LTX-Video 实时视频生成 3 步本地部署指南从克隆到出片【免费下载链接】LTX-VideoOfficial repository for LTX-Video项目地址: https://gitcode.com/GitHub_Trending/ltx/LTX-VideoLTX-Video 是 Lightricks 开源的 DiT 实时视频生成模型单条命令即可完成文生视频、图生视频、视频续写与多条件生成蒸馏版支持 8 步采样8GB 显存即可起步。它是什么解决什么问题LTX-Video 是 Lightricks 开源的基于 DiTDiffusion Transformer架构的视频生成模型权重开放获取v0.9.5 起提供可商用的 OpenRail-M 许可证。它把视频生成的多项核心能力放进同一个模型而非依赖多个外挂工具。它针对的痛点主要有三条文生视频、图生视频依赖专业渲染流程、等待时间长LTX-Video 通过inference.py一条命令出片蒸馏模型 8 步采样即可生成多帧条件控制、视频续写等能力零散难用官方支持多关键帧条件、前后向视频扩展、video-to-video 及其任意组合质量与速度难以兼得提供 2B / 13B、完整版 / 蒸馏版 / FP8 量化版多档配置按显存自选能力全景它可以直接做到什么文生视频--prompt传入提示词直接生成0.9.6 起的默认规格为 1216×704、30 FPS图生视频--conditioning_media_paths指定条件图--conditioning_start_frames指定起始帧多条件生成同一命令传入多张图或多段短视频各自绑定目标帧号并可单独设置条件强度默认 1.0视频扩展支持向前、向后延长已有片段输入片段帧数需为 8n1控制模型官方提供 Depth、Pose、Canny 三类 IC-LoRA 控制模型长视频13B 0.9.8 蒸馏版支持最长 60 秒视频生成提示词自动增强直接调用LTXVideoPipeline时可开启enhance_promptTrue 快速上手拿到第一个结果官方测试环境为 Python 3.10.5、CUDA 12.2、PyTorch ≥ 2.1.2macOS 上 MPS 需 PyTorch 2.3 或 2.6。最短路径三步git clone https://gitcode.com/GitHub_Trending/ltx/LTX-Video cd LTX-Video python -m venv env source env/bin/activate pip install -e .[inference]-e .[inference]会安装模型包及视频读写依赖imageio、av、torchvision。随后用 2B 蒸馏配置跑第一段视频python inference.py --prompt A cat walking slowly --height 704 --width 1216 --num_frames 121 --seed 42 --pipeline_config configs/ltxv-2b-0.9.8-distilled.yaml--pipeline_config决定加载哪档模型首次运行会自动下载权重。更多参数用python inference.py --help查看。按场景选方案不同硬件怎么配各档配置均来自 configs/ 目录与 README 模型表官方只标注显存与速度不指定具体价格档位硬件门槛官方描述的效果适合谁入门单卡 8GB 显存如 RTX 40602B 蒸馏版社区 Q8 优化版可在该卡上 1 分钟内生成 720×480×121 帧个人体验、原型验证中档24GB 显存级别单卡13B 蒸馏版或 FP8 量化版ltxv-13b-0.9.8-distilled-fp8.yaml日常内容创作、快速迭代高配H100 / 多卡13B dev 全精度官方在 H100 上实测约 10 秒出高清视频、3 秒出低清预览追求最高画质的生产环境蒸馏模型均不需要 STG/CFG采样步数 8 步即可FP8 配置需 Ada 架构RTX 40 系及以上显卡才能获得加速。⚙️ 调优要点关键参数怎么设参数建议值作用说明分辨率32 的倍数720×1280 以下效果最佳不满足时程序自动填充 -1 再裁回目标尺寸帧数8n1建议 257 帧以内视频扩展的目标帧数需为 8 的倍数guidance_scale3–3.5官方推荐控制对提示词的贴合程度推理步数质量优先 40速度优先 20–30蒸馏版 8 即可速度与质量的直接权衡seed记录满意结果的随机种子复现同一风格与构图常见报错处理CUDA out of memory先切 FP8 配置或 2B 模型再考虑加卡0.9.1 起也支持将未使用部分 offload 到 CPU画面模糊或帧数对不上检查分辨率是否 32 的倍数、帧数是否 8n1超出 720×1280 / 257 帧后画质下降明显真实场景怎么用商品图转展示视频电商场景用图生视频命令固定一张商品图生成 121 帧 30 FPS 的动态展示配合 Canny 或 Depth 控制模型可锁定商品轮廓与空间深度多素材合成一条片用--conditioning_start_frames在不同帧位插入参考图或短片段一条命令产出连贯镜头需要更长叙事时再接视频扩展功能延长⚠️ 局限与注意事项13B dev 全精度版官方明确标注需要更多显存建议 24GB 起步8GB 显卡只能走 2B 蒸馏或 Q8 路线画质有差距官方提示inference.py的质量仍在向 ComfyUI 工作流对齐中追求最佳输出应使用 ComfyUI-LTXVideo 工作流本仓库只做视频生成不含音频音视频同步是独立的 LTX-2 项目已公布、权重随后开放不要混用输入分辨率与帧数有整除约束随意取值会触发填充裁剪影响边缘画质 接下来去哪README完整模型表、更新日志与社区项目Q8、TeaCache 等加速方案inference.py命令行入口--help可列出全部参数configs/2B/13B、蒸馏/FP8 共 11 份 YAML 模型配置ltx_video/核心源码含 3D Transformer、因果视频 VAE 与 整流流调度器tests/VAE、调度器与推理的测试用例可作行为验证参考从克隆到第一段视频只需要几分钟先跑通 2B 蒸馏版再按显存和画质需求逐步上探 13B 与 FP8 配置。【免费下载链接】LTX-VideoOfficial repository for LTX-Video项目地址: https://gitcode.com/GitHub_Trending/ltx/LTX-Video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考