LTX 2.5 Nasıl Kurulur? ComfyUI ile Adım Adım Rehber

LTX 2.5'i kurmanın en kolay yolu ComfyUI'nin hazır şablonları. Şablonu açıp "Download all" dediğinizde gereken model dosyalarını kendisi indiriyor. Elle kurmak, çevrimdışı çalışmak ya da Python ile kod yazmak isterseniz iki yol daha var. Bu yazı serinin ikinci bölümü; modelin ne olduğunu LTX 2.5 nedir yazısında anlattım, donanım ayrıntıları için gereksinimler ve hız yazısına bakın.

Bu yazı resmî dokümantasyona dayanır; kurulumu kendi makinemde denemedim. Komut ve dosya adları LTX'in ComfyUI sayfasından ve Hugging Face model kartından alındı. Kaynaklar sonda.

Başlamadan önce

LTX'in ComfyUI sayfasındaki ön koşullar:

• ComfyUI kurulu olmalı
• 32 GB ve üzeri VRAM'li CUDA uyumlu ekran kartı (daha düşük kartlar için gereksinimler yazısına bakın)
• Modeller ve önbellek için 100 GB'tan fazla boş disk
• Python 3.12 ve üzeri

Ayrıca Hugging Face'teki ağırlıklar kapılı: lisansı kabul edip oturum açmanız gerekiyor. Lisansın gelir sınırı (yıllık 10 milyon dolar) için nedir yazısına bakın.

Yol 1: ComfyUI şablonlarıyla (önerilen)

1. ComfyUI'yi açın ve Templates düğmesine basın.
2. "LTX-2.5" diye arayın. Başlamak için Text to Video ya da Image to Video şablonunu seçin.
3. Download all düğmesine basarak gereken modelleri indirin.
4. İndirme bitince ComfyUI'yi yeniden başlatın.

Düğümler menüde LTXVideo kategorisinde görünür. ComfyUI üç hazır LTX-2.5 şablonu veriyor:

Şablon	Ne yapar
Text-to-Video (video_ltx2_5_t2v)	İki aşamalı, metinden video
Image-to-Video (video_ltx2_5_i2v)	İki aşamalı, başlangıç görselinden video
First-Frame / Last-Frame (video_ltx2_5_flf2v)	Tek aşamalı, ilk ve son kare arasındaki hareketi üretir

İleri düzey akışlar (IC-LoRA kontrolü, iç ve dış boyama) example_workflows/2.5/ klasöründe.

Yol 2: Elle düğüm kurmak

Şablonlar çalışmazsa ya da ComfyUI Manager kullanmıyorsanız:

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

Taşınabilir (portable) ComfyUI kullanıyorsanız:

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

Sonra ComfyUI'yi tamamen kapatıp açın. Kurulumu doğrulamak için tuvale sağ tıklayıp Add Node → LTXVideo yolunu izleyin; loaders, samplers, conditioning ve utils gibi kategorileri görmeniz gerekiyor.

Model dosyaları ve klasörleri

Şablonların "Download all" adımı bunları kendisi yapıyor. Elle indirecekseniz Hugging Face'teki LTX-2.5 deposundan şu dosyaları ilgili klasöre koyun:

Dosya	Görevi	Klasör
ltx-2.5-22b-distilled-transformer-bf16.safetensors	Damıtılmış model	ComfyUI/models/diffusion_models/
gemma4-12b-with-proj-ltx-2.5-bf16.safetensors	Gemma 4 metin kodlayıcı	ComfyUI/models/text_encoders/
gemma4_e2b_it_bf16.safetensors	İstem geliştirici	ComfyUI/models/text_encoders/
ltx-2.5-video-vae-bf16.safetensors	Video VAE	ComfyUI/models/vae/
ltx-2.5-audio-vae-bf16.safetensors	Ses VAE	ComfyUI/models/vae/
ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors	Uzamsal büyütücü (yalnızca iki aşamalı şablonlar)	ComfyUI/models/latent_upscale_models/

İki ayrıntıya dikkat:

• İstem geliştirici LTX-2.5 deposunda yok. gemma4_e2b_it_bf16.safetensors dosyası Comfy-Org/gemma-4 deposunda duruyor. Şablonlar bunu otomatik indiriyor, elle kurulumda siz indirmelisiniz.
• Büyütücü yalnızca iki aşamalı şablonlarda gerekli. Tek aşamalı İlk/Son Kare şablonu onu kullanmıyor.

Düşük VRAM için dosyalar

Daha az bellekli bir kartınız varsa üç dosyayı birlikte, yukarıdaki BF16 transformatör, Gemma kodlayıcı ve video VAE'nin yerine kullanın:

• 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/ (daha hızlı ve hafif Conv VAE)

NVIDIA Blackwell gibi FP4 destekli kartlar için daha da küçük bir NVFP4 damıtılmış transformatör var. *-comfy-int8-convrot dosyaları yalnızca ComfyUI içindir, Python komut satırı yolunda çalışmaz.

Yol 3: Python komut satırı (ltx-pipelines)

Kod yazmak ya da otomasyon yapmak istiyorsanız. Model kartındaki önerilen sürümler: Python 3.12 ve üzeri, CUDA 12.7 ve üzeri, PyTorch 2.7 civarı. (LTX'in düşük VRAM yazısı CUDA 13.2 ve üzerini söylüyor; iki kaynak aynı fikirde değil, depodaki README'yi kontrol edin.)

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

Ağırlıkları indirin (README'ye göre toplam yaklaşık 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

Damıtılmış hattı çalıştırın:

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

--num-frames vermezseniz süre tahmincisi uzunluğu istemden seçiyor. Elle verecekseniz kare sayısı 8'e bölündüğünde 1 kalmalı (frames % 8 == 1, örneğin 121), genişlik ve yükseklik 32'ye bölünmeli.

Bellek sıkıntısında --quantization fp8-cast --offload cpu ekleyebilirsiniz.

Diffusers ile kullanmak isterseniz ayrı bir paket var (Lightricks/LTX-2.5-Diffusers), ama model kartına göre Diffusers sürümlerinde henüz LTX-2.5 desteği yok; pip install git+https://github.com/huggingface/diffusers ile ana daldan kurmak gerekiyor.

Sık karşılaşılan hatalar

Sorun	Çözüm
Düğümler menüde yok	custom_nodes/ComfyUI-LTXVideo klasörünü doğrulayın, pip install -r requirements.txt tekrarlayın, ComfyUI'yi tamamen kapatıp açın, Python sürümüne bakın
İş akışında kırmızı düğümler	"Install Missing Custom Nodes" deyin, ComfyUI'yi güncelleyin, git pull ile düğümleri güncelleyin
Model yüklenmiyor	Dosya boyutlarını kontrol edin, klasörlerin doğru olduğunu doğrulayın, yeniden indirin
Yaygın eksik bağımlılıklar	ComfyUI-VideoHelperSuite, ComfyUI-Manager, ComfyUI-Impact-Pack

Düğümleri güncellemek için:

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

Kurulum bitince ilk videoyu üretmek ve istem yazmak için serinin son yazısına geçebilirsiniz.

Sık Sorulan Sorular

LTX 2.5'i kurmanın en kolay yolu nedir?

ComfyUI'de Templates menüsünden LTX-2.5 şablonunu açıp Download all demek. Düğümler ve modeller otomatik geliyor.

Hangi dosyaları indirmem gerekiyor?

Damıtılmış transformatör, Gemma 4 metin kodlayıcı, video ve ses VAE'si; iki aşamalı şablonlarda uzamsal büyütücü. İstem geliştirici ayrı bir depodan geliyor.

Windows'ta çalışır mı?

ComfyUI yolu Windows'ta taşınabilir kurulumla belgelenmiş. Python komut satırı hatlarının asıl desteklenen ortamı Linux.

Hugging Face neden giriş istiyor?

Ağırlıklar lisans onayı gerektiren kapılı bir depoda. Oturum açıp lisansı kabul etmeniz gerekiyor.

Kurulum ne kadar yer kaplıyor?

README toplam yaklaşık 66 GiB indirme veriyor, ComfyUI sayfası modeller ve önbellek için 100 GB'tan fazla boş disk öneriyor.

Kaynak

• LTX, Using ComfyUI with LTX: ön koşullar, kurulum adımları, dosya tablosu, şablonlar, hata çözümleri.
• Lightricks, LTX-2.5 model kartı (Hugging Face): Python komut satırı kurulumu, dosya listesi, kısıtlamalar.
• Lightricks, LTX-2 deposu (GitHub): hatlar, indirme komutu ve boyutu.
• Lightricks, ComfyUI-LTXVideo (GitHub): ComfyUI düğümleri ve örnek iş akışları.
• LTX, How to Run a Video Generation Model Locally: CUDA ve Python sürüm notları.