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

Open-source-modellen LTX-2, utviklet av Lightricks i samarbeid med NVIDIA, genererer nå opp til 20 sekunder 4K-video ved 50 FPS på et enkelt forbruker-GPU. Ingen sky. Intet abonnement. Ingen data forlater maskinen din.

På CES 2026 demonstrerte NVIDIA LTX-2 som kjører native på den nye RTX 50 Series, og resultatene gjorde publikum målløs. Dette var ikke en forskningsdemo. Det var produksjonsklar lokal videogenerering, som kjørte med hastigheter som rivaliserer skytjenester.

La meg gå deg gjennom hva dette betyr, hva du trenger og hvordan du setter det opp.

Hvorfor lokal AI-videogenerering betyr noe

Før vi dykker ned i den tekniske oppsettet, vil jeg forklare hvorfor det å kjøre AI-video lokalt ikke bare er en hobbyprefanse. Det løser virkelige problemer.

For studioer som håndterer klientvideoer er privatlivsbeskyttelse ikke valgfritt. For skapere i regioner med langsom internett er skygenerering upraktisk. Og for alle som genererer hundrevis av klipp hver måned, slutter abonnementsmatematikken med å være logisk veldig raskt.

Hva du trenger: Maskinvarekrav

Her er den ærlige oppdelingen. Lokal generering krever anstending maskinvare, men sannsynligvis ikke så ekstrem som du tror.

GPU-ytelsessammenligning

Ytelseskløften mellom generasjoner er dramatisk. Her er hva NVIDIA demonstrerte på CES 2026:

RTX 50 Series oppnår sin 3x hastighetsøkning gjennom native NVFP4-kvantisering, halvering av modellvektpresisjon uten synlig kvalitetstap. Dette er det samme trikset som gjorde LLM-er praktisk på forbrukerhardvare, nå brukt på videodiffusjon.

LTX-2: Hva gjør det spesielt

LTX-2 er ikke bare en annen open-source-modell. Det representerer et grunnleggende skifte i hva som er mulig på forbrukerhardvare.

Hvordan det sammenlignes med skytjenester

La meg være spesifikk om hva lokal generering kan og ikke kan gjøre sammenlignet med de store skyplattformene.

Kompromisset er klart: skytjenester tilbyr mer polert resultat med mindre oppsett, mens lokal generering gir deg kontroll, privatlivsbeskyttelse og null marginalkostad per generering. For et dypere blikk på hvordan disse skyplattformene sammenlignes, se vår Sora 2 vs Runway vs Veo 3 sammenligning.

Sette opp LTX-2 med ComfyUI: Trinn for trinn

Her er den praktiske gjennomgangen. Jeg antar at du har et NVIDIA GPU med minst 8 GB VRAM og en nyere driver installert.

Trinn 1: Installer ComfyUI

ComfyUI er et nodbasert visuelt grensesnitt for diffusjonsmodeller. Tenk på det som Unreal Engine Blueprint-systemet, men for AI-genereringsarbeidsflyten.

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

Trinn 2: Last ned LTX-2-modellen

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

Trinn 3: Installer LTX-2 ComfyUI-utvidelsen

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

Trinn 4: Start og generer

# Tilbake til ComfyUI-rot
cd ../..
python main.py --listen 127.0.0.1 --port 8188

Åpne http://127.0.0.1:8188 i nettleseren din. Last inn LTX-2-arbeidsflyten fra utvidelsens eksempelmapper, skriv ledeteksten din og klikk "Queue Prompt".

Optimalisering av oppsettet

Etter at grunnoppsettet fungerer, er her optimaliseringstriksene som gjør en reell forskjell.

VRAM-håndtering

Den eneste største flaskehalsen for lokal generering er VRAM. Her er hvordan du maksimaliserer det du har:

• ✓Aktiver modellavlasting (flytter ubrukte lag til system-RAM)
• ✓Bruk NVFP8/NVFP4-kvantisering til GPU-generering
• ✓Lukk nettleserfaner og andre GPU-intensive applikasjoner
• ✓Still inn Windows til "Hardware-accelerated GPU scheduling" i skjerminnstillinger
• ✓Vurder en Linux dual-boot (5-10% bedre GPU-utnyttelse vs Windows)

Batch-behandling arbeidsflyt

For skapere som må generere mange klipp, støtter ComfyUI batchkøing. Still inn ledetekstene dine i en JSON-fil, koble dem til en batchlaster-node og la GPU-en arbeid hele natten. Jeg har generert over 200 klipp i en enkelt nattlig sesjon på en RTX 4090.

LoRA-trening for tilpassede stilarter

Her er der lokal generering virkelig skinner. Du kan trene en LoRA-adapter på 50-100 bilder med referansevideo på omtrent 30 minutter på en RTX 4090. Resultatet er en lettvektig fil (vanligvis 100-300 MB) som påvirker modellen mot din spesifikke visuelle stil, karakterutseende eller miljøestetikk.

# Eksempel LoRA-treningskommando
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

Kostnadsberegningen

La meg sette konkrete tall på dette. Anta at du er en frilansvideoskapor som genererer 100 klipp på fem sekunder hver måned.

En RTX 4090 koster rundt 1.600 EUR til MSRP, selv om nåværende markedspriser ligger nærmere 2.500-2.800 EUR på grunn av avviklet produksjon. Ved 100 klipp pr. måned med skytjenester, selv til markedspriser, betaler GPU-en seg selv innen 18-24 måneder, og deretter genererer du for bare strømprisene.

Hva som kommer deretter

Banen for lokal AI-videogenerering akselererer. Tre utviklinger å holde øye med:

Konklusjonen

Sky AI-videotjenester er utmerkede produkter. Sora, Veo, Runway, de leverer alle imponerende resultater med minimal oppsett. Men de kommer med kompromisser som mange skapere begynner å finne uakseptable: tilbakevendende kostnader, privatlivsproblemer, internetavhengighet og begrenset tilpasning.

LTX-2 med ComfyUI på en NVIDIA RTX GPU er ikke et kompromiss. Det er et annet paradigme. En der du eier hele pipelinen, fra modellvekter til sluttresultatet. Oppsettet tar en ettermiddag. Læringskurven er reell, men håndterbar. Og resultatene, spesielt ved 4K med de nyeste optimaliseringene, er virkelig konkurransedyktige med skyalternativene.

Hvis du har en GPU som samler støv mellom spilløkter, gi den et annet jobb. Du kan bli overrasket over hva den kan gjøre.