पर लागू होती है जो Clore.ai मार्केटप्लेस में बड़ी संख्या में उपलब्ध है: वहाँ थे 121 निःशुल्क RTX 5090 अंतिम स्नैपशॉट में, $0.25–0.77 प्रति GPU घंटे पर।
मुख्य विनिर्देश
पैरामीटर
22B (असममित द्वि-धारा DiT)
इनपुट
टेक्स्ट, छवि, वीडियो
आउटपुट
समकालिक ऑडियो के साथ वीडियो
रिज़ॉल्यूशन
720p → मूल 4K
क्लिप लंबाई
6–20 सेकंड
लाइसेंस
LTX-2.x Community License ($10M राजस्व के तहत निःशुल्क व्यावसायिक उपयोग)
रिलीज़ तिथि
11 अगस्त 2026
टूलिंग
ComfyUI (मूल), LTX API, diffusers
आवश्यकताएँ
पूर्ण परिशुद्धता
~66GB
1× RTX PRO 6000 96GB — $0.92–1.38/घंटा
FP8 (आधिकारिक मार्गदर्शन)
~32GB
1× RTX 5090 32GB — $0.25–0.77/घंटा
CPU offload के साथ int8 / FP8
16–24GB
1× RTX 4090 या 3090 — $0.07–0.42/घंटा, धीमा
बजट विकल्प भी 100GB खाली डिस्क चेकपॉइंट्स के लिए, और तेज़ लिंक वाले सर्वर को प्राथमिकता दें: पहली रन में डाउनलोड सबसे धीमा हिस्सा है।
Blackwell को वर्तमान CUDA स्टैक की आवश्यकता है। RTX 50-सीरीज़ पर, CUDA 12.8+ इमेज का उपयोग करें — yanwk/comfyui-boot:cu130-slim ComfyUI के लिए, या pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel यदि आप अपना खुद का बना रहे हैं। CUDA 12.4 इमेज इन कार्ड्स पर विफल होगी। देखें CUDA और PyTorch संगतता.
ComfyUI के साथ Clore.ai पर डिप्लॉय करें
किराए पर लें एक RTX 5090 से मार्केटप्लेस कम से कम 100GB खाली डिस्क के साथ।
ComfyUI इमेज को डिप्लॉय करें:
मॉडल लाइसेंस को स्वीकार करें LTX-2.5 मॉडल पेज पर और एक Hugging Face टोकन बनाएं — रेपो गेटेड है।
वेट्स और LTX ComfyUI नोड्स डाउनलोड करें:
ComfyUI को पुनः प्रारंभ करें और आधिकारिक LTX वर्कफ़्लो टेम्पलेट लोड करें — एक दो-चरणीय ग्राफ़ जो एक छवि और एक टेक्स्ट प्रॉम्प्ट लेता है। नोड ग्राफ़ को हाथ से बनाना उचित नहीं है; संदर्भ वर्कफ़्लो से शुरू करें और संशोधित करें।
Clore.ai GPU अनुशंसाएँ
1× RTX 5090
32GB
FP8, 720p–1080p
$0.25–0.77/घंटा
1× RTX 4090
24GB
int8 + CPU offload
$0.14–0.42/hr
1× RTX 3090
24GB
int8 + CPU offload, सबसे धीमा
$0.07–0.21/hr
1× RTX PRO 6000
96GB
पूर्ण परिशुद्धता, 4K
$0.92–1.38/hr
2× RTX 5090
64GB
पूर्ण परिशुद्धता, तेज़ बैचेज़
$0.50–1.54/hr
10-सेकंड की क्लिप की लागत कुछ सेंट होती है। RTX 5090 के लिए $0.29/घंटा के मध्य मान पर, कुछ मिनट की धीमी जनरेशन भी GPU समय में दो सेंट से कम पर आती है। किराए पर लें, एक बैच जनरेट करें, ऑर्डर बंद करें।
उपयोग के मामले
एक ही पास में साउंड के साथ वीडियो — कोई अलग ऑडियो मॉडल नहीं, कोई मैन्युअल सिंक नहीं
छवि से वीडियो — एक स्थिर छवि को एनिमेट करें, जहाँ टेक्स्ट प्रॉम्प्ट गति को नियंत्रित करता है
वीडियो से वीडियो — मौजूदा फुटेज को नया रूप दें या बढ़ाएँ
4K आउटपुट — मूल, अपस्केल्ड नहीं, 96GB कार्ड पर
शॉर्ट-फॉर्म कंटेंट पाइपलाइन्स — 6–20 सेकंड की क्लिप सोशल-फॉर्मेट लंबाई के बिल्कुल अनुरूप है
प्रेविज़ और स्टोरीबोर्ड्स — वास्तविक शूट से पहले सस्ता इटरेशन
समस्या निवारण
403 वेट्स डाउनलोड करते समय
रेपो गेटेड है — मॉडल पेज पर लाइसेंस स्वीकार करें, फिर पास करें --token
कोई kernel image नहीं RTX 5090 पर
CUDA 12.4 इमेज; स्विच करें cu130-slim या एक cu128 PyTorch base पर
24GB पर OOM
वर्कफ़्लो में FP8/int8 और CPU offload सक्षम करें, रेज़ोल्यूशन 720p तक घटाएँ, क्लिप को छोटा करें
डाउनलोड के बीच में डिस्क भर गई
लगभग 100GB खाली चाहिए; बड़े डिस्क के लिए मार्केटप्लेस को फ़िल्टर करें
ऑडियो सिंक से बाहर
हाथ से बनाए गए ग्राफ़ के बजाय आधिकारिक वर्कफ़्लो का उपयोग करें — दो-चरणीय टेम्पलेट ऑडियो शाखा को संभालता है
पहली run बहुत धीमी है
मॉडल लोड और कंपाइल; उसी ऑर्डर पर दूसरी जनरेशन बहुत तेज़ होती है
अगले चरण
विकल्प: Wan 2.2 VBVR · HunyuanVideo · FramePack (6GB VRAM)
पोस्ट-प्रोसेसिंग: RIFE इंटरपोलेशन · Real-ESRGAN अपस्केलिंग
लिंक्स
Hugging Face पर LTX-2.5 (गेटेड)
GPU किराये पर लें: RTX 5090 · RTX 4090 · मार्केटप्लेस
अंतिम अपडेट
क्या यह उपयोगी था?