> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-zh/shi-pin-sheng-cheng/ltx-video-2-5.md).

# 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

{% hint style="info" %}
**状态（2026年8月）：** LTX（Lightricks 分拆出来的项目）发布了 **LTX-2.5** 于 **2026年8月11日** ——一款 **22B 非对称双流扩散 Transformer** 用于生成视频的 **以及同步音频，集成在一个模型中**。权重： [Lightricks/LTX-2.5](https://huggingface.co/Lightricks/LTX-2.5) (受限——使用免费的 Hugging Face 账户接受许可证）。原生 **ComfyUI** 从第一天起就集成，分辨率从720p到 **4K**，片段长度为 **6–20秒**. 在以下许可下可免费用于商业用途： **LTX-2.x 社区许可证** 适用于年收入低于1000万美元的组织。
{% endhint %}

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

| 属性   | 数值                               |
| ---- | -------------------------------- |
| 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

| 精度                   | 显存         | Clore.ai 卡                            |
| -------------------- | ---------- | ------------------------------------- |
| 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。

{% hint style="warning" %}
**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](/guides/guides_v2-zh/ru-men-zhi-nan/cuda-pytorch-compatibility.md).
{% endhint %}

***

## 使用 ComfyUI 在 Clore.ai 上部署

1. 租用一个 **RTX 5090** 来自 [市场](https://clore.ai/marketplace) ，且至少有 100GB 可用磁盘空间。
2. 部署 ComfyUI 镜像：

```
镜像：yanwk/comfyui-boot:cu130-slim
端口：22/tcp、8188/http
环境：CLI_ARGS=--listen 0.0.0.0
```

3. 在 [LTX-2.5 模型页面](https://huggingface.co/Lightricks/LTX-2.5) 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。
4. 拉取权重和 LTX ComfyUI 节点：

```bash
export HF_TOKEN=hf_...

# ComfyUI 节点
cd /root/ComfyUI/custom_nodes
git clone https://github.com/Lightricks/ComfyUI-LTXVideo
pip install -r ComfyUI-LTXVideo/requirements.txt

# 权重（适用于 32GB 显卡的 FP8 构建）
huggingface-cli download Lightricks/LTX-2.5 \
  --token $HF_TOKEN \
  --local-dir /root/ComfyUI/models/checkpoints/ltx-2.5
```

5. 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

| 配置              | 显存   | 模式               | Clore.ai 成本       |
| --------------- | ---- | ---------------- | ----------------- |
| **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     |

{% hint style="success" %}
**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。
{% endhint %}

***

## 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

| 问题                    | 修复                                                 |
| --------------------- | -------------------------------------------------- |
| 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

* **前代：** [LTX-2](/guides/guides_v2-zh/shi-pin-sheng-cheng/ltx-video-2.md) · [LTX-Video](/guides/guides_v2-zh/shi-pin-sheng-cheng/ltx-video.md)
* **替代方案：** [Wan 2.2 VBVR](/guides/guides_v2-zh/shi-pin-sheng-cheng/wan22-vbvr.md) · [HunyuanVideo](/guides/guides_v2-zh/shi-pin-sheng-cheng/hunyuan-video.md) · [FramePack](/guides/guides_v2-zh/shi-pin-sheng-cheng/framepack.md) (6GB 显存)
* **对比：** [视频生成模型对比](/guides/guides_v2-zh/dui-bi/video-gen-comparison.md)
* **后处理：** [RIFE 插帧](/guides/guides_v2-zh/shi-pin-chu-li/rife-interpolation.md) · [Real-ESRGAN 放大](/guides/guides_v2-zh/tu-xiang-chu-li/real-esrgan-upscaling.md)

### 链接

* [Hugging Face 上的 LTX-2.5](https://huggingface.co/Lightricks/LTX-2.5) (受限访问)
* [ComfyUI-LTXVideo 节点](https://github.com/Lightricks/ComfyUI-LTXVideo)
* **租用 GPU：** [RTX 5090](https://clore.ai/rent-5090.html) · [RTX 4090](https://clore.ai/rent-4090.html) · [市场](https://clore.ai/marketplace)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-zh/shi-pin-sheng-cheng/ltx-video-2-5.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.