Генерируйте AI видео локально: LTX-2, RTX и ComfyUI в 2026 году

Модель с открытым исходным кодом LTX-2, разработанная Lightricks в сотрудничестве с NVIDIA, теперь генерирует до 20 секунд видео в 4K при 50 FPS на одной потребительской видеокарте. Без облака. Без подписки. Без данных, покидающих вашу машину.

На CES 2026 NVIDIA продемонстрировала LTX-2, работающую нативно на новых видеокартах RTX 50 Series, и результаты потрясли аудиторию. Это была не демонстрация исследовательского проекта. Это была готовая к использованию локальная генерация видео, работающая со скоростями, соперничающими с облачными сервисами.

Позвольте мне рассказать вам, что это означает, что вам нужно и как это настроить.

Почему локальная генерация AI видео имеет значение

Прежде чем погружаться в техническую установку, позвольте объяснить, почему запуск AI видео локально - это не просто хобби энтузиастов. Это решает реальные проблемы.

Для студий, работающих с видео клиентов, приватность не опциональна. Для создателей в регионах с медленным интернетом облачная генерация практически невозможна. И для тех, кто генерирует сотни клипов в месяц, математика подписок перестанет иметь смысл очень быстро.

Что вам нужно: требования к оборудованию

Вот честный обзор. Локальная генерация требует приличного оборудования, но вероятно не такого экстремального, как вы думаете.

Сравнение производительности видеокарт

Разница в производительности между поколениями драматична. Вот что NVIDIA продемонстрировала на CES 2026:

RTX 50 Series достигает трёхкратного ускорения через нативную квантизацию NVFP4, которая вдвое снижает точность весов модели без видимой потери качества. Это тот же приём, который сделал LLM практичными на потребительском оборудовании, теперь применённый к видео диффузии.

LTX-2: что делает её особенной

LTX-2 это не просто "ещё одна модель с открытым исходным кодом". Это представляет фундаментальный сдвиг в том, что возможно на потребительском оборудовании.

Как это сравнивается с облачными сервисами

Позвольте быть конкретным о том, что локальная генерация может и не может делать по сравнению с крупными облачными платформами.

Компромисс очевиден: облачные сервисы предлагают более отполированные результаты с меньшей подготовкой, тогда как локальная генерация даёт вам контроль, приватность и нулевую предельную стоимость на генерацию. Для более глубокого взгляда на то, как эти облачные платформы сравниваются, см. наше сравнение Sora 2 vs Runway vs Veo 3.

Установка LTX-2 с ComfyUI: шаг за шагом

Вот практическое руководство. Я предполагаю, что у вас есть видеокарта NVIDIA с минимум 8 GB VRAM и установлен актуальный драйвер.

Шаг 1: Установите ComfyUI

ComfyUI это визуальный интерфейс на основе узлов для диффузионных моделей. Думайте о нём как о системе Blueprint из Unreal Engine, но для рабочих процессов AI генерации.

# Клонируйте ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
 
# Создайте виртуальное окружение
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows
 
# Установите зависимости
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

Шаг 2: Скачайте модель LTX-2

# Перейдите в директорию моделей
cd models/checkpoints
 
# Скачайте LTX-2 (примерно 15 GB)
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-0.safetensors
 
# Скачайте VAE
cd ../vae
wget https://huggingface.co/Lightricks/LTX-Video-2/resolve/main/ltx-video-2-vae.safetensors

Шаг 3: Установите расширение LTX-2 для ComfyUI

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

Шаг 4: Запустите и генерируйте

# Вернитесь в корневую папку ComfyUI
cd ../..
python main.py --listen 127.0.0.1 --port 8188

Откройте http://127.0.0.1:8188 в браузере. Загрузите рабочий процесс LTX-2 из папки примеров расширения, введите ваш prompt и нажмите "Queue Prompt".

Оптимизация вашей установки

После того как базовая установка работает, вот трюки настройки, которые дают реальное отличие.

Управление VRAM

Самое большое узкое место для локальной генерации это VRAM. Вот как максимизировать то, что у вас есть:

• ✓Включите выгрузку модели (перемещает неиспользуемые слои в системное ОЗУ)
• ✓Используйте квантизацию NVFP8/NVFP4 для вашей видеокарты
• ✓Закройте вкладки браузера и другие приложения, требовательные к видеокарте
• ✓Установите Windows на "Аппаратное ускорение планирования GPU" в настройках экрана
• ✓Рассмотрите двойную загрузку Linux (5-10% лучше использование GPU vs Windows)

Рабочий процесс пакетной обработки

Для создателей, которым нужно генерировать много клипов, ComfyUI поддерживает пакетную очередь. Установите ваши промпты в JSON файл, подключите их к узлу загрузчика пакета и дайте вашей видеокарте работать всю ночь. Я генерировал более 200 клипов за одну ночь на RTX 4090.

LoRA обучение для пользовательских стилей

Здесь локальная генерация по-настоящему блистает. Вы можете обучить адаптер LoRA на 50-100 кадрах опорного видео примерно за 30 минут на RTX 4090. Результат это легковесный файл (обычно 100-300 MB), который смещает модель в сторону вашего конкретного визуального стиля, внешности персонажей или эстетики окружения.

# Пример команды обучения LoRA
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

Расчёт стоимости

Позвольте привести конкретные числа. Предположим, вы фрилансер, генерирующий 100 пятисекундных клипов в месяц.

RTX 4090 стоит около $1,600 по MSRP, хотя текущие рыночные цены находятся ближе к $2,500-2,800 из-за прекращённого производства. При 100 клипах в месяц используя облачные сервисы, даже по рыночной цене видеокарта окупит себя за 18-24 месяца, а затем вы генерируете только за стоимость электричества.

Что будет дальше

Траектория локальной генерации AI видео ускоряется. Три события, за которыми стоит следить:

Итог

Облачные сервисы AI видео это отличные продукты. Sora, Veo, Runway, все они доставляют впечатляющие результаты с минимальной подготовкой. Но они идут с компромиссами, которые многие создатели начинают считать неприемлемыми: постоянные расходы, проблемы с приватностью, зависимость от интернета и ограниченная кастомизация.

LTX-2 с ComfyUI на видеокарте NVIDIA RTX это не компромисс. Это другая парадигма. Та, где вы владеете всей цепочкой, от весов модели до финального результата. Настройка занимает пару часов. Кривая обучения реальна, но управляема. И результаты, особенно в 4K с последними оптимизациями, действительно конкурентны с облачными альтернативами.

Если у вас есть видеокарта RTX, пылящаяся между игровыми сессиями, дайте ей вторую работу. Вы можете быть удивлены тем, что она может сделать.