LTX 2.5 installieren: ComfyUI Schritt für Schritt

Der einfachste Weg, LTX 2.5 zu installieren, sind die fertigen Vorlagen von ComfyUI. Wenn Sie die Vorlage öffnen und "Download all" wählen, lädt ComfyUI die nötigen Modelldateien selbst herunter. Wer manuell installieren, offline arbeiten oder mit Python programmieren möchte, hat zwei weitere Wege. Dieser Artikel ist der zweite Teil der Serie; was das Modell ist, steht in Was ist LTX 2.5, zur Hardware lesen Sie Anforderungen und Geschwindigkeit.

Dieser Artikel stützt sich auf die offizielle Dokumentation; ich habe die Installation nicht selbst auf meinem Rechner ausprobiert. Befehle und Dateinamen stammen von der ComfyUI-Seite von LTX und von der Hugging-Face-Model-Card. Die Quellen stehen am Ende.

Bevor Sie anfangen

Voraussetzungen laut ComfyUI-Seite von LTX:

• ComfyUI muss installiert sein
• CUDA-kompatible Grafikkarte mit 32 GB VRAM oder mehr (für kleinere Karten siehe den Artikel zu den Anforderungen)
• Mehr als 100 GB freier Speicherplatz für Modelle und Cache
• Python 3.12 oder neuer

Außerdem sind die Gewichte auf Hugging Face "gated": Sie müssen die Lizenz akzeptieren und sich anmelden. Zur Umsatzgrenze der Lizenz (10 Millionen Dollar pro Jahr) siehe den Artikel "Was ist LTX 2.5".

Weg 1: Mit ComfyUI-Vorlagen (empfohlen)

1. Öffnen Sie ComfyUI und klicken Sie auf Templates.
2. Suchen Sie nach "LTX-2.5". Wählen Sie zum Einstieg die Vorlage Text to Video oder Image to Video.
3. Klicken Sie auf Download all, um die nötigen Modelle zu laden.
4. Starten Sie ComfyUI nach dem Download neu.

Die Nodes erscheinen im Menü in der Kategorie LTXVideo. ComfyUI liefert drei fertige LTX-2.5-Vorlagen:

Vorlage	Was sie tut
Text-to-Video (video_ltx2_5_t2v)	Zweistufig, Video aus Text
Image-to-Video (video_ltx2_5_i2v)	Zweistufig, Video aus einem Startbild
First-Frame / Last-Frame (video_ltx2_5_flf2v)	Einstufig, erzeugt die Bewegung zwischen erstem und letztem Bild

Fortgeschrittene Abläufe (IC-LoRA-Steuerung, Inpainting und Outpainting) liegen im Ordner example_workflows/2.5/.

Weg 2: Nodes manuell installieren

Wenn die Vorlagen nicht funktionieren oder Sie den ComfyUI Manager nicht nutzen:

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

Bei portablem (Portable) ComfyUI:

.\python_embeded\python.exe -m pip install -r .\ComfyUI\custom_nodes\ComfyUI-LTXVideo\requirements.txt

Beenden Sie ComfyUI danach vollständig und starten Sie es neu. Zur Kontrolle klicken Sie mit der rechten Maustaste auf die Arbeitsfläche und wählen Add Node → LTXVideo; Sie sollten Kategorien wie loaders, samplers, conditioning und utils sehen.

Modelldateien und Ordner

Der Schritt "Download all" der Vorlagen erledigt das selbst. Wenn Sie manuell laden, legen Sie diese Dateien aus dem LTX-2.5-Repository auf Hugging Face in die jeweiligen Ordner:

Datei	Aufgabe	Ordner
ltx-2.5-22b-distilled-transformer-bf16.safetensors	Destilliertes Modell	ComfyUI/models/diffusion_models/
gemma4-12b-with-proj-ltx-2.5-bf16.safetensors	Gemma-4-Textencoder	ComfyUI/models/text_encoders/
gemma4_e2b_it_bf16.safetensors	Prompt-Enhancer	ComfyUI/models/text_encoders/
ltx-2.5-video-vae-bf16.safetensors	Video-VAE	ComfyUI/models/vae/
ltx-2.5-audio-vae-bf16.safetensors	Audio-VAE	ComfyUI/models/vae/
ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors	Räumlicher Upscaler (nur zweistufige Vorlagen)	ComfyUI/models/latent_upscale_models/

Zwei Details sind wichtig:

• Der Prompt-Enhancer ist nicht im LTX-2.5-Repository. Die Datei gemma4_e2b_it_bf16.safetensors liegt im Repository Comfy-Org/gemma-4. Die Vorlagen laden sie automatisch; bei manueller Installation müssen Sie sie selbst herunterladen.
• Der Upscaler wird nur bei zweistufigen Vorlagen gebraucht. Die einstufige First/Last-Frame-Vorlage nutzt ihn nicht.

Dateien für wenig VRAM

Wenn Ihre Karte weniger Speicher hat, verwenden Sie diese drei Dateien gemeinsam anstelle des oben genannten BF16-Transformers, des Gemma-Encoders und des Video-VAE:

• ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors → diffusion_models/
• gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors → text_encoders/
• ltx-2.5-video-vae-conv-bf16.safetensors → vae/ (schnelleres und leichteres Conv-VAE)

Für Karten mit FP4-Unterstützung wie NVIDIA Blackwell gibt es einen noch kleineren destillierten NVFP4-Transformer. Die Dateien *-comfy-int8-convrot sind nur für ComfyUI gedacht und funktionieren über die Python-Kommandozeile nicht.

Weg 3: Python-Kommandozeile (ltx-pipelines)

Für alle, die programmieren oder automatisieren wollen. Die auf der Model-Card empfohlenen Versionen: Python 3.12 oder neuer, CUDA 12.7 oder neuer, PyTorch etwa 2.7. (Der Low-VRAM-Artikel von LTX nennt CUDA 13.2 oder neuer; die beiden Quellen sind sich nicht einig, prüfen Sie die README im Repository.)

git clone https://github.com/Lightricks/LTX-2.git
cd LTX-2
uv sync
source .venv/bin/activate

Laden Sie die Gewichte (laut README insgesamt etwa 66 GiB):

hf auth login
hf download Lightricks/LTX-2.5 \
  diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \
  text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \
  vae/ltx-2.5-video-vae-bf16.safetensors \
  vae/ltx-2.5-audio-vae-bf16.safetensors \
  model_patches/ltx-2.5-duration-head-bf16.safetensors \
  latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors \
  --local-dir models/ltx-2.5

Starten Sie die destillierte Pipeline:

uv run python -m ltx_pipelines.distilled \
  --transformer-path models/ltx-2.5/diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \
  --text-encoder-path models/ltx-2.5/text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \
  --video-vae-path models/ltx-2.5/vae/ltx-2.5-video-vae-bf16.safetensors \
  --audio-vae-path models/ltx-2.5/vae/ltx-2.5-audio-vae-bf16.safetensors \
  --duration-head-path models/ltx-2.5/model_patches/ltx-2.5-duration-head-bf16.safetensors \
  --spatial-upsampler-path models/ltx-2.5/latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors \
  --prompt "A golden retriever running through a sunny meadow, cinematic lighting" \
  --seed 42 \
  --output-path output_distilled.mp4

Wenn Sie --num-frames nicht angeben, wählt der Dauerschätzer die Länge anhand des Prompts. Wenn Sie den Wert selbst setzen, muss die Bildzahl bei Division durch 8 den Rest 1 ergeben (frames % 8 == 1, zum Beispiel 121), Breite und Höhe müssen durch 32 teilbar sein.

Bei Speicherproblemen können Sie --quantization fp8-cast --offload cpu hinzufügen.

Für die Nutzung mit Diffusers gibt es ein eigenes Paket (Lightricks/LTX-2.5-Diffusers), aber laut Model-Card unterstützen die Diffusers-Releases LTX-2.5 noch nicht; Sie müssen es mit pip install git+https://github.com/huggingface/diffusers aus dem Hauptzweig installieren.

Häufige Fehler

Problem	Lösung
Nodes fehlen im Menü	Ordner custom_nodes/ComfyUI-LTXVideo prüfen, pip install -r requirements.txt wiederholen, ComfyUI vollständig beenden und neu starten, Python-Version prüfen
Rote Nodes im Workflow	"Install Missing Custom Nodes" wählen, ComfyUI aktualisieren, Nodes mit git pull aktualisieren
Modell lässt sich nicht laden	Dateigrößen prüfen, richtige Ordner kontrollieren, erneut herunterladen
Häufig fehlende Abhängigkeiten	ComfyUI-VideoHelperSuite, ComfyUI-Manager, ComfyUI-Impact-Pack

So aktualisieren Sie die Nodes:

cd ComfyUI/custom_nodes/ComfyUI-LTXVideo
git pull
pip install -r requirements.txt --upgrade

Nach der Installation geht es im letzten Teil der Serie weiter mit dem ersten Video und dem Schreiben von Prompts.

Häufige Fragen

Was ist der einfachste Weg, LTX 2.5 zu installieren?

In ComfyUI über das Menü Templates die LTX-2.5-Vorlage öffnen und Download all wählen. Nodes und Modelle kommen automatisch.

Welche Dateien muss ich herunterladen?

Den destillierten Transformer, den Gemma-4-Textencoder, Video- und Audio-VAE; bei zweistufigen Vorlagen den räumlichen Upscaler. Der Prompt-Enhancer kommt aus einem separaten Repository.

Läuft es unter Windows?

Der ComfyUI-Weg ist für Windows mit einer portablen Installation dokumentiert. Die Python-Kommandozeilen-Pipelines werden hauptsächlich unter Linux unterstützt.

Warum verlangt Hugging Face eine Anmeldung?

Die Gewichte liegen in einem "gated" Repository, das eine Lizenzbestätigung verlangt. Sie müssen sich anmelden und die Lizenz akzeptieren.

Wie viel Speicherplatz belegt die Installation?

Die README nennt insgesamt etwa 66 GiB Download, die ComfyUI-Seite empfiehlt mehr als 100 GB freien Platz für Modelle und Cache.

Quellen

• LTX, Using ComfyUI with LTX: Voraussetzungen, Installationsschritte, Dateitabelle, Vorlagen, Fehlerlösungen.
• Lightricks, LTX-2.5 Model-Card (Hugging Face): Installation über die Python-Kommandozeile, Dateiliste, Einschränkungen.
• Lightricks, LTX-2-Repository (GitHub): Pipelines, Download-Befehl und Größe.
• Lightricks, ComfyUI-LTXVideo (GitHub): ComfyUI-Nodes und Beispiel-Workflows.
• LTX, How to Run a Video Generation Model Locally: Hinweise zu CUDA- und Python-Versionen.