LTX-2：8GB 显卡也能跑的“全能型” AI音视频生成模型，老司机秒懂！

最近 AI 视频圈可以说是被一个名字刷屏了 —— LTX-2。它不仅完全免费开源，而且直接把现在最前沿的视频生成能力，一股脑塞进了一个模型里。LTX-2 是第一个基于 DiT 的音视频基础模型，它将现代视频生成的所有核心功能集成在一个模型中：同步音频和视频、高保真度、多种性能模式、可用于生产的输出、API 访问和开放访问！

更离谱的是：8GB 显存的家用显卡就能跑本地生成，不用排队、不用云端、不怕限速想生成多少就生成多少！可以说，这是第一次，普通人真正有了“自己的视频生成工厂”。关键是它可以生成那种 “老司机” 秒懂的AI视频，本地生成没有任何限制…… 

对中文的提示词理解也超准确，生成的人物也非常适合我们亚洲人的审美标准，比如下方的生成效果，无论是男孩还是女孩，颜值确实很高！

LTX-2 开源项目：https://github.com/Lightricks/LTX-2

 快速部署：

# Clone the repository
git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2

# Set up the environment
uv sync --frozen
source .venv/bin/activate

从LTX-2 HuggingFace 存储库下载以下模型：

LTX-2 型号检查点（选择并下载以下其中一项）

• ltx-2-19b-dev-fp8.safetensors–下载

• ltx-2-19b-dev.safetensors–下载

• ltx-2-19b-distilled.safetensors–下载

• ltx-2-19b-distilled-fp8.safetensors–下载

空间放大器– 此存储库中当前两阶段流水线实现所必需的

• ltx-2-spatial-upscaler-x2-1.0.safetensors–下载

时间放大器– 该模型支持此功能，并且是未来管道实现所必需的。

• ltx-2-temporal-upscaler-x2-1.0.safetensors–下载

精简版 LoRA – 此存储库中当前两阶段流水线实现所必需的（DistilledPipeline 和 ICLoraPipeline 除外）

• ltx-2-19b-distilled-lora-384.safetensors–下载

Gemma文本编码器（从存储库下载所有资源）

• Gemma 3

LoRA

• LTX-2-19b-IC-LoRA-Canny-Control–下载
• LTX-2-19b-IC-LoRA-Depth-Control–下载
• LTX-2-19b-IC-LoRA-Detailer–下载
• LTX-2-19b-IC-LoRA-Pose-Control–下载
• LTX-2-19b-LoRA-Camera-Control-Dolly-In–下载
• LTX-2-19b-LoRA-Camera-Control-Dolly-Left–下载
• LTX-2-19b-LoRA-Camera-Control-Dolly-Out–下载
• LTX-2-19b-LoRA-Camera-Control-Dolly-Right–下载
• LTX-2-19b-LoRA-Camera-Control-Jib-Down–下载
• LTX-2-19b-LoRA-Camera-Control-Jib-Up–下载
• LTX-2-19b-LoRA-Camera-Control-Static–下载

• TI2VidTwoStagesPipeline – 生产级文本/图像转视频，支持 2 倍升频（推荐）
• TI2VidOneStagePipeline – 用于快速原型设计的单阶段生成
• DistilledPipeline – 具有 8 个预定义 sigma 的最快推理
• ICLoraPipeline – 视频到视频和图像到视频的转换
• 关键帧插值管道– 在关键帧图像之间进行插值

• 使用 DistilledPipeline – 仅使用 8 个预定义 sigma 即可实现最快的推理（第一阶段 8 个步骤，第二阶段 4 个步骤）
• 启用 FP8 转换器– 降低内存占用：--enable-fp8（CLI）或fp8transformer=True（Python）
• 安装注意力机制优化– 使用 xFormers ( uv sync --extra xformers) 或适用于 Hopper GPU 的Flash Attention 3
• 使用梯度估计——在保持质量的前提下，将推理步骤从 40 步减少到 20-30 步（参见流程文档）。
• 跳过内存清理– 如果您的显存足够，请禁用阶段间的自动内存清理，以加快处理速度。
• 选择单阶段流水线——适用TI2VidOneStagePipeline于不需要高分辨率时快速生成图像的情况。

当然对于新手来说，我建议大家直接使用ComfyUI 进行一键部署，会超级方便！

ComfyUI 最新版：【点击下载】

【注意】： 由于 ComfyUI 官方客户端所必须的环境安装包和AI模型的下载是需要外网环境，如果如果你无法下载的话，那么请使用魔法，并开启TUN全局模式！

安装以后在模板中心，选择你对应的LTX-2 音视频模型，支持文生视频、图生视频、视频编辑等，如果显存比较小的，建议选择下方的量化版，这样可以避免爆显存的问题

8G 显存版模型：

1、【点击下载】 由KJ大佬提供

2、【点击下载】 适合8G一下显存

测试文生视频提示词：

1 情侣中文对话（口型+情绪测试）

用途：测试中文普通话 + 口型同步

一对 20 多岁的亚洲年轻情侣坐在咖啡馆里聊天，女生微笑着说普通话：“你还记得我们第一次见面吗？”
男生轻轻点头，用普通话回答：“当然记得，那天你穿着白色裙子，我一眼就喜欢上你了。”
自然光，真实摄影风格，镜头轻微晃动，人物口型与语音完美同步，情绪温暖真实。

2 搞笑情侣短剧

用途：测试表情变化 + 语音节奏

亚洲年轻情侣在家里吵架，女生用普通话生气地说：“你又忘记洗碗了！”
男生一脸无辜，用搞笑语气说：“我不是忘了，我是在等灵感。”
轻喜剧风格，表情夸张但自然，口型同步，节奏轻快。

3 游戏实况风格

用途：测试动态画面 + 解说同步

第一人称射击游戏画面，玩家在城市废墟中战斗，一边玩一边用普通话解说：
“这把枪后坐力太大了，但伤害真的高，我要从右边绕过去。”
画面流畅，枪声和语音同步，画面带轻微游戏 HUD。

4 主播带货风格

用途：测试真人讲解 + 口播

一位亚洲女主播面对镜头，用普通话热情介绍一款智能手表：
“这款手表不仅能测心率，还能监测睡眠，非常适合上班族。”
电商直播风格，灯光明亮，口型精准。

5 搞笑新闻播报

用途：测试长句 + 稳定语音

一位男主播用普通话严肃播报：
“今天的头条新闻是一只猫成功打开了冰箱，并且吃光了所有的鱼。”
新闻演播室背景，风格一本正经但内容搞笑。

6 自然风景纪录片

用途：测试环境音 + 旁白

航拍中国山川和湖泊，清晨薄雾环绕，一位男声普通话旁白：
“这里是大自然最宁静的角落，每一缕阳光都让人感到平静。”
电影级自然纪录片风格，声音温柔清晰。

7 狮子打斗场面

用途：测试动作 + 物理 + 音效

非洲草原上，两只雄狮激烈打斗，尘土飞扬，低吼声和脚步声同步，
镜头快速切换，真实野生动物纪录片风格，动作流畅有冲击力。

8 功夫打斗场景

用途：测试人物动作+音效同步

两名亚洲功夫高手在雨夜的街道上对决，拳脚相交，雨水飞溅，
伴随呼吸声和打斗音效，电影级动作风格，慢动作穿插。

9 AI科幻对话

用途：测试多角色对话

未来科幻实验室里，一名亚洲女科学家用普通话说：
“你真的认为自己有情感吗？”
一个人形机器人用冷静的普通话回答：
“我正在学习理解人类的情绪。”
灯光冷色调，科幻电影风格。

10 搞笑动物配音

用途：测试配音贴合

一只小狗坐在沙发上，用童趣普通话配音：
“我今天很乖，所以我要多吃一点零食。”
可爱风格，口型自然贴合。

LTX-2 是什么？为什么它突然爆火？

一句话概括：

LTX-2 是第一个真正意义上的“全能型”音视频生成大模型。

它不是那种：

• 只能生成视频但没声音

• 或者画面和声音对不上

• 或者只能低分辨率

• 或者对显卡要求离谱

LTX-2 是基于最新 DiT（Diffusion Transformer）架构构建的，这是一种目前最先进的视频生成路线，它带来了几个质变级能力：

 音画同步生成

不需要再后期配音，它可以直接：

• 生成画面

• 同时生成声音

• 并且嘴型、节奏说话完全同步

这在以前基本是只有商业级模型才能做到的。

 高画质 + 多性能模式

LTX-2 不只有一种“画质”，它内置多种模式，比如：

• 极速模式（适合快速出草稿）

• 省显存模式（8GB 显卡也能跑）

• 高质量模式（细节拉满）

你可以根据自己显卡的能力，自由切换。

这意味着：

它不是为土豪准备的模型，而是为普通玩家准备的。

 8GB 显卡也能跑，本地部署才是最大杀器

这一点，真的要单独说。

现在市面上很多 AI 视频模型，宣传得天花乱坠，但一看要求：

• 24GB 显存

• 48GB 显存

• 甚至 A100、H100

对普通人来说基本就是“看个热闹”。

而 LTX-2 的杀手级优势是：

哪怕只有 8GB 显存，你也能在自己电脑上跑它。

这意味着什么？

你可以：

• 用 RTX 3060

• 用 3050

• 用 2060

• 甚至一些低功耗卡

直接本地生成视频。

不用：

• 排队

• 等云端

• 被限速

• 被计费

• 被封号

你就是你自己的 AI 视频工厂。

 完全开源 + 无限生成，这才是真正的自由

LTX-2 是 100% 开源模型。
这点对创作者来说非常重要。

因为这意味着：

• 没有生成次数限制

• 没有内容审查锁死

• 没有“商用要额外付费”

• 你生成的视频，版权在你手里

你可以：

• 做短视频

• 做动画

• 做广告

• 做故事

• 做角色对话

• 做 AI 电影

随你怎么玩。

 LTX-2 为什么会被称为“视频生成的转折点”？

过去，AI 视频是这样：

• 要么画面好但没声音

• 要么有声音但对不上嘴

• 要么要天价显卡

• 要么只能在云端被限制

而 LTX-2 把这些全部打通了：

音频 + 视频 + 高质量 + 本地运行 + 低门槛

这在整个 AI 视频领域，是第一次真正意义上的“民用化”。

总之

如果你：

• 做短视频

• 做自媒体

• 做动画

• 做 YouTube

• 做 TikTok

• 或者只是想玩 AI 视频

那么 LTX-2 就是你目前能用到的性价比之王。不是云端，不是订阅制，而是：你自己的显卡 + 你自己的模型 + 无限的视频创作能力。