AI-Videos lokal ausführen: LTX-2, RTX und ComfyUI im Jahr 2026

Das Open-Source-Modell LTX-2, entwickelt von Lightricks in Zusammenarbeit mit NVIDIA, generiert nun bis zu 20 Sekunden 4K-Video mit 50 FPS auf einer einzelnen Consumer-GPU. Keine Cloud. Kein Abonnement. Keine Daten, die Ihren Computer verlassen.

Auf der CES 2026 demonstrierte NVIDIA LTX-2 nativ auf der neuen RTX 50-Serie, und die Ergebnisse ließen das Publikum sprachlos. Dies war keine Forschungsdemo. Es war produktionsbereite lokale Videogenerierung, die mit Geschwindigkeiten abläuft, die Cloud-Services rivalisieren.

Lassen Sie mich Ihnen erklären, was dies bedeutet, was Sie benötigen und wie Sie es einrichten.

Warum die lokale AI-Videogenerierung wichtig ist

Bevor ich zur technischen Einrichtung übergehe, lassen Sie mich erklären, warum das lokale Ausführen von AI-Videogenerierung nicht nur eine Hobbystvorliebe ist. Es löst echte Probleme.

Für Studios, die mit Client-Inhalten umgehen, ist Datenschutz nicht optional. Für Creator in Regionen mit langsamen Internetverbindungen ist Cloud-Generierung unpraktisch. Und für jeden, der hunderte von Clips pro Monat generiert, macht die Abonnementrechnung sehr schnell keinen Sinn mehr.

Was Sie benötigen: Hardware-Anforderungen

Hier ist die ehrliche Aufschlüsselung. Die lokale Generierung erfordert anständige Hardware, aber wahrscheinlich nicht so extrem, wie Sie denken.

GPU-Leistungsvergleich

Der Leistungsunterschied zwischen den Generationen ist dramatisch. Hier ist, was NVIDIA auf der CES 2026 demonstriert hat:

Die RTX 50-Serie erreicht ihre 3x-Beschleunigung durch native NVFP4-Quantisierung, die die Genauigkeit der Modellgewichte um die Hälfte reduziert, ohne sichtbaren Qualitätsverlust. Dies ist der gleiche Trick, der LLMs auf Consumer-Hardware praktisch gemacht hat, jetzt auf Videodiffusion angewendet.

LTX-2: Was es besonders macht

LTX-2 ist nicht einfach "ein weiteres Open-Source-Modell". Es stellt eine grundlegende Verschiebung dar, was auf Consumer-Hardware möglich ist.

Vergleich mit Cloud-Diensten

Lassen Sie mich genau sagen, was die lokale Generierung verglichen mit den großen Cloud-Plattformen kann und nicht kann.

Der Kompromiss ist klar: Cloud-Services bieten ausgeprägtere Ergebnisse mit weniger Setup, während die lokale Generierung Ihnen Kontrolle, Datenschutz und null Grenzkosten pro Generierung gibt. Für einen tiefergehenden Blick auf den Vergleich dieser Cloud-Plattformen siehe unseren Sora 2 vs Runway vs Veo 3 Vergleich.

Einrichtung von LTX-2 mit ComfyUI: Schritt für Schritt

Hier ist die praktische Anleitung. Ich gehe davon aus, dass Sie eine NVIDIA-GPU mit mindestens 8 GB VRAM und einem aktuellen Treiber haben.

Schritt 1: ComfyUI installieren

ComfyUI ist eine knotenbasierte visuelle Schnittstelle für Diffusionsmodelle. Denken Sie daran wie das Unreal Engine Blueprint-System, aber für AI-Generierungs-Workflows.

# ComfyUI klonen
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
 
# Virtuelle Umgebung erstellen
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows
 
# Abhängigkeiten installieren
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

Schritt 2: LTX-2-Modell herunterladen

# Zum Modellverzeichnis navigieren
cd models/checkpoints
 
# LTX-2 herunterladen (etwa 15 GB)
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-0.safetensors
 
# VAE herunterladen
cd ../vae
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-vae.safetensors

Schritt 3: LTX-2 ComfyUI-Erweiterung installieren

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

Schritt 4: Starten und generieren

# Zur ComfyUI-Wurzel zurückkehren
cd ../..
python main.py --listen 127.0.0.1 --port 8188

Öffnen Sie http://127.0.0.1:8188 in Ihrem Browser. Laden Sie den LTX-2-Workflow aus dem Beispielordner der Erweiterung, geben Sie Ihren Prompt ein und klicken Sie auf "Queue Prompt".

Optimierung Ihrer Einrichtung

Nachdem die grundlegende Einrichtung funktioniert, finden Sie hier die Tuning-Tricks, die einen echten Unterschied machen.

VRAM-Verwaltung

Der größte Einzelengpass für die lokale Generierung ist VRAM. Hier ist, wie Sie das Maximale aus dem herausholen, das Sie haben:

• ✓Aktivieren Sie Modellablagerung (verschiebt ungenutzte Schichten zu System-RAM)
• ✓Verwenden Sie NVFP8/NVFP4-Quantisierung für Ihre GPU-Generierung
• ✓Schließen Sie Browser-Tabs und andere GPU-intensive Anwendungen
• ✓Stellen Sie Windows auf "Hardware-beschleunigte GPU-Planung" in den Anzeigeeinstellungen ein
• ✓Erwägen Sie einen Linux-Dual-Boot (5-10% bessere GPU-Auslastung gegenüber Windows)

Batch-Processing-Workflow

Für Creator, die viele Clips generieren müssen, unterstützt ComfyUI Batch-Warteschlangen. Richten Sie Ihre Prompts in einer JSON-Datei ein, verbinden Sie diese mit einem Batch-Loader-Knoten und lassen Sie Ihre GPU über Nacht arbeiten. Ich habe 200+ Clips in einer einzigen Nachtsitzung auf einer RTX 4090 generiert.

LoRA-Training für benutzerdefinierte Stile

Hier glänzt die lokale Generierung wirklich. Sie können einen LoRA-Adapter auf 50-100 Bilder von Referenzmaterial in etwa 30 Minuten auf einer RTX 4090 trainieren. Das Ergebnis ist eine leichte Datei (normalerweise 100-300 MB), die das Modell in Richtung Ihres spezifischen visuellen Stils, der Charakteraussehen oder der Umgebungsästhetik verzerrt.

# Beispiel-LoRA-Trainingsbefehl
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

Die Kostenrechnung

Lassen Sie mich konkrete Zahlen dazu nennen. Nehmen Sie an, Sie sind ein freiberuflicher Videocreator, der 100 fünfsekündige Clips pro Monat generiert.

Eine RTX 4090 kostet etwa 1.600 USD zum UVP, obwohl aktuelle Marktpreise eher bei 2.500-2.800 USD liegen, da die Produktion eingestellt wurde. Bei 100 Clips pro Monat mit Cloud-Services zahlt sich die GPU selbst bei Marktpreis innerhalb von 18-24 Monaten aus, und dann generieren Sie zum Kosten der Elektrizität.

Was kommt als nächstes

Die Flugbahn der lokalen AI-Videogenerierung beschleunigt sich. Drei Entwicklungen zum Beobachten:

Das Fazit

Cloud-AI-Videodienste sind großartige Produkte. Sora, Veo, Runway liefern alle beeindruckende Ergebnisse mit minimaler Einrichtung. Aber sie kommen mit Kompromissen, die viele Creator für inakzeptabel befinden: wiederkehrende Kosten, Datenschutzbedenken, Internetabhängigkeit und begrenzte Anpassung.

LTX-2 mit ComfyUI auf einer NVIDIA RTX GPU ist kein Kompromiss. Es ist ein anderes Paradigma. Ein, bei dem Sie die gesamte Pipeline besitzen, von Modellgewichten bis zur endgültigen Ausgabe. Die Einrichtung dauert einen Nachmittag. Die Lernkurve ist real, aber handhabbar. Und die Ergebnisse, besonders bei 4K mit den neuesten Optimierungen, sind wirklich wettbewerbsfähig mit Cloud-Alternativen.

Wenn Sie eine RTX GPU haben, die zwischen Gaming-Sessions Staub sammelt, geben Sie ihr einen zweiten Job. Sie könnten überrascht sein, was sie kann.