【免费下载链接】LTX-2.5-GGUF项目地址https://ai.gitcode.com/hf_mirrors/unsloth/LTX-2.5-GGUF点击查看免费下载LTX-2.5-GGUF 是 Lightricks 出品的 22B 音视频生成模型 LTX-2.5 的 GGUF 量化模型文件集由 Unsloth 团队完成量化打包。一个仓库就集齐了GGUF 量化 DiT、Gemma4 文本编码器、视频 VAE、音频 VAE 和潜空间上采样器全部组件本文带你一文看懂每个目录和文件的作用帮你快速选对模型开始生成视频。 仓库目录结构总览整个仓库按照组件一个目录的方式组织结构清晰目录 / 文件作用根目录下的ltx-2.5-22b-dev-*.ggufdev完整版DiT的 GGUF 量化模型需 30 步、CFG 3 采样distilled/distilled蒸馏版DiT的 GGUF 量化模型83 步两步采样速度更快diffusion_models/bf16 精度的原始 transformer 权重非量化text_encoders/Gemma4 12B 文本编码器含投影层vae/视频 VAE卷积版与音频 VAElatent_upscale_models/潜空间空间上采样器x2samples/各量化版本的对比帧图与示例视频LICENSE / NOTICELTX-2.x 社区许可证与版权说明 GGUF 量化模型dev 与 distilled 怎么选仓库最大的内容就是 22B DiT 的 GGUF 量化文件分两大族dev 完整版仓库根目录如 ltx-2.5-22b-dev-Q4_K_M.gguf完整可训练权重30 步采样 CFG 3画质上限更高。distilled 蒸馏版distilled/ 目录如 ltx-2.5-22b-distilled-UD-Q4_K_XL.gguf8 3 步两步式采样、CFG 1出片快得多适合日常出图。每族都覆盖 Q2_K → BF16 全部常见量化档位并额外提供UD-系列UD- 前缀 Unsloth Dynamic 2.0 混合精度量化对每一层做敏感度扫描后按层选择精度同体积下效果优于统一量化版本。官方推荐大多数显卡 →UD-Q4_K_XL14.0 GB明显好于 Q4_K_M、接近大 1.6 GB 的 Q5_K_M追求最接近 bf16 →Q8_0小显存显卡 →UD-Q2_K_XL9.5 GB远优于 Q2_K 且比 Q3_K_M 小 1.8 GB下面这张图是同一条文生视频提示词下各量化文件第 60 帧的横向对比可以直观感受不同 GGUF 档位之间的画质差异图生视频image-to-video的对比同样收录在仓库中完整的体积、bits per weight、LPIPS / PSNR 精度数据见 README.md 中的 Files and accuracy 表格。 文本编码器Gemma4 12Btext_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors这是 LTX-2.5 的定制 Gemma 4 12B 文本编码器bf16文件名中的with-proj表示已附带投影层负责把提示词编码成 DiT 可理解的文本嵌入。相比通用编码器它擅长抓住复杂提示词中的多角色、运镜、灯光等细节不会在长序列里丢信息。️ 视频与音频 VAEvae/ 目录下有两个文件vae/ltx-2.5-video-vae-conv-bf16.safetensors视频 VAE卷积版更轻、解码更快是日常使用的主力解码器vae/ltx-2.5-audio-vae-bf16.safetensors音频 VAE 声码器把生成的音频潜变量还原成音轨这是 LTX-2.5 能带声音出片的关键LTX-2.5 原生支持文生音视频、图生音视频视频 VAE 解码画面、音频 VAE 解码声音两者配合完成最终渲染。⬆️ 潜空间上采样器latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensorsx2 潜空间空间上采样器用于蒸馏版模型的两阶段管线第一阶段在较低分辨率如 960×544去噪随后该模型把潜变量放大一倍第二阶段在 2 倍分辨率1280×704精修细节。没有它就无法跑高分辨率的两阶段工作流。 bf16 原始权重与许可证diffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors完整版 DiT 的 bf16 原始权重diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors蒸馏版 DiT 的 bf16 原始权重这两个文件是不加量化的基准权重GGUF 文件均由它们量化而来BF16.gguf则是对原始权重的无损重打包渲染结果与 bf16 逐位一致。许可证方面模型遵循 LICENSELTX-2.x Community License Agreement年营收 1000 万美元以下的实体可免费商用更高规模需购买商业授权。版权细节见 NOTICE。 如何下载并使用一键获取仓库含全部组件git clone https://gitcode.com/hf_mirrors/unsloth/LTX-2.5-GGUF两种主流用法Unsloth Studio在 Video 页面选择 LTX-2.5直接勾选本仓库的任意 GGUF 文件即可其余组件自动从官方仓库补齐ComfyUI安装 ComfyUI-GGUF 自定义节点后把模板中的Load Diffusion Model节点替换为Unet Loader (GGUF)并指向 GGUF 文件即可其余节点保持不变✅ 总结LTX-2.5-GGUF 用一套仓库解决了 22B 音视频模型的本地部署难题量化 DiTdev / distilled 两族 × Q2_K ~ BF16 全档位UD- 混合精度版本性价比最高文本编码器定制 Gemma4 12B长提示词表现稳VAE 双组件视频卷积 VAE 音频 VAE画面声音一次出潜空间上采样器两阶段管线的高分辨率关键samples/ 目录自带对比帧图与示例视频选型前先看图说话按显卡显存在UD-Q4_K_XL、Q8_0、UD-Q2_K_XL之间三选一配齐文本编码器与 VAE你就能在自己的硬件上跑起 22B 级音视频生成。赞分享【免费下载链接】LTX-2.5-GGUF项目地址https://ai.gitcode.com/hf_mirrors/unsloth/LTX-2.5-GGUF点击查看免费下载相关推荐在 stable-diffusion.cpp 中运行 LTX-2.3 / LTX-2.5 视频生成权重准备、T2V/I2V/FLF2V 与空间潜空间超分完整实战在 stable diffusion.cpp 中运行 LTX 2.3 / LTX 2.5 视频生成权重准备、T2V/I2V/FLF2V 与空间潜空间超分完整实人工智能大模型本地部署推理引擎媒体生成LTX-Video 视频生成管线实战指南从文本/图像/视频条件生成到 0.9.7/0.9.8 潜空间放大推理LTX Video 视频生成管线实战指南从文本/图像/视频条件生成到 0.9.7/0.9.8 潜空间放大推理 LTX Video 是面向高速、实时高分辨率视频人工智能媒体生成深度学习音频vLLM-Omni 运行 LTX-2.5 全指南带同步音频的文生视频与首帧图生视频部署vLLM Omni 运行 LTX 2.5 全指南带同步音频的文生视频与首帧图生视频部署 本文以 vLLM Omni 对 Lightricks LTX 2.5人工智能大模型模型推理服务多模态语音音频媒体生成本地部署上一篇react-admin useAuthProvider Hook 完整指南直接从 Context 调用 authProvider 实现身份获取与自定义鉴权方法下一篇JupyterLab 用户身份Identity体系全解析基于 IdentityProvider 与 /api/me 的前端集成指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考