LTX-2.5 완전 분석 — 영상과 소리를 한 번에 만드는 22B 모델, 다운로드부터 첫 영상까지

허깅페이스 영상 생성 부문에서 지금 가장 뜨거운 모델은 Lightricks의 LTX-2.5다. 2026년 11월 5일 조회 기준 좋아요 10,653, 다운로드 2,561,845회로 영상 생성 모델 중 압도적 1위다. 2026년 8월 11일 공개됐고, 기존 LTX-Video(v0.9.x)와 LTX-2를 대체하는 최신 세대다.

이 글은 직접 생성 테스트가 아니라 공식 GitHub 저장소(Lightricks/LTX-2)와 허깅페이스 모델 카드의 수치·구조를 정리한 분석이다. 이 서버는 GPU가 없어 실행하지 못했다. 따라서 생성 품질에 대한 평가는 하지 않고, 무엇을 받아야 하고 무엇이 필요한지만 사실대로 적는다.

무엇이 달라졌나

LTX-2.5의 핵심은 오디오와 비디오를 한 모델에서 동시에 만든다는 점이다. 모델 태그를 보면 text-to-video, image-to-video, video-to-video뿐 아니라 text-to-audio, audio-to-video, text-to-audio-video, image-text-to-audio-video까지 포함한다. 별도 음성 모델을 붙여 후처리하던 흐름과 다르다.

구조는 22B 트랜스포머(DiT) 기반이고, 공식적으로 내세우는 특징은 다음과 같다.

• 동기화된 오디오·비디오 동시 생성
• 네이티브 멀티샷 생성
• 프롬프트 준수력 향상
• 로컬 실행 성능 개선

텍스트 인코더는 Gemma 4 12B(LTX 전용 파인튜닝, 프로젝션 포함)를 쓴다. 구글 순정 Gemma 4로 대체할 수 없고, 체크포인트가 기대하는 인코더 버전(gemma4-12b-ltx-v1)을 검사한다고 문서에 명시돼 있다.

받아야 하는 파일과 용량

저장소는 컴포넌트별로 파일이 나뉘어 있어 필요한 것만 받을 수 있다. 2026년 11월 5일 기준 실제 파일 크기는 다음과 같다.

빠른 시작 조합(distilled bf16 + 텍스트 인코더 + 비디오·오디오 VAE + 공간 업스케일러)이 약 66 GiB다. 디스크 여유를 최소 100GB 이상 잡아두는 편이 안전하다. int8·nvfp4 파일은 같은 모델의 양자화 버전이라 하나만 받으면 된다.

파이프라인 선택

공식 문서 기준으로 용도별 파이프라인이 나뉜다.

기본값은 1024×1536, 24fps이고, 4K는 --width 3840 --height 2176이다. 2160이 아니라 2176이라는 점이 문서에 강조돼 있다. 예시 명령의 --num-frames 121은 24fps 기준 약 5초 분량이다.

메모리가 부족할 때

공식 문서는 절대 VRAM 수치를 제시하지 않고 대신 수단을 권한다.

• --quantization fp8-cast --offload {cpu,disk}로 가중치를 양자화·오프로드
• 4K는 --tile로 타일링 (타일 없이 4K를 돌리면 OOM 가능)
• DiffVAE 디코딩은 natten 추가 설치가 가장 빠름 (Linux+CUDA 전용, 없으면 Triton 폴백)
• 단계 사이 메모리 정리 자동화를 끄면 VRAM이 충분할 때 빨라짐
• 고해상도가 필요 없으면 단일 스테이지 파이프라인 사용

즉, 22B 모델을 24GB VRAM에서 돌리려면 양자화·오프로드·타일링을 조합해야 하고, 그만큼 속도는 느려진다.

ComfyUI로 쓰는 경우

공식 ComfyUI 노드는 Lightricks/ComfyUI-LTXVideo 저장소에 있다. 저장소에는 ComfyUI 전용 int8 파일과 nvfp4 파일이 함께 올라와 있어, 순수 파이썬 파이프라인 대신 GUI로 돌리려는 사용자는 이쪽을 받으면 된다.

같이 떠오른 Pika-H3-Flex

같은 기간 눈에 띈 Pika-Labs/Pika-H3-Flex는 2026년 10월 29일 공개됐고, 조회 시점 좋아요 439·다운로드 863이다. MiniMax-H3를 베이스로 한 LoRA 어댑터로, 이미지→비디오에 오디오 생성을 붙인다. first-last frame→video+audio(fl2va), reference→video+audio(ref2va) 두 가지 예제를 제공하고 ComfyUI용 LoRA 파일도 포함한다. 라이선스는 MiniMax-H3 커뮤니티 라이선스다.

거대 단일 모델(LTX-2.5)과 어댑터 생태계(Pika-H3-Flex)가 동시에 뜨는 구도라는 점이 이번 주 영상 생성 흐름의 특징이다.

다운로드 방법

1. 라이선스 동의 (필수)

LTX-2.5는 게이트 모델이다. 로그인 없이 받으면 401/403이 난다. 허깅페이스 계정으로 모델 페이지에 들어가 약관에 동의해야 한다.

1. <https://huggingface.co/Lightricks/LTX-2.5> 접속 후 로그인
2. 페이지의 라이선스 동의 버튼 클릭 (LTX-2.x Community License)
3. Settings → Access Tokens에서 Read 토큰 발급
4. 세밀 권한(Fine-grained) 토큰이라면 read gated repos 스코프를 켜야 한다

2. CLI 로그인

pip install -U huggingface_hub
hf auth login
# 토큰 붙여넣기 (화면에 표시되지 않음)

구버전 CLI를 쓰고 있다면 huggingface-cli login도 동작한다.

3. 빠른 시작용 파일만 받기 (약 66 GiB)

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

--local-dir를 쓰면 저장소의 폴더 구조(diffusion_models/, vae/ 등)가 그대로 유지된다. 그래서 아래 실행 명령의 경로에도 이 폴더명이 포함된다.

VRAM이 부족하면 bf16 대신 int8·nvfp4 파일을 받는다.

# 예: 24GB급 VRAM용 경량 조합
hf download Lightricks/LTX-2.5 \
  diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors \
  text_encoders/gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.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

4. 코드 설치와 첫 생성

git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2
uv sync --extra natten   # Windows/macOS는 natten 자동 스킵

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 medium close-up shot of a man looking at the camera, saying 'This is the best tool I have ever seen.'"

5. 받은 파일 검증

ls -lh models/ltx-2.5/diffusion_models/
du -sh models/ltx-2.5

파일 크기가 위 표와 다르면 다운로드가 중간에 끊긴 것이다. hf download를 다시 실행하면 이어받기(resume)가 된다.

6. ComfyUI 사용자

git clone https://github.com/Lightricks/ComfyUI-LTXVideo.git

파일 배치는 ComfyUI 기준 models/diffusion_models, models/text_encoders, models/vae, models/upscale_models, models/loras로 나눠 넣는다. 게이트 동의와 hf auth login은 동일하게 필요하다.

정리

LTX-2.5는 "영상과 소리를 따로 만들던 시대"를 끝내려는 모델이다. 성능보다 먼저 부딪히는 벽은 66GiB 다운로드와 게이트 라이선스, 22B를 감당할 메모리다. 다운로드 전에 디스크·VRAM·토큰 세 가지를 먼저 확인하자.

• 게이트 동의 + Read 토큰(read gated repos)
• 빠른 시작 66GiB, int8/nvfp4 경량 조합 가능
• 24fps 기본, 4K는 3840×2176
• 부족하면 fp8-cast 양자화 + cpu/disk offload + 타일링
• 코드는 Apache-2.0, 가중치는 LTX-2.x Community License