• 人工智能
• 大模型
• 媒体生成
• LoRA

LTX-2.5-22b-IC-LoRA-Alpha-Gen 是 Lightricks 发布的 LTX-2.5 22B 视频生成模型的 In-Context LoRA 微调版本，核心功能是让模型在生成视频的同时输出 Alpha Matte（透明通道蒙版），适用于抠像、合成与视觉特效场景。本文提供模型下载与首个 Alpha Matte 视频生成的完整教程，帮助新手快速上手。

认识模型：它解决什么问题？

🎬 传统视频合成中，"把人物从背景里抠出来"往往依赖逐帧手动遮罩，效率极低。

这个模型组合的角色分工如下：

所谓Alpha Matte，就是视频中每一像素的透明度信息（0 为全透明、1 为不透明）。生成 Alpha Matte 后，你可以把人物或物体"无缝"贴到任意新背景上，这正是影视后期抠像的核心数据。

本仓库为模型仓库，包含模型权重文件与模型卡片，运行推理还需配合 Lightricks 的 LTX-Video 推理代码使用。

两种模型下载方式：ModelScope SDK 与 Git Clone

官方模型卡片 README.md 提供了两种下载方式，按需选择即可。

方式一：ModelScope SDK 下载（推荐）

SDK 会自动管理缓存目录与断点续传，适合大多数用户。

# 安装 ModelScope SDK pip install modelscope

from modelscope import snapshot_download # 下载整个模型仓库到本地缓存 model_dir = snapshot_download('Lightricks/LTX-2.5-22b-IC-LoRA-Alpha-Gen') print(model_dir) # 输出本地模型路径

方式二：Git Clone 下载

仓库中的权重文件均通过 Git LFS 管理（见 .gitattributes 中的 LFS 过滤规则），克隆前请确认已安装git-lfs。

# 安装 Git LFS（如尚未安装） git lfs install # 克隆模型仓库 git clone https://gitcode.com/hf_mirrors/Lightricks/LTX-2.5-22b-IC-LoRA-Alpha-Gen.git

⚠️ 提示：22B 参数的权重体积较大，建议使用 SSD 磁盘并保持网络稳定；若下载中断，重新执行相同命令即可续传。

环境准备：快速搭建推理环境

1. 准备一台带 NVIDIA 显卡的机器（22B 模型建议显存 ≥ 24GB，可用nvidia-smi检查）。
2. 安装 PyTorch 及 CUDA 版本，与显卡驱动匹配。
3. 将下载好的模型权重放入 LTX-Video 推理代码指定的模型目录，并在配置中加载该 LoRA。

# 验证 PyTorch 与 CUDA 是否就绪 python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

生成你的首个 Alpha Matte 视频

🎯 生成流程与常规文生视频一致，只是加载了这个 LoRA 后，输出会额外包含透明蒙版：

1. 加载基座模型：加载 LTX-2.5 22B 权重；
2. 挂载 IC LoRA：将本仓库中的 LoRA 权重以 In-Context 方式注入；
3. 输入提示词：描述你想要生成的视频内容（如 "a person walking on the street, alpha matte"）；
4. 推理输出：得到视频内容与对应的 Alpha Matte 透明蒙版，二者可独立导出或合成。

生成完成后，用播放器或视频编辑软件查看 Alpha 通道，即可看到逐帧的透明抠像效果。

常见问题快速排查

更多模型文件清单，可在 README.md 指向的"模型文件"页面浏览获取。

小结

至此你已经完成了 LTX-2.5-22b-IC-LoRA-Alpha-Gen 的模型下载、环境搭建与首个 Alpha Matte 视频生成的全部流程。接下来可以尝试不同提示词与参数，探索更高质量的抠像合成效果。

• 人工智能
• 大模型
• 媒体生成
• LoRA