LTX-Video 本地部署指南：8GB 显存可跑，10 秒视频约 12 秒出片-平芜编程栈

LTX-Video 本地部署指南：8GB 显存可跑，10 秒视频约 12 秒出片

【免费下载链接】LTX-VideoOfficial repository for LTX-Video项目地址: https://gitcode.com/GitHub_Trending/ltx/LTX-Video

在一张 8GB 显存的 RTX 4060 上，LTX-Video 2B 蒸馏版（10 步采样）约 12 秒生成 300 帧 1216×704 视频；16GB 卡直接上 13B 蒸馏。

上机前先自查一遍

显存决定一切，先查卡再下权重。8GB 卡锁定 2B 蒸馏，16GB 卡选 13B 蒸馏，dev 版留给 24GB 以上追质量的场景。

配置文件	最低显存	适合谁	一句话点评
ltxv-2b-0.9.8-distilled	8GB	8GB 卡、快速迭代	10 步采样，权重约 5GB，跑起来最省心
ltxv-13b-0.9.8-distilled	16GB	生产主力	13B 画质 + 蒸馏的 10 步，性价比最高
ltxv-13b-0.9.8-distilled-fp8	16GB	16GB 卡想再快一点	fp8（8 位量化省显存），前提装好 Q8-Kernels
ltxv-13b-0.9.8-dev	24GB	追极限画质	30 步采样，质量上限，速度最慢

官方验证环境：Python 3.10.5、CUDA 12.2、PyTorch ≥ 2.1.2；pyproject.toml把 transformers 锁在 4.47.2–4.52 区间，pip 装依赖时别覆盖。先跑两条预检：

nvidia-smi python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)"

第一条应打印你的卡型号和显存；第二条预期输出True 12.2。三类情况先劝退：GTX 10 系/老 Turing 卡跑不了 fp8，只能 bfloat16 且 13B 大概率爆显存；纯 CPU 或 Mac MPS 能跑但没有任何 offload（把闲置模块挪到 CPU）加速，只适合小批量试 2B；fp8 配置未装 Q8-Kernels 时，加载权重阶段直接抛Q8-Kernels not found。

从零跑通第一次：30 分钟到 mp4

不含下载权重的话，全程约 30 分钟：克隆、装依赖、首跑，共三步。首次运行会自动从 HuggingFace 拉模型权重、空间上采样器与文本编码器，2B 约 5GB、13B 约 15GB，100Mbps 带宽下 13B 约等 30 分钟。

第 1 步，克隆并建独立环境：

git clone https://gitcode.com/GitHub_Trending/ltx/LTX-Video cd LTX-Video && python -m venv venv && source venv/bin/activate pip install -e .[inference]

预期：安装无冲突退出，pip list里 transformers 落在 4.47.2–4.52 区间。

第 2 步，首跑 2B 蒸馏 + 仓库自带测试图，121 帧约 4 秒成片：

python inference.py \ --prompt "A woman in a red coat walks along a seaside promenade, waves crashing behind her, golden hour light" \ --conditioning_media_paths tests/utils/woman.jpeg \ --conditioning_start_frames 0 \ --height 704 --width 1216 \ --num_frames 121 --seed 42 \ --pipeline_config configs/ltxv-2b-0.9.8-distilled.yaml

预期：先出现权重下载进度（等待环节，视带宽几分钟到半小时），随后日志打印Padded dimensions与采样进度；RTX 4060 上 121 帧生成约 5 秒。

第 3 步，验收。成功标准：outputs/<当天日期>/下出现video_output_*.mp4，日志最后一行为Output saved to ...，期间nvidia-smi显存未触顶；同 seed 重跑同一命令可复现同一条片。

按手里的素材选玩法

三种玩法共用同一个推理入口，差别只在传哪几个参数。

文生视频：只给一句话，直接出片

手里没有任何素材、想先验证提示词写法时用，纯文本生成。

python inference.py \ --prompt "A red bicycle rolls down a cobblestone street in an old town, pigeons scattering, evening light" \ --height 704 --width 1216 --num_frames 121 --seed 7 \ --pipeline_config configs/ltxv-13b-0.9.8-distilled.yaml

参数	推荐值	为什么
prompt	200 词内	少于 120 词会触发自动扩写，多等约 10 秒
num_frames	121	满足 8n+1 规则，30fps 下约 4 秒
guidance_scale（配置内）	蒸馏配置为 1	蒸馏版免 CFG（无分类器引导，文本-画面对齐手段）；dev 配置建议 3.0–3.5

常见错误：height/width 不满足 32 整除时不会报错，而是自动补边再裁回目标尺寸，白耗一块补边区域的显存——直接给 704×1216 这类合规值。

图生视频：让一张静图动起来

有产品图或人物照时，把它当锚定关键帧，模型围绕它生成运动。

python inference.py \ --prompt "Slow push-in on a ceramic mug, steam drifting upward, soft window light" \ --conditioning_media_paths ./mug.png \ --conditioning_start_frames 0 --conditioning_strengths 1.0 \ --height 704 --width 1216 --num_frames 121 \ --pipeline_config configs/ltxv-2b-0.9.8-distilled.yaml

参数	推荐值	为什么
conditioning_start_frames	0	锚定帧号，首帧条件写 0
conditioning_strengths	0.8–1.0	越接近 1 画面越忠于原图
image_cond_noise_scale	0.15（默认）	给条件帧加噪，防止画面僵死

常见错误：paths、start_frames、strengths 三者数量不一致时，infer在采样开始前就抛ValueError，连权重加载都省了。

视频扩展：给已有片段接前接后

手里有一段素材，想往前或往后续写；方向由conditioning_start_frames切换。

python inference.py \ --prompt "The cyclist keeps pedaling toward the lake, camera tracking from the side" \ --conditioning_media_paths clip.mp4 \ --conditioning_start_frames 0 \ --num_frames 257 --seed 42 \ --pipeline_config configs/ltxv-13b-0.9.8-distilled.yaml

参数	推荐值	为什么
conditioning_start_frames	0	从片尾接上；想给片头补，写 num_frames − 原片段帧数
条件片段帧数	8n+1（9/17/25…）	不满足会被裁掉首尾，日志出现 trim 警告
num_frames	8 的倍数，如 257	原片段 + 新增帧的总目标长度

常见错误：整段改风格的视频到视频（v2v）不是加参数，而是改用--input_media_path喂整段素材，构图基本保留；它的显存占用和纯生成相同，8GB 卡先降到 576×1024 再跑。

嫌慢、嫌糊、嫌崩，三处能调

显存不够（CUDA OOM）

height/width 降到 576×1024：显存随像素数近似线性，减半分辨率省约 60%。
num_frames 从 121 改 81：帧数直接决定时序长度。
16GB 卡换 fp8 配置：8 位量化压显存，但必须装 Q8-Kernels。
30GB 以下显存的卡加--offload_to_cpu：把闲置模块挪 CPU，代价是生成时间多约 20%，只救急不提速。

速度慢

dev 换蒸馏版：采样步数从 30 步降到 10 步（蒸馏配置 timesteps 为 7+3），零改动提速。
prompt 压在 120 词以上：低于阈值触发自动扩写，多走一遍文本扩写模型。
8GB 卡别硬扛 704×1216：迭代阶段用 576×1024，出片再升分辨率。

效果不对

帧间抖动、动作跳变：配置里stg_mode改成attention_values（四个选项之一，官方默认值）。
细节糊、色彩失真：decode_noise_scale调到 0.02–0.03，默认 0.025，影响 VAE 解码色彩。
文本和画面对不上：核对配置里text_encoder_model_name_or_path是否下全；中文提示词遵循度差，先英文写再润色。

烧多少钱：算笔账

性能档位为 1216×704@30fps 单卡实测口径（参考数据，不同驱动与批大小下需实测验证）：

显卡	配置	吞吐	121 帧（约 4 秒）	300 帧（10 秒）
RTX 4060（8GB）	2b-distilled	约 25 FPS	约 5 秒	约 12 秒
RTX 4090（24GB）	13b-distilled	约 35 FPS	约 3.5 秒	约 8.6 秒
A100（80GB）	13b-distilled	约 35 FPS	约 3.5 秒	约 8.6 秒

租卡口径的月成本与日吞吐：

档位	硬件	月成本	日吞吐（10 秒视频）
个人	RTX 4060 × 1	约 ¥300–500	约 500 段
小团队	RTX 4090 × 2	约 ¥3000–5000	约 5000 段
企业	A100 × 8	约 ¥30000–50000	约 50000 段

非实时负载走竞价实例可再降 60% 以上；单张 4090 开 3–5 路并发是 13b-distilled 的舒适区，再往上就得堆卡。

出事了查这张表

现象	原因	解法
CUDA out of memory	704×1216@121 帧超出显存	降到 576×1024 + num_frames 改 81，16GB 卡可换 fp8 配置
`Q8-Kernels not found`	fp8 配置未装 Q8 内核	按 Q8-Kernels 官方说明安装，或临时切回 bfloat16 配置
权重文件缺失或大小不对	自动下载中断	核对配置里`checkpoint_path`（13B 约 15GB），重跑触发续传
pip 依赖冲突、环境损坏	transformers 超出 4.47.2–4.52 区间	全新 venv +`pip install -e .[inference] --force-reinstall`
帧间抖动、动作跳变	时空引导模式不匹配	配置`stg_mode`改为`attention_values`
细节模糊、色彩失真	VAE 解码参数偏移	`decode_noise_scale`调到 0.02–0.03
条件项报错 ValueError	三个条件参数长度不一致	paths / start_frames / strengths 数量对齐后重跑