Kør AI-video lokalt: LTX-2, RTX og ComfyUI i 2026

Open-source-modellen LTX-2, udviklet af Lightricks i samarbejde med NVIDIA, genererer nu op til 20 sekunder 4K-video ved 50 FPS på et enkelt consumer-GPU. Ingen cloud. Intet abonnement. Ingen data der forlader din maskine.

På CES 2026 demonstrerede NVIDIA LTX-2 kørende nativt på den nye RTX 50 Series, og resultaterne efterlod publikum stum. Dette var ikke en forskningsdemo. Det var produktionsklar lokal videogenerering, der kørte med hastigheder, der rivaliseredes cloudtjenester.

Lad mig gå dig igennem, hvad dette betyder, hvad du skal bruge, og hvordan du opsætter det.

Hvorfor lokal AI-videogenerering betyder noget

Før vi dykker ned i den tekniske opsætning, vil jeg forklare, hvorfor det at køre AI-video lokalt ikke blot er en hobbyistpræference. Det løser virkelige problemer.

For studier, der håndterer klientvideoer, er privatlivsbeskyttelse ikke valgfrit. For skabere i regioner med langsom internet er cloudgenerering upraktisk. Og for alle, der genererer hundredvis af klip hver måned, holder abonnementsmathematikken op med at give mening meget hurtigt.

Hvad du skal bruge: Hardwarekrav

Her er den ærlige nedbrydning. Lokal generering kræver anstændig hardware, men sandsynligvis ikke så ekstrem som du tror.

GPU-ydelessesammenligning

Ydelseskløften mellem generationer er dramatisk. Her er hvad NVIDIA demonstrerede på CES 2026:

RTX 50 Series opnår sin 3x hastighedsforøgelse gennem indfødt NVFP4-kvantisering, halvering af modelgraden nøjagtighed uden synligt kvalitetstab. Dette er det samme trick, der gjorde LLM'er praktiske på consumer-hardware, nu anvendt på videodiffusion.

LTX-2: Hvad gør det særligt

LTX-2 er ikke blot et andet open-source-model. Det repræsenterer en fundamental skift i, hvad der er muligt på consumer-hardware.

Hvordan det sammenlignes med cloudtjenester

Lad mig være specifik om, hvad lokal generering kan og ikke kan gøre sammenlignet med de store cloudplatforme.

Kompromisset er klart: cloudtjenester tilbyder mere polerede output med mindre opsætning, mens lokal generering giver dig kontrol, privatlivsbeskyttelse og nul marginalomkostninger pr. generering. For et dybere kig på, hvordan disse cloudplatforme sammenlignes, se vores Sora 2 vs Runway vs Veo 3 sammenligning.

Opsætning af LTX-2 med ComfyUI: Trin for trin

Her er det praktiske gennemgang. Jeg antager, at du har en NVIDIA GPU med mindst 8 GB VRAM og en nyere driver installeret.

Trin 1: Installér ComfyUI

ComfyUI er en nodbaseret visuel grænseflade til diffusionsmodeller. Tænk på det som Unreal Engine Blueprint-systemet, men til AI-generering workflows.

# Clone ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
 
# Opret et virtuelt miljø
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows
 
# Installér afhængigheder
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

Trin 2: Download LTX-2 Model

# Naviger til modelmappe
cd models/checkpoints
 
# Download LTX-2 (cirka 15 GB)
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-0.safetensors
 
# Download VAE
cd ../vae
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-vae.safetensors

Trin 3: Installér LTX-2 ComfyUI-udvidelsen

cd ../../custom_nodes
git clone https://github.com/Lightricks/ComfyUI-LTXVideo.git
cd ComfyUI-LTXVideo
pip install -r requirements.txt

Trin 4: Start og generer

# Tilbage til ComfyUI-rod
cd ../..
python main.py --listen 127.0.0.1 --port 8188

Åbn http://127.0.0.1:8188 i din browser. Indlæs LTX-2-workflowen fra udvidelsens eksempelmapper, skriv dit prompt og klik "Queue Prompt".

Optimering af din opsætning

Efter at grundopsætningen virker, er her optimeringstrickene, der gør en virkelig forskel.

VRAM-management

Den eneste største flaskehals for lokal generering er VRAM. Her er hvordan du maksimaliserer hvad du har:

• ✓Aktivér modelofflasting (flytter ubrugte lag til systemRAM)
• ✓Brug NVFP8/NVFP4-kvantisering til din GPU-generering
• ✓Luk browserfaner og andre GPU-intensive applikationer
• ✓Indstil Windows til "Hardware-accelerated GPU scheduling" i displayindstillinger
• ✓Overvej en Linux dual-boot (5-10% bedre GPU-udnyttelse vs Windows)

Batch-behandling workflow

For skabere, der skal generere mange klip, understøtter ComfyUI batchqueuing. Opsæt dine prompts i en JSON-fil, forbind dem til en batch loader-node og lad dit GPU arbejde gennem natten. Jeg har genereret over 200 klip i en enkelt natlig session på en RTX 4090.

LoRA-træning for brugerdefinerede stilarter

Det er her lokal generering virkelig skinner. Du kan træne en LoRA-adapter på 50-100 billeder referencevideoer på omkring 30 minutter på en RTX 4090. Resultatet er en lethedsvægtig fil (typisk 100-300 MB), der påvirker modellen mod din specifikke visuelle stil, karakterudseender eller miljøæstetik.

# Eksempel LoRA-træningskommando
python train_lora.py \
  --model ltx-video-2-0.safetensors \
  --data ./my_reference_frames/ \
  --output ./loras/my_style.safetensors \
  --steps 1000 \
  --lr 1e-4 \
  --rank 32

Omkostningsberegningen

Lad mig sætte konkrete tal på dette. Antag, at du er en freelance-videografar, der genererer 100 klip på fem sekunder hver måned.

En RTX 4090 koster omkring 1.600 EUR ved MSRP, selvom de nuværende markedspriser ligger nærmere 2.500-2.800 EUR på grund af ophørt produktion. Ved 100 klip pr. måned med cloudtjenester, selv til markedsprisen, betaler GPU sig selv inden 18-24 måneder, og derefter genererer du med kun elektricitetsomkostninger.

Hvad der kommer derefter

Banen for lokal AI-videogenerering accelererer. Tre udviklingerne at holde øje med:

Bundlinjen

Cloud AI-videotjenester er fremragende produkter. Sora, Veo, Runway, de leverer alle imponerende resultater med minimal opsætning. Men de kommer med kompromisser, som mange skabere begynder at finde uacceptable: tilbagevendende omkostninger, privatlivsbekymringer, internetafhængighed og begrænset tilpasning.

LTX-2 med ComfyUI på en NVIDIA RTX GPU er ikke et kompromis. Det er et andet paradigme. En hvor du ejer hele pipelinen, fra modelgewigter til endelig output. Opsætningen tager en eftermiddag. Indlæringskurven er reel men håndterbar. Og resultaterne, især ved 4K med de seneste optimeringer, er virkelig konkurrencedygtige med cloudlokaliseringer.

Hvis du har en GPU, der samler støv mellem spilsessioner, giv den et andet job. Du kunne være overrasket over hvad det kan gøre.