---
title: LTX2.5
canonical_url: "https://www.modelscope.cn/studios/icebergyang/LTX2.5"
md_url: "https://www.modelscope.cn/studios/icebergyang/LTX2.5.md"
repository: icebergyang/LTX2.5
last_updated: 2026-08-20
sdk_type: gradio
sdk_version: 5.49.1
downloads: 0
stars: 44
---

# LTX2.5

> LTX2.5 - icebergyang 在 ModelScope 创建的在线 Demo。LTX2.5，a stronger foundation for what's already being built. 基于Modelscope创空间

icebergyang/LTX2.5 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 5.49.1 构建。

- **Repository**: icebergyang/LTX2.5
- **SDK**: gradio
- **SDK version**: 5.49.1
- **Downloads**: 0
- **Stars**: 44
- **Last updated**: 2026-08-20

Source: https://www.modelscope.cn/studios/icebergyang/LTX2.5

---

# LTX-2.5 A100 80GB Gradio Studio

基于 Lightricks 官方 GitHub `DistilledPipeline` 的 LTX-2.5 文生视频/图生视频创空间。

## 目标运行环境

- 单卡NVIDIA A100 80GB（PyTorch通常可见约79GiB）
- PyTorch 2.10.0 / CUDA 12.8
- Transformers 5.14.1（包含`gemma4_unified`）
- BF16权重与计算，不使用FP8
- 每个扩散阶段内完整DiT Transformer驻留GPU，不使用逐层CPU offload
- Gradio SDK，入口为 `app.py`
- 单并发

## 环境变量

| 名称 | 必需 | 默认值 | 说明 |
|---|---|---|---|
| `LTX_PERSISTENT_ROOT` | 否 | `/mnt/workspace` | 持久化缓存根目录 |
| `LTX_MODEL_DIR` | 否 | `/mnt/workspace/models/ltx-2.5` | 模型组件目录 |
| `LTX_OUTPUT_DIR` | 否 | `/mnt/workspace/outputs/ltx25` | 持久化生成结果目录 |
| `LTX_OFFLOAD` | 否 | `auto` | A100 80GB自动选择`none`；低于75GiB自动选择`cpu`；也可显式设置`none`、`cpu`或`disk` |
| `PORT` | 否 | `7860` | Gradio监听端口 |

## 模型组件

首次运行通过ModelScope官方仓库`Lightricks/LTX-2.5`下载Distilled Transformer、
Gemma 4 12B、Conv Video VAE、Audio VAE和空间上采样器。模型文件不提交到创空间Git仓库。

首版使用卷积Video VAE，避免PyTorch 2.10/CUDA 12.8环境与最新NATTEN wheel不匹配。
Transformer attention由官方代码自动选择PyTorch SDPA；FP8和FlashAttention 2都不是依赖。

`ltx-core`和`ltx-pipelines`来自Lightricks官方仓库的固定commit，并随创空间代码一起提交。
构建阶段直接安装本地wheel，不需要连接GitHub或下载wheel构建工具；源码、校验值和许可证见
`vendor/UPSTREAM.md`。

`auto`模式会读取PyTorch可见显存：达到75GiB时选择`none`，让BF16 DiT Transformer
在每个扩散阶段内完整驻留GPU；否则选择官方Pipeline提供的`cpu`逐层权重流送。官方Pipeline
会在阶段结束后释放模型，因此“驻留”不表示跨两个阶段或跨请求永久占用显存。A100不支持
原生FP8不影响本方案，因为模型权重和计算均使用BF16。

## ModelScope配置建议

1. SDK选择`Gradio 5.49.1`；入口必须为`app.py`。
2. 硬件选择A100 80GB资源。
3. 基础镜像选择`ubuntu22.04-py312-torch2.10.0-modelscope1.37.0`。这是
   ModelScope OpenAPI 当前返回的默认官方镜像；CUDA 12.8由xGPU运行时提供。
4. 使用`/mnt/workspace`缓存模型，预留至少80GiB可用磁盘。
5. 并发保持为1，首次只开放3秒/5秒和三种固定画幅。

`requirements.txt`将Torch和Torchaudio固定为2.10.0，避免官方包的宽版本范围触发升级。
如果实际节点的CUDA运行时不是12.8，或构建阶段仍替换了平台Torch，再改用Docker固定环境。