硬刚Seedance 2.5，开源视频模型LTX-2.5用6.8秒生成10秒视频|ltx|多模态|工作流|编码器|视频模型

生成 10 秒视频只需 6.8 秒。比实时还快。还开源。

这不是广告语，这是 Lightricks 旗下 LTX 正式发布 LTX-2.5 时的数据。这一次，开源阵营真的打到了闭源大模型的腹地。

一、这家公司是谁？

很多人不知道，Lightricks 是以色列的一家老牌消费级图像/视频编辑应用公司，旗下有 Facetune、Videoleap 等产品，在 AI 浪潮之前就是一家盈利的软件公司。

2022 年，他们开始转型做基础模型，2024 年推出了第一个开源视频模型 LTX Video（仅 2B 参数）。此后一路狂奔：2025 年 5 月升级到 13B，同年 10 月推出 LTX-2，2026 年 3 月推出 LTX-2.3，再到今天的 LTX-2.5。

LTX 的整个模型家族已超过 3300 万次下载，是目前市场上下载量最高的开放世界模型系列。

二、LTX-2.5 是什么？核心参数先看清楚

LTX-2.5 是建立在 22B 参数非对称双流扩散 Transformer 上的音视频基础模型，通过双向音视频交叉注意力机制与模态感知无分类器引导，联合生成视频与音频。

三、最重磅的新特性：逐一拆解

1. Diffusion Fidelity Rendering（扩散保真渲染）

这是 LTX-2.5 最核心的技术创新，也是官方命名的全新渲染体系。

核心思路是：按场景复杂度动态分配渲染算力。复杂场景多用算力，简单场景不浪费资源，最终实现「每一帧都对得上大银幕」的画面精度。

LTX-2.5 采用的 Diffusion Fidelity Rendering 流程，根据场景复杂度分配渲染算力。

与此同时，旧版的 VAE 解码器被全新的扩散视频解码器取代——这意味着面部细节更清晰、纹理更稳定、运动更自然、伪影更少。

2. 原生多镜头（Native Multishot）

这是目前开源模型里最稀缺的能力之一：在单次生成中产出多个衔接镜头，角色形象、环境、光线、声音全程一致。

多镜头生成在整个剪辑场景中保持角色形象、光线和视觉风格的一致性，非常适合需要多个镜头衔接的企业视频、产品演示和营销内容。

以往做多镜头视频，要么用户手动缝合，要么祈祷每段单独生成的视频里角色脸不变形。LTX-2.5 一次生成全搞定，这对视频创作者来说意义极大。

3. 更强的提示词理解（Gemma 4 12B 文本编码器）

LTX-2.5 把文本编码器换成了定制版 Gemma 4 12B，并配合专属提示词增强器（Prompt Enhancer）。

效果是什么？该模型能在整段复杂提示词中保留多个主体、动作、光线和摄像机方向，而提示词增强器则能将简短描述扩展成更详细的电影级指令。

简单说：你写一个人走过街道，模型会自动理解并扩展为具有光影、镜头运动、环境氛围的完整创作指令。

4. 自动时长预测（Auto Duration）

以往生成视频需要手动指定帧数，LTX-2.5 加入了时长预测头：模型根据你描述的动作内容，在扩散开始之前自动判断应该生成多长的片段。

不再需要反复调参猜帧数，「跑步穿过森林」和「慢慢回头看一眼」自然生成不同时长。

5. 同步音频生成

音频不是后期配的，而是和视频联合生成的。对话、环境音、音效，自动匹配视频内容的情绪和节奏。

统一的音视频生成意味着声音、背景音和拟音自动匹配视觉内容的情绪和节奏，无需单独的音频后期工作流程。

6. 原生 4K HDR + RAW 工作流

最高支持原生 4K HDR 输出，同时支持 EXR 格式的 RAW 工作流——这意味着可以直接接入专业调色和后期流水线，不破坏母版。

四、速度对比：快到什么程度？

官方数据：LTX-2.5 在自建环境（2×GB200）以稳定状态运行，生成一个 10 秒 720p 图生视频片段仅需 6.8 秒。

这意味着比视频实时播放还要快。把这个数字放到同类模型的对比里：

当然，这里需要说明：6.8 秒是 LTX 自建环境的测试数据，普通开发者用 API 是 23.7 秒，仍是对比列表中最快的。但即使是 23.7 秒，也比 Seedance 2.5 的 317 秒快了 13 倍以上。

五、画质对比：伪影更少

官方公布了一项文生视频的伪影数量评测（98 个相同提示词、10 个模型、自动评分）：

LTX-2.5 Pro 在伪影评分上排名第一，伪影计算包括污点、破碎纹理、融化或涂抹区域。结果为初步数据，评测范围扩大后预计会持续更新。

六、与主要对手全面对比

LTX-2.5 vs Seedance 2.5

这是被问最多的问题。两者代表了当下最高水准的开源与闭源方向。

LTX 的开放权重允许更高分辨率，而 Seedance 2.5 即使在托管平台上也只能达到 720p。

一句话总结： Seedance 2.5 的闭源方案在角色一致性和提示词精准度上仍有优势，但 LTX-2.5 在速度、分辨率、开放性、成本上全面领先，且伪影更少。

LTX-2.5 vs MiniMax H3

MiniMax H3 是「有条件开放」，在美国、欧盟、英国、韩国不可用，生成同一片段需 180 秒，且有强制品牌显示要求。LTX-2.5 无地区限制，无强制品牌，可完全自建部署。

LTX-2.5 vs Kling 3.0 Pro / Veo 3.1

都是闭源 API，无法本地部署，无法微调，生成速度（Kling 398 秒、Veo 70 秒）对比 LTX 均不占优。

七、开源的真实价值：你能拿它做什么？

Lightricks CEO Zeev Farbman 和 ComfyUI 联合创始人 Yoland Yan 都押注开放权重的路线，而非闭源。

对开发者和创业者来说，开源意味着：

可自建，零边际成本：一旦跑在自己的 GPU 上，生成不额外收费，规模越大越省钱。

可微调：用自己的数据和 IP 训练，打造专属风格。官方同时提供 LTX Trainer 工具，社区已有大量 LoRA 开放共享，包括：

唇形同步 LoRA
360° 全景视频 LoRA
任意运动轨迹控制 LoRA
视频超分 LoRA
无缝扩展（Outpainting）LoRA

无数据泄露风险：敏感内容、品牌 IP、客户素材都在本地处理，不出局域网。

无平台绑定：不依赖任何云厂商，可部署在本地、私有云、边缘设备。

八、快速上手：三种接入方式

方式一：在线体验（0 成本）

直接打开 https://app.ltx.io 或 HuggingFace Space，无需安装。

方式二：ComfyUI 本地部署

LTX-2.5 首日就原生支持 ComfyUI，官方提供了完整的工作流模板。

# 第一步：下载模型权重（需先在 HuggingFace 申请访问权限） hf auth login hf download Lightricks/LTX-2.5 \ diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \ text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \ vae/ltx-2.5-video-vae-bf16.safetensors \ vae/ltx-2.5-audio-vae-bf16.safetensors \ model_patches/ltx-2.5-duration-head-bf16.safetensors \ --local-dir models/ltx-2.5

加载到 ComfyUI 后，导入官方提供的 JSON 工作流即可开跑。

方式三：Python 代码调用

from ltx_pipelines.distilled import DistilledPipeline from ltx_pipelines.utils.model_paths import ModelPaths model_paths = ModelPaths.from_split( transformer_path="models/ltx-2.5/diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors", text_encoder_path="models/ltx-2.5/text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors", video_vae_path="models/ltx-2.5/vae/ltx-2.5-video-vae-bf16.safetensors", audio_vae_path="models/ltx-2.5/vae/ltx-2.5-audio-vae-bf16.safetensors", ) pipeline = DistilledPipeline(model_paths) output = pipeline.generate( prompt="夕阳下，一只金毛猎犬在草原上奔跑，电影级光线", num_frames=121, # 帧数必须满足 frames % 8 == 1 seed=42 )

九、它也有局限

在客观性上，有几点值得如实说：

显存要求不低：全量 22B 模型对显存要求较高，推荐使用蒸馏版 + fp8 量化 + CPU Offload 组合降低门槛，但高分辨率长视频仍需现代 GPU。

帧数有限制：帧数必须满足 frames % 8 == 1（如 121、129、137），不够灵活。

多镜头功能尚新：对于极端光线变化或复杂摄像机运动，跨镜头一致性仍可能出现问题。

$1000万以上商用需谈判：年收入超过 1000 万美元的企业需要单独签商业协议。