この記事で最初に確認すべきことは何ですか？

LTX-2.5はプロンプトから映像と同期した音声を生成するオープンウェイトモデルです。公式LTX-2リポジトリはPythonパイプラインの導入、約66GiBのチェックポイント取得、distilledパイプラインでの`output.mp4`保存手順を示しています。

必要なメモリはどのくらいですか？

GPUメモリ不足が起きたら、生成コマンドの末尾に`--quantization fp8-cast`を追加し、オフロードは`--offload cpu`か`--offload disk`のどちらか一方を加えて再実行します。例えば上のコマンドの最後のprompt行に`\`を付け、次の行にオプションを書きます。CPUやディスクへのオフロードで実行経路と時間が変わります。2基のGB200で720pの10秒動画を6.8秒で生成したという数値は、そのサーバー構成の報告です。[LTX-2.5の発表](https://ltx.io/model/ltx-2-5)

画像・動画生成

LTX-2.5をローカルに導入して最初の動画を作る

22B distilledチェックポイントと121フレームのコマンドから始めます。

LTX-2.5はプロンプト¹から映像と同期した音声を生成するオープンウェイトモデルです。公式LTX-2リポジトリはPythonパイプライン²の導入、約66GiBのチェックポイント³取得、distilledパイプラインでのoutput.mp4保存手順を示しています。

実行条件と要点

公式セットアップはuv sync --extra nattenを使います。
主要ファイル5点、約66GiBを取得するためゲート付きリポジトリにログインします。
正常な出力は実行フォルダのoutput.mp4です。

導入前にPythonとモデル保存容量を準備する

LTX-2.5はテキストプロンプトから動画を作り、場面に合った音声も生成するオープンウェイトモデルです。このガイドでは公式LTX-2 Pythonパイプラインでdistilledチェックポイントを取得し、121フレーム⁴のMP4を1本保存します。公式リポジトリ

公式セットアップはPythonとuvを使い、高速なnatten拡張はLinuxでのみ追加します。uv公式手順で導入し、uv --versionがバージョンを表示することを確認します。Linuxでは下のセットアップコマンドに--extra nattenを含め、WindowsとmacOSでは省略して代替デコーダーを使います。モデルファイルは約66GiBです。Hugging FaceでLTX-2.5の利用条件に同意し、Readトークン⁵でログインしてから取得します。

リポジトリとPython依存関係を準備

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

海岸沿いの道を走る自転車の人物を複数フレームで示す絵コンテ — フレーム数とアスペクト比を決めて1本のクリップを作ります。

必要なチェックポイント5ファイルを取得する

Hugging FaceでLightricks/LTX-2.5の利用条件に同意し、hf auth loginでReadトークンを登録します。ダウンロード先の--local-dirの下に元のフォルダ構造が保たれ、生成コマンドのパスと一致します。66GiB以上の保存容量を確保し、取得後に各ファイルがあることを確認します。公式モデルの取得とパス

Hugging Faceから必要ファイルを取得

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-2.5

distilledパイプラインで最初のMP4を生成する

5ファイルを保存したら公式のltx_pipelines.distilledコマンドを実行します。--num-frames 121はこの要求で生成するフレーム数、--seed 42は結果を比較しやすくする固定値です。プロンプトでは場面、動き、カメラ、音を説明します。コマンドは再生フレームレートを指定しないため、ここでは長さを断定しません。

MP4を生成

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."

木の机に大きさの異なるフィルムリール3個と風景のコンタクトプリントが置かれています。 — フレームとモデルファイルが使う保存容量とメモリも準備します。

出力と最初のエラー箇所を確認する

コマンドが完了したら実行フォルダのoutput.mp4を開き、動画が再生でき音声トラックがあるか確認します。初回実行が止まったらターミナルで最初のtracebackを確認します。401や403はHugging Faceの利用条件への同意とトークン権限を確認し、ファイルが見つからないエラーはmodels/ltx-2.5/以下のパスとファイル名を照合します。

GPU⁶メモリ不足が起きたら、生成コマンドの末尾に--quantization fp8-castを追加し、オフロード⁷は--offload cpuか--offload diskのどちらか一方を加えて再実行します。例えば上のコマンドの最後のprompt行に\を付け、次の行にオプションを書きます。CPU⁸やディスクへのオフロードで実行経路と時間が変わります。2基のGB200で720pの10秒動画を6.8秒で生成したという数値は、そのサーバー構成の報告です。LTX-2.5の発表

LTX-2.5公式の導入・生成コマンド

映像シーンのストリップと音声波形を並べた編集作業画面 — LTX-2.5は動画の場面に合った音声も生成します。

用語の注釈

プロンプト — モデルに送る入力文です。生成モデルでは作りたい結果を説明する文になり、出力の構成や内容を大きく左右します。
本文に戻る
パイプライン — 入力から出力まで続く処理段階のまとまりです。段階ごとに異なるモデルやツールを使うことがあります。
本文に戻る
チェックポイント — 学習済みモデルの重みなどを保存したファイルです。同じモデル系列でも、版や用途によって異なるチェックポイントを使うことがあります。
本文に戻る
フレーム — 動画を構成する1枚の画像です。
本文に戻る
トークン — モデルが入力や出力を分けて処理する単位です。
本文に戻る
GPU — 多くの計算を並列に処理するプロセッサーです。AIモデルの実行ではモデル計算を担います。
本文に戻る
オフロード — 容量が足りないとき、モデルデータの一部をGPUメモリからシステムRAMやストレージへ移して処理する方法です。データ転送が追加されます。
本文に戻る
CPU — OSや一般的なプログラム命令を実行する中央処理装置です。AIでは前処理やデータ転送などの汎用処理も担います。
本文に戻る

よくある質問

この記事で最初に確認すべきことは何ですか？: LTX-2.5はプロンプトから映像と同期した音声を生成するオープンウェイトモデルです。公式LTX-2リポジトリはPythonパイプラインの導入、約66GiBのチェックポイント取得、distilledパイプラインでの`output.mp4`保存手順を示しています。
必要なメモリはどのくらいですか？: GPUメモリ不足が起きたら、生成コマンドの末尾に`--quantization fp8-cast`を追加し、オフロードは`--offload cpu`か`--offload disk`のどちらか一方を加えて再実行します。例えば上のコマンドの最後のprompt行に`\`を付け、次の行にオプションを書きます。CPUやディスクへのオフロードで実行経路と時間が変わります。2基のGB200で720pの10秒動画を6.8秒で生成したという数値は、そのサーバー構成の報告です。[LTX-2.5の発表](https://ltx.io/model/ltx-2-5)