企业官网建设流程全解析

LTX-2.5-GGUF 是 Lightricks 出品的 22B 音视频生成模型 LTX-2.5 的 GGUF 量化模型文件集，由 Unsloth 团队完成量化打包。一个仓库就集齐了GGUF 量化 DiT、Gemma4 文本编码器、视频 VAE、音频 VAE 和潜空间上采样器全部组件，本文带你一文看懂每个目录和文件的作用，帮你快速选对模型开始生成视频。

📁 仓库目录结构总览

整个仓库按照"组件一个目录"的方式组织，结构清晰：

🎬 GGUF 量化模型：dev 与 distilled 怎么选？

仓库最大的内容就是 22B DiT 的 GGUF 量化文件，分两大族：

• dev 完整版（仓库根目录，如 ltx-2.5-22b-dev-Q4_K_M.gguf）：完整可训练权重，30 步采样 + CFG 3，画质上限更高。
• distilled 蒸馏版（distilled/ 目录，如 ltx-2.5-22b-distilled-UD-Q4_K_XL.gguf）：8 + 3 步两步式采样、CFG 1，出片快得多，适合日常出图。

每族都覆盖 Q2_K → BF16 全部常见量化档位，并额外提供UD-系列：

💡UD- 前缀 = Unsloth Dynamic 2.0 混合精度量化：对每一层做敏感度扫描后按层选择精度，同体积下效果优于统一量化版本。

官方推荐：

• 大多数显卡 →UD-Q4_K_XL（14.0 GB），明显好于 Q4_K_M、接近大 1.6 GB 的 Q5_K_M
• 追求最接近 bf16 →Q8_0
• 小显存显卡 →UD-Q2_K_XL（9.5 GB），远优于 Q2_K 且比 Q3_K_M 小 1.8 GB

下面这张图是同一条文生视频提示词下，各量化文件第 60 帧的横向对比，可以直观感受不同 GGUF 档位之间的画质差异：

图生视频（image-to-video）的对比同样收录在仓库中：

完整的体积、bits per weight、LPIPS / PSNR 精度数据见 README.md 中的 "Files and accuracy" 表格。

🧠 文本编码器：Gemma4 12B

text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors

这是 LTX-2.5 的定制 Gemma 4 12B 文本编码器（bf16），文件名中的with-proj表示已附带投影层，负责把提示词编码成 DiT 可理解的文本嵌入。相比通用编码器，它擅长"抓住"复杂提示词中的多角色、运镜、灯光等细节，不会在长序列里丢信息。

🎞️ 视频与音频 VAE

vae/ 目录下有两个文件：

• vae/ltx-2.5-video-vae-conv-bf16.safetensors：视频 VAE（卷积版），更轻、解码更快，是日常使用的主力解码器
• vae/ltx-2.5-audio-vae-bf16.safetensors：音频 VAE + 声码器，把生成的音频潜变量还原成音轨，这是 LTX-2.5 能"带声音出片"的关键

LTX-2.5 原生支持文生音视频、图生音视频，视频 VAE 解码画面、音频 VAE 解码声音，两者配合完成最终渲染。

⬆️ 潜空间上采样器

latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors

x2 潜空间空间上采样器，用于蒸馏版模型的两阶段管线：第一阶段在较低分辨率（如 960×544）去噪，随后该模型把潜变量放大一倍，第二阶段在 2 倍分辨率（1280×704）精修细节。没有它就无法跑高分辨率的两阶段工作流。

📦 bf16 原始权重与许可证

• diffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors：完整版 DiT 的 bf16 原始权重
• diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors：蒸馏版 DiT 的 bf16 原始权重

这两个文件是不加量化的基准权重，GGUF 文件均由它们量化而来；BF16.gguf则是对原始权重的无损重打包，渲染结果与 bf16 逐位一致。

许可证方面，模型遵循 LICENSE（LTX-2.x Community License Agreement）：年营收 1000 万美元以下的实体可免费商用，更高规模需购买商业授权。版权细节见 NOTICE。

🚀 如何下载并使用？

一键获取仓库（含全部组件）：

git clone https://gitcode.com/hf_mirrors/unsloth/LTX-2.5-GGUF

两种主流用法：

1. Unsloth Studio：在 Video 页面选择 LTX-2.5，直接勾选本仓库的任意 GGUF 文件即可，其余组件自动从官方仓库补齐
2. ComfyUI：安装 ComfyUI-GGUF 自定义节点后，把模板中的Load Diffusion Model节点替换为Unet Loader (GGUF)并指向 GGUF 文件即可，其余节点保持不变

✅ 总结

LTX-2.5-GGUF 用一套仓库解决了 22B 音视频模型的本地部署难题：

• 量化 DiT：dev / distilled 两族 × Q2_K ~ BF16 全档位，UD- 混合精度版本性价比最高
• 文本编码器：定制 Gemma4 12B，长提示词表现稳
• VAE 双组件：视频卷积 VAE + 音频 VAE，画面声音一次出
• 潜空间上采样器：两阶段管线的高分辨率关键
• samples/ 目录：自带对比帧图与示例视频，选型前先"看图说话"

按显卡显存在UD-Q4_K_XL、Q8_0、UD-Q2_K_XL之间三选一，配齐文本编码器与 VAE，你就能在自己的硬件上跑起 22B 级音视频生成。