Käivita tehisintellekti videot kohalikult: LTX-2, RTX ja ComfyUI 2026. aastal

Avatud lähteteksti mudel LTX-2, mille Lightricks tootetas NVIDIAga koostoos, genereerib nüüd kuni 20 sekundit 4K videot 50 FPS-ga üksiku tarbija GPU-l. Ilma pilveta. Ilma tellimuse. Ilma andmete, mis masinaast lahkuvad.

CES 2026 juures NVIDIA tutvustas LTX-2 jooksvat kohalikult uutel RTX 50 seeriaadel, ja tulemused ja yleiskond hääletanud kaasa. See polnud uuringu demo. See oli kohalikel tootmiseks valmis videogeneratsioon, mis jookseb kiirusega, mis konkureerib pilveteenesustega.

Lase mul sind selle kaudu juhtida, mida see tahendab, mida sa vajad ja kuidas seda seadistada.

Miks kohalik tehisintellekti videogeneratsioon on oluline

Enne kui me tehnilisele seadistusele sukelduksime, lase mul selgitada, miks kohaliku tehisintellekti video jooksmise polnud lihtsalt harrastajate eelistus. See lahendab tegelikke probleeme.

Stuudiotes, kus hallatakse kliendi materjali, privaatsus pole valitsuv. Loojatele aeglase interneti piirkondades on pilvel baseeruv genereerimine ebapraktiline. Ja kellele iganes, kes genereerib sadaid klippi kuus, tellimuse matemaatika lakkab peagi mojutegemast.

Mida sa vajad: raudvara noudmised

Siin on aus lahtivoltimine. Kohalik genereerimine noua andekat raudvara, kuid arvatavasti mitte nii ekstreemne kui sa arvad.

GPU juditavuse voordlus

Generatsioonide vaheline juditavuse vahe on dramaatiline. Siin on, mida NVIDIA CES 2026 juures tutvustas:

RTX 50 seeriat saab oma 3x kiiruse läbi kodumaise NVFP4 kvanttude kaudu, poolitades mudeli kaalu tapsuse ilma nahtava kvaliteedi kaotuseta. See on sama nipp, mis tegi LLM-id praktilisteks tarbijate raudvarals, nüüd kasutatud videopaljude diffuusile.

LTX-2: Mis teeb selle eriliseks

LTX-2 pole lihtsalt "veel üks avatud lähteteksti mudel". See esindab fundamentaalset nihkeid, mis on võimalik tarbija raudvara.

Kuidas see võrdleb pilvepalvuse

Lase mul olla konkreetne, mida saab kohalik genereerimine ja mida ei saa suurte pilveteenuste platvormi vastu teha.

Kompromiise on selge: pilveteenused pakuvad poleeri tulemused vähem seadistuse, mille kohalik genereerimine annab sul kontrolli, privaatsuse ja nullistamise maksumuse generatsiooni kohta. Sügava pilgu saamiseks kuidas need pilveplattormid võrdlevad, vt Sora 2 vs Runway vs Veo 3 voordlus.

LTX-2 seadistamine ComfyUI abil: samm sammude kaupa

Siin on praktilise juhtumise kaudu. Ma eeldan, et sul on NVIDIA GPU minimaalset 8 GB VRAM-i ja viimaseid juhtis paigaldatud.

Samm 1: ComfyUI paigaldamine

ComfyUI on sõlme-baseeritud visuaalne liides diffusioonimudelite jaoks. Arvatakse seda Unreal Engine Blueprint'i süsteemiks, kuid tehisintellekti genereerimise töövoode jaoks.

# Kloonita ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
 
# Luua virtuaalne keskkond
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows
 
# Paigalda soltuvused
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

Samm 2: Laadi alla LTX-2 mudel

# Navigeeri mudelite kataloogi
cd models/checkpoints
 
# Laadi alla LTX-2 (umbes 15 GB)
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-0.safetensors
 
# Laadi alla VAE
cd ../vae
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-vae.safetensors

Samm 3: Paigalda LTX-2 ComfyUI laiendus

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

Samm 4: Käivita ja genereeri

# Naase ComfyUI juurele
cd ../..
python main.py --listen 127.0.0.1 --port 8188

Ava http://127.0.0.1:8188 omas brauserites. Laadi LTX-2 töövoog laienduse näite kaustast, tipidda oma vihjed ja kliki "Jonota vihjed".

Seadistuse optimeerimine

Pärast, kui põhiseadistus toimib, siin on häälestuse nipp, mis teeb tõelise erinevuse.

VRAM haldamine

Ainuke suurim kitsaskohta kohaliku genereerimise jaoks on VRAM. Siin on, kuidas maksimeerida, mida sa omad:

• ✓Võimalda mudeli mahalaadimist (liiguta kasutamata kihte süsteemi RAM-i)
• ✓Kasuta NVFP8/NVFP4 quantizeering GPU generatsiooni jaoks
• ✓Sulge brauseri vahekaardid ja muud GPU-nõudliku taotlused
• ✓Seadista Windows "Riistvara kiirendatud GPU ajastamine" kuva sätetes
• ✓Kaaluge Linux dual-boot (5-10% parem GPU kasutamine vs Windows)

Partii töötlemine töövoog

Loojatele, kes peavad genereerima palju klippi, ComfyUI toetab partiide reast. Häälesta oma vihjed JSON faili, ühenda nad partii koormatava sõlmega ja lase oma GPU-l töötada öösel. Olen genereerinud 200+ klippi ühes RTX 4090 öösel.

LoRA koolitus kohandatud stiilide jaoks

Siin kohalik genereerimine tõesti paistab. Saate koolitada LoRA-adapterit 50-100 viitevideo kaadril umbes 30 minutiga RTX 4090 juures. Tulemus on kerge fail (tavaliselt 100-300 MB), mis kallab mudelit teie konkreetse visuaalse stiili, karakteri välimuse voi keskkonna esteetika poole.

# LoRA koolituseeskiri näide
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

Maksumis kalkulatsioon

Lase mul anda konkreetseid numbreid. Eelda, et sa oled vabatahtlik videoprodutser, kes genereerib 100 viiendat sekundit klippi kuus.

RTX 4090 maksab umbes 1 600 dollarit MSRP juures, kuigi jooksevad turuhind liiguvad umbes 2 500-2 800 dollari tootmise peatumise tõttu. 100 klippi kuus pilveteenuste kasutamisel, isegi turuhinna juures, GPU makstakse end tagasi 18-24 kuus jooksul, misjärel sa genereeri elektri maksumuses.

Mis tuleb edasi

Kohalik tehisintellekti videogeneratsiooni trajektoor kiirub. Kolm arendust jälgida:

Alumine joon

Pilvepohjal tehisintellekti videoteenused on eristad tooted. Sora, Veo, Runway, kik pakuvad muljet jätta tulemusi minimaalse seadistusega. Kuid nad tulevad kompromissidega, mille paljud loojad algavad pidama vastuvõetamatuks: korduv kulumine, privaatsuse mured, interneti soltuvus ja piiratud kohandamine.

LTX-2 ComfyUI abil NVIDIA RTX GPU juures ei ole kompromiss. See on teisi paradigmat. Üks, kus omad kogu torujuhtme, mudeli kaalu lõplikule väljundile. Seadistus võtab pärastlõunal. Õppimisvõrk on tegelik kuid juhitav. Ja tulemused, eriti 4K-l viimaste optimeerimisega, on tõeliselt konkurentsivõimelised pilvealternatiividega.

Kui sul on RTX GPU, kes kogub tolmu mängimissessioonide vahel, anna sellele teine töö. Võiksid olla üllatunud, mida see teha saab.