動画生成モデル LTX-2.5 を推論速度を上げる話

モデル

動画生成モデル LTX-2.5 を推論速度を上げる話

スポンサーリンク

LTX-2.5の GGUF 版が公開。品質を落とさず小さくした。

この記事のポイント

  • LTX-2.5の音声動画DiTをGGUF量子化
  • Unsloth Dynamic 2.0で層毎に精度を選択
  • 14GBでQ4_K_XL、9.5GBでQ2_K_XL

数字で見る

この記事に出てくる数字

メモリ使用量 14.0 GB
フレーム数 121

どこで使えるか

GPUのメモリが限られている人向け。品質を損なわずに小さくできる Hugging Faceで公開済み GGUFパス経由でStudioに読み込み、ライセンスはother

スポンサーリンク

解説

かみくだいて説明します

unsloth が 2026-10-13、Lightricks 社の音声と映像を同時に生成する AI モデル LTX-2.5 の GGUF 版を公開しました。22B の DiT という構造のモデルを、GPU のメモリに収まるように圧縮したものです。
映像を作る AI を手元の GPU で動かせるようになったんですね。圧縮したのに画質は落ちるんですか?
1280x704 で 121 フレーム、24 fps の映像で LPIPS を測った結果、推奨サイズの UD-Q4_K_XL は 14.0 GB ですが、同じ 14.0 GB の均一な圧縮ファイルより明確に良く、1.6 GB 大きい Q5_K_M に匹敵する数値が出ました。すべての層を個別に感度調査して精度を切り替える Unsloth Dynamic 2.0 という手法を使っているためです。
層ごとに精度を変えるんですか? それはどうやって決めるんですか?
各層の重みを少しずつ変えて、元とのズレが許容範囲内に入る限界まで小さくしていくスキャンです。映像を動画ファイルに圧縮する時に、動きの少ない背景は小さく、動きの多い部分は大きくするのと同じ考え方で、ファイルサイズを削りながら映像の主題やシーンを保っています。
動画の圧縮に似ているんですね。小さい GPU 向けの選択肢はありますか?
9.5 GB の UD-Q2_K_XL が小さめのカード向けです。従来の Q2_K より遥かに綺麗で、1.8 GB 小さいのに Q3_K_M に近い品質を維持します。最も bf16 に近い出力が欲しい場合は Q8_0 を選んでください。
では、開発者がモデルを組み込む際、FP8 版との置き換えは可能ですか?
同一のテスト clip で測ったところ、FP8 版は 0.265 と 0.366 でした。UD 版が同じサイズで均一なファイルを上回るのに対し、FP8 版は Studio の既定モードで既に 0.265 の差が出ているため、UD 版の方が精度を保ちやすい状況です。
数値で見ると確かに差がはっきりしますね。実際に Studio で読み込む手順はどのようになりますか?
Studio の Video ページから LTX-2.5 を選び、GGUF ファイルを一つ選べば読み込まれます。DiT 部分だけを GGUF から読み、テキストエンコーダーや VAE などは Lightricks/LTX-2.5-Diffusers から同時に読み込む仕組みです。distilled 版は 8 と 3 の 2段階、dev 版は 30 ステップで処理されます。
最後まで元モデルと遜色なく動くと分かります。最後に、今後の対応予定はありますか?
現時点で Studio への公式対応スケジュールや、他のモデルへの UD 手法の適用予定については、そこはまだ分かっていません。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル