LTX-2.5（22B，视频 + 音频）
在 Clore.ai 的 RTX 5090 上使用 LTX-2.5 生成带同步音频的视频——22B 开源权重 DiT，首日即支持 ComfyUI
大多数开源视频模型都要求你单独合成配乐。LTX-2.5 可同时生成画面和音频，既可基于文本，也可基于静态图像，或基于现有片段。它也是首个其官方硬件建议—— 32GB 显存 ——恰好对应 Clore.ai 市场上大量供应的一张卡：当时有 121 张免费的 RTX 5090 ，上一快照中，每 GPU 小时 $0.25–0.77。
关键规格
参数
22B（非对称双流 DiT）
输入
文本、图像、视频
输出
带同步音频的视频
分辨率
720p → 原生 4K
片段长度
6–20秒
许可证
LTX-2.x 社区许可证（年收入低于1000万美元可免费商用）
发布日期
2026年8月11日
工具链
ComfyUI（原生）、LTX API、diffusers
需求
全精度
~66GB
1× RTX PRO 6000 96GB — $0.92–1.38/小时
FP8（官方建议）
~32GB
1× RTX 5090 32GB — $0.25–0.77/小时
int8 / FP8，配合 CPU 卸载
16–24GB
1× RTX 4090 或 3090 — $0.07–0.42/小时，更慢
另外，也要预算 100GB 的免费磁盘空间 用于存放检查点，并且最好选择带高速链路的服务器：下载是首次运行中最慢的部分。
Blackwell 需要当前的 CUDA 栈。 在 RTX 50 系列上，使用 CUDA 12.8+ 镜像—— yanwk/comfyui-boot:cu130-slim 用于 ComfyUI，或者 pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel 如果你在自己构建。CUDA 12.4 镜像在这些卡上会失败。参见 CUDA 与 PyTorch 兼容性.
使用 ComfyUI 在 Clore.ai 上部署
租用一个 RTX 5090 来自 市场 ，且至少有 100GB 可用磁盘空间。
部署 ComfyUI 镜像：
在 LTX-2.5 模型页面 上接受模型许可，并创建一个 Hugging Face 令牌——该仓库是受限访问的。
拉取权重和 LTX ComfyUI 节点：
重启 ComfyUI 并加载官方 LTX 工作流模板——一个两阶段图，使用一张图像加一个文本提示词。手工搭建节点图不值得；请从参考工作流开始并进行修改。
Clore.ai GPU 推荐
1× RTX 5090
32GB
FP8，720p–1080p
$0.25–0.77/小时
1× RTX 4090
24GB
int8 + CPU 卸载
$0.14–0.42/小时
1× RTX 3090
24GB
int8 + CPU 卸载，最慢
$0.07–0.21/小时
1× RTX PRO 6000
96GB
全精度，4K
$0.92–1.38/小时
2× RTX 5090
64GB
全精度，更快的批次
$0.50–1.54/小时
一个 10 秒的片段只需几分钱。 在 RTX 5090 的中位价为 $0.29/小时的情况下，即使是几分钟的较慢生成，GPU 时间成本也不到两美分。租用、生成一批、关闭订单。
应用场景
一次生成即可得到带声音的视频 ——无需单独的音频模型，也无需手动同步
图像转视频 ——用文本提示词驱动动作，让静态图动起来
视频转视频 ——重塑风格或延长现有素材
4K 输出 ——原生，不是放大后的，适用于 96GB 显卡
短视频内容流水线 ——6–20 秒的片段正好是社交媒体格式长度
预演与分镜 ——在正式拍摄前进行低成本迭代
故障排查
下载权重时出现 403
仓库是受限访问的——先在模型页面接受许可证，然后传递 --token
没有内核镜像 在 RTX 5090 上
CUDA 12.4 镜像；切换到 cu130-slim 或 cu128 PyTorch 基础镜像
24GB 显存 OOM
在工作流中启用 FP8/int8 和 CPU 卸载，将分辨率降到 720p，缩短片段
下载中途磁盘空间耗尽
需要大约 100GB 可用空间；在市场中过滤更大磁盘
音频不同步
使用官方工作流而不是手工构建的图——两阶段模板会处理音频分支
首次运行非常慢
模型加载和编译；在同一订单上，第二次生成要快得多
下一步
替代方案： Wan 2.2 VBVR · HunyuanVideo · FramePack (6GB 显存)
对比： 视频生成模型对比
后处理： RIFE 插帧 · Real-ESRGAN 放大
链接
Hugging Face 上的 LTX-2.5 (受限访问)
最后更新于
这有帮助吗？