LTX2.5

3.2 구성 팁 (Configuration Tips)

품질과 지연 목표에 따라 pipeline class를 선택하세요:

LTX-2.5에는 HQ pipeline class가 없고, 어떤 weights variant에도 --distilled-lora-path가 없습니다. LTX-2.5는 단계별로 LoRA를 병합하는 대신 가중치 자체를 증류하므로, 그 교체를 관리하는 --ltx2-two-stage-device-mode도 적용되지 않습니다.

이 페이지의 모든 기능(텍스트-투-비디오, 이미지 컨디셔닝, auto-duration, diffusion decoder, 두 weights variant 모두)은 두 pipeline class 모두에서 동작합니다.

가중치 선택:

• --model-variant dev는 transformer_full/에서 전체/SFT DiT를 서빙합니다. 기본값은 증류된 것입니다. 섹션 4.5를 참고하세요.

3.3 멀티 GPU 프리셋 (Multi-GPU presets)

3.4 fp8 양자화 (fp8 quantization)

--quantization fp8은 DiT의 선형 레이어를 로드하면서 양자화하므로 사전 양자화된 체크포인트가 필요 없습니다:

sglang serve \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --quantization fp8

960×544 / 49 프레임에서 트랜스포머는 bf16의 35.37 GB 대비 18.11 GB로 로드되고, 실행은 71.1 GB 대비 53.5 GB로 최고점에 달합니다. 디노이징 시간은 동일합니다. 이 크기의 증류 8-스텝 경로는 matmul 처리량보다 메모리 트래픽에 묶여 있으므로 fp8은 속도가 아니라 여유 공간을 사줍니다.

주어진 시드에 대해 다른 샘플을 기대하세요. 양자화는 디노이징 궤적을 살짝 바꾸고 diffusion이 이를 증폭하므로, 결과가 bf16과 다르되 더 나쁘지는 않습니다.

4. 모델 호출 (Model Invocation)

4.1 오디오가 있는 텍스트-투-비디오 (Text-to-video with audio)

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --prompt "A cinematic shot of a red fox walking through a snowy forest at dawn, the camera tracking alongside, snow crunching underfoot." \
  --save-output

기본값: 960×544, 121 프레임, 24 fps. 비디오와 오디오는 함께 생성되어 하나의 MP4로 멀티플렉싱됩니다.

기본 DiT는 증류되어 스텝 수가 아닌 고정 8-시그마 스케줄로 실행되므로 여기서 --num-inference-steps와 --guidance-scale은 효과가 없습니다. 둘 중 하나를 제어하려면 --model-variant dev를 사용하세요.

4.2 이미지-투-비디오 (Image-to-video)

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --image-path ./inputs/start.png \
  --prompt "The camera pushes forward as the subject turns toward the light." \
  --save-output

컨디셔닝 이미지는 모델이 훈련된 압축과 일치하도록 재압축됩니다. LTX-2.5는 CRF 18이고 LTX-2 / 2.3은 33을 사용합니다. SGLang은 체크포인트에서 올바른 것을 선택하므로 아무것도 전달할 필요가 없습니다.

4.3 Auto-duration

<span style={{fontSize: "0.7em", verticalAlign: "middle", padding: "2px 8px", borderRadius: "9999px", background: "#16a34a", color: "#fff"}}>NEW

LTX-2.5는 인코딩된 캡션을 읽고 그것이 설명하는 장면의 자연스러운 길이를 회귀하는 작은 모듈인 duration head를 제공합니다. 프롬프트가 길이를 암시할 때("quick glance" vs "slow pan across the valley") 프레임 수를 추측하기보다 이를 사용하세요:

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --prompt "A red fox walking through a snowy forest at dawn." \
  --auto-duration \
  --save-output

예측은 --auto-duration-min-seconds / --auto-duration-max-seconds(기본값 1–20 s)로 클램프되고 VAE의 시간 그리드에 스냅되므로 결과는 항상 유효한 프레임 수입니다. --num-frames를 덮어씁니다.

온라인 서버에서는 동일한 LTX-2.5 전용 제어를 extra_body로 전달하세요:

from openai import OpenAI

client = OpenAI(api_key="EMPTY", base_url="http://localhost:30010/v1")
video = client.videos.create(
    model="Lightricks/LTX-2.5-Diffusers",
    prompt="A red fox walking through a snowy forest at dawn.",
    extra_body={
        "auto_duration": True,
        "auto_duration_min_seconds": 2.0,
        "auto_duration_max_seconds": 8.0,
    },
)

4.4 2단계 (더 높은 품질) (Two-stage (higher quality))

1단계는 요청 해상도의 절반에서 실행되고, 잠재는 2배 업샘플링되며, 짧은 시그마 꼬리가 전체 해상도에서 리파인합니다. 최종 크기를 전달하세요:

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2TwoStagePipeline \
  --prompt "A cinematic shot of a red fox walking through a snowy forest at dawn." \
  --height 1088 --width 1920 \
  --save-output

해상도는 64로 나누어져야 합니다. LTX-2.3과 달리 --distilled-lora-path가 필요 없습니다. LTX-2.5 트랜스포머는 이미 증류되어 있습니다.

4.5 dev 트랜스포머 (The dev transformer)

LTX-2.5는 두 개의 DiT를 제공합니다. model_index.json은 증류된 것을 가리키고, 전체/SFT 가중치는 transformer_full/에 있으며 의도적으로 인덱스에서 제외됩니다. --model-variant dev로 선택하세요:

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --model-variant dev \
  --prompt "A cinematic shot of a red fox walking through a snowy forest at dawn." \
  --num-inference-steps 30 --guidance-scale 3.0 \
  --save-output

dev 변형은 증류되지 않으므로 SGLang은 고정된 증류 시그마 스케줄을 자동으로 버리고 scheduler/가 증류 DiT에 대해 끄는 동적 시프팅을 다시 활성화합니다. 증류 경로와 달리 스텝 수로 구동되며 CFG를 원하므로 --num-inference-steps와 --guidance-scale을 직접 전달하세요.

from_pretrained는 model_index.json이 나열한 것만 가져오므로 부분 스냅샷 다운로드는 transformer_full/(추가 38 GB)를 포함하지 않습니다.

4.6 Diffusion 디코더 (Diffusion decoder)

<span style={{fontSize: "0.7em", verticalAlign: "middle", padding: "2px 8px", borderRadius: "9999px", background: "#16a34a", color: "#fff"}}>NEW

LTX-2.5는 합성곱 VAE 디코더의 대안으로 diffusion 기반 비디오 디코더를 추가합니다. 잠재를 디컨볼루션하는 대신 잠재로 구축된 컨텍스트 볼륨에 조건화하여 픽셀을 디노이징하는데, 이는 합성곱 디코더가 부드럽게 지우는 경향이 있는 디테일을 복구합니다:

sglang generate \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --prompt "A red fox walking through a snowy forest at dawn." \
  --use-diffusion-decoder \
  --save-output

이는 그 자체로 diffusion 모델이며 VAE 디코더보다 느리게 디코딩하므로 기본적으로 꺼져 있습니다. 업스트림과 일치하며, LTX2Pipeline도 VAE로 디코딩합니다. 오프라인 generate 명령은 --use-diffusion-decoder가 있을 때 선택적 디코더를 자동으로 로드합니다.

온라인 서버의 경우 시작 시 디코더 로드를 선택하고 요청별로 use_diffusion_decoder: true로 선택하세요:

sglang serve \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --load-diffusion-decoder

video = client.videos.create(
    model="Lightricks/LTX-2.5-Diffusers",
    prompt="A red fox walking through a snowy forest at dawn.",
    extra_body={"use_diffusion_decoder": True},
)

이렇게 하면 기본 서버 풋프린트는 유지하면서 VAE와 diffusion-decoder 요청이 하나의 서버를 공유할 수 있습니다. GPU 메모리가 제한될 때 --cpu-offload-components diffusion_decoder가 선택적 디코더를 사용 사이에 CPU에 유지합니다.

uv pip install natten==0.21.6+torch2110cu130 -f https://whl.natten.org/

# Fastest, if the untiled decode fits in VRAM
sglang serve \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --load-diffusion-decoder \
  --diffusion-decoder-tiling false

# Memory-bound: keep tiling, and split the tiles over both GPUs
sglang serve \
  --model-path Lightricks/LTX-2.5-Diffusers \
  --pipeline-class-name LTX2Pipeline \
  --load-diffusion-decoder \
  --num-gpus 2 --ulysses-degree 2