이미지·영상 생성
최종 업데이트
LTX-2.5를 로컬에 설치하고 첫 영상 만들기
첫 실행은 22B distilled 체크포인트와 121프레임 명령으로 시작해요.
LTX-2.5는 프롬프트1에서 영상과 동기화된 오디오를 만드는 오픈 가중치 모델이에요. 공식 LTX-2 저장소는 Git 저장소와 66GiB 정도의 체크포인트2 파일을 준비하고, distilled 파이프라인3으로 output.mp4를 저장하는 명령을 제공해요.
설치 전에 Python과 모델 용량을 준비해요
LTX-2.5는 텍스트 프롬프트로 영상을 만들고 그 장면에 맞는 오디오를 함께 생성하는 오픈 가중치 모델이에요. 이 안내는 공식 LTX-2 Python 파이프라인에서 distilled 체크포인트를 내려받아 121프레임4 MP4 한 개를 저장하는 경로예요. 공식 저장소
공식 설치는 Python 환경과 uv를 사용하고, Linux에서만 빠른 natten 확장을 추가해요. 먼저 uv 공식 설치 안내에 따라 설치하고 uv --version이 버전을 출력하는지 확인해요. Linux는 아래 저장소 명령에 --extra natten을 포함하고, Windows와 macOS는 이를 빼서 대체 디코더를 사용해요. 모델 파일은 약 66GiB예요. Hugging Face에서 LTX-2.5 이용 조건에 동의하고 Read 토큰5으로 로그인한 뒤 내려받아요.
uv --version
git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2
# Linux only; omit --extra natten on Windows and macOS
uv sync --extra natten
필요한 체크포인트 다섯 개를 내려받아요
Hugging Face에서 Lightricks/LTX-2.5 모델 사용 조건을 승인한 다음 hf auth login으로 Read 토큰을 등록해요. 저장소의 --local-dir 아래에는 원본 폴더 구조가 유지돼서 생성 명령의 파일 경로와 맞아요. 다운로드 공간을 미리 66GiB 이상 확보하고, 다운로드가 끝나면 각 파일이 존재하는지 확인해요. 공식 모델 다운로드와 파일 경로
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 \
latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors \
--local-dir models/ltx-2.5distilled 파이프라인으로 첫 MP4를 만들어요
다섯 파일이 저장되면 공식 명령으로 ltx_pipelines.distilled를 실행해요. --num-frames 121은 이 요청에서 생성할 프레임 수를 정하고, --seed 42는 실행 결과를 다시 비교하기 쉽도록 고정해요. 프롬프트는 장면과 움직임, 카메라, 소리를 설명해요. 아래 예시는 24fps 같은 재생률을 직접 설정하지 않으므로 지속 시간을 단정하지 않아요.
uv run python -m ltx_pipelines.distilled \
--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 \
--spatial-upsampler-path models/ltx-2.5/latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors \
--num-frames 121 \
--seed 42 \
--output-path output.mp4 \
--prompt "A small wooden sailboat glides across a calm lake at sunrise, camera follows from the shore, gentle water sounds and distant birds."
출력과 첫 오류 위치를 확인해요
명령이 끝나면 현재 실행 폴더에서 output.mp4를 열어 영상이 재생되는지와 오디오 트랙이 들어 있는지 확인해요. 첫 실행이 멈추면 터미널에서 가장 먼저 나온 traceback을 확인해요. 401이나 403은 Hugging Face 이용 조건 승인이나 토큰 권한을 먼저 살펴보고, 파일을 찾지 못한다는 오류는 models/ltx-2.5/의 경로와 파일명을 대조해요.
GPU6 메모리 오류가 나면 생성 명령 끝에 --quantization fp8-cast를 추가하고, 오프로딩7은 --offload cpu 또는 --offload disk 중 하나를 더해 다시 실행해요. 예를 들어 위 명령의 마지막 프롬프트 줄 뒤에 \를 붙이고 다음 줄에 옵션을 적어요. CPU8·디스크 오프로딩은 실행 경로와 시간이 달라져요. 2×GB200, 720p에서 10초 영상이 6.8초에 생성됐다는 수치는 그 서버 구성의 보고값이에요. LTX-2.5 발표
용어 각주
프롬프트 — 모델에 보내는 입력문입니다. 생성 모델에서는 만들 결과를 설명하는 문장이 되어 출력의 구성과 내용을 크게 좌우합니다.
본문으로 돌아가기체크포인트 — 학습된 모델의 가중치 등을 저장한 파일입니다. 같은 모델 계열도 버전이나 용도에 따라 다른 체크포인트를 쓸 수 있습니다.
본문으로 돌아가기파이프라인 — 입력부터 결과까지 이어지는 처리 단계의 묶음입니다. 각 단계에서 서로 다른 모델이나 도구를 사용할 수 있습니다.
본문으로 돌아가기프레임 — 영상의 한 장면을 이루는 단일 이미지입니다.
본문으로 돌아가기토큰 — 모델이 입력이나 출력을 나누어 처리하는 단위입니다.
본문으로 돌아가기GPU — 많은 계산을 병렬로 처리하는 프로세서입니다. AI 모델 실행에서는 모델 계산을 맡습니다.
본문으로 돌아가기오프로딩 — 메모리가 부족할 때 모델 데이터 일부를 GPU 메모리에서 시스템 RAM이나 저장장치로 옮겨 처리하는 방식입니다. 데이터 이동이 추가됩니다.
본문으로 돌아가기CPU — 운영체제와 일반 프로그램 명령을 실행하고, AI에서는 전처리·데이터 이동 등 범용 연산을 맡는 중앙 처리 장치입니다.
본문으로 돌아가기
자주 묻는 질문
- 이 글에서 가장 먼저 확인할 것은 무엇인가요?
- LTX-2.5는 프롬프트에서 영상과 동기화된 오디오를 만드는 오픈 가중치 모델이에요. 공식 LTX-2 저장소는 Git 저장소와 66GiB 정도의 체크포인트 파일을 준비하고, distilled 파이프라인으로 `output.mp4`를 저장하는 명령을 제공해요.
- 필요한 메모리는 어느 정도인가요?
- GPU 메모리 오류가 나면 생성 명령 끝에 `--quantization fp8-cast`를 추가하고, 오프로딩은 `--offload cpu` 또는 `--offload disk` 중 하나를 더해 다시 실행해요. 예를 들어 위 명령의 마지막 프롬프트 줄 뒤에 `\`를 붙이고 다음 줄에 옵션을 적어요. CPU·디스크 오프로딩은 실행 경로와 시간이 달라져요. 2×GB200, 720p에서 10초 영상이 6.8초에 생성됐다는 수치는 그 서버 구성의 보고값이에요. [LTX-2.5 발표](https://ltx.io/model/ltx-2-5)