LTX-2.5レビュー｜4K動画生成・ComfyUIワークフロー・商用利用まで解説
LTX-2.5は、Lightricksが公開した最新世代の動画・音声生成モデルです。結論から言うと、短いプロンプトから映像と音をまとめて作りたい人、ComfyUIでローカル検証したい人、APIで動画生成を組み込みたい開発者にはかなり注目度の高いモデルです。一方で、Hugging Faceのモデルはゲート付きで利用申請が必要で、NSFW用途を自由に許可するモデルではありません。
公式ドキュメント上では、LTX-2.5には高速・低コスト寄りのltx-2-5-fastと、画質重視のltx-2-5-proがあります。Fastは最大4K、Proは最大1080pまでの動画生成に対応し、text-to-video、image-to-video、audio-to-videoを扱えます。ComfyUIではT2V、I2V、FLF2Vのテンプレートが用意されているため、ローカル環境で試す導線も以前より分かりやすくなりました。
実際の使いどころとしては、映画風の短尺カット、商品イメージ動画、キャラクターを含む複数ショット、音声付きのコンセプト映像、既存画像からの短いモーション生成などが中心です。ただし、長尺ストーリー、厳密な人物一貫性、複雑な物理表現、細かい文字の再現はまだ人間のチェックと編集が必要です。
LTX-2.5とは
LTX-2.5は、LightricksのLTXシリーズにおける新しいオープンウェイト動画生成モデルです。モデルページでは「video, audio & world simulation」を掲げており、映像だけでなく音声生成や映像と音の同期まで含めたワークフローが特徴になっています。モデルのダウンロード先はHugging FaceのLightricks/LTX-2.5で、推論コードやローカル導入の情報はLTX-2 GitHubリポジトリから確認できます。
LTX-2.5の大きなポイントは、単発の短いクリップだけでなく、native multi-shotにより複数のつながったショットを1回の生成で扱える点です。公式ドキュメントでは、キャラクター、シーン、照明、画風、声をカット間で保ちやすいことが説明されています。これにより、広告用の短いコンセプト映像、SNS向けの数カット構成、絵コンテの初期案などに使いやすくなっています。
主な機能と仕様
| 項目 | 内容 |
|---|---|
| モデル | ltx-2-5-fast、ltx-2-5-pro |
| 対応入力 | text-to-video、image-to-video、audio-to-video |
| 解像度 | Fastは最大4K、Proは最大1080p |
| 画面比率 | 横長・縦長の両方に対応 |
| 特徴 | Diffusion Video Decoder、native multi-shot、automatic duration、音声生成オプション |
| ComfyUI | T2V、I2V、FLF2Vのネイティブワークフローあり |
| ローカルファイル容量 | Python pipelineで推奨ファイル一式を落とすと約66GiB |
| ライセンス | LTX-2.x Community License Agreement。年間売上1000万ドル未満は条件付きで商用・本番利用可、1000万ドル以上は有料契約が必要 |
FastとProの選び方は分かりやすいです。検証量を増やしたい、コストを抑えたい、4Kまで試したい場合はFast、画質や安定感を優先したい場合はProが候補になります。ただしProは公式API上では1080pまでなので、4K出力を重視するならFastの方が合う場面があります。
automatic durationは、プロンプトに書かれた動きから必要な長さをモデル側が判断する仕組みです。プリペイドのAPI利用では、最大長に対するクレジットが一時的に確保され、生成後に未使用分が戻る仕様なので、残高が少ない状態では短い動画でもジョブが通らない場合があります。
ダウンロード・導入方法
LTX-2.5のモデルファイルはHugging Faceで配布されています。ただし、リポジトリはゲート付きです。Hugging Faceにログインし、モデルライセンスへの同意とアクセス申請を済ませてからダウンロードします。アクセスが承認されていない状態では、ComfyUIやCLIからの自動ダウンロードも失敗します。
Python pipelinesで使う場合、GitHubのREADMEではHugging Face CLIを使い、22B distilled transformer、Gemma 4 12B系のtext encoder、video VAE、audio VAE、latent upscalerなどをまとめて取得する例が示されています。この一式は約66GiBとされているため、ストレージにはかなり余裕を持たせた方が安全です。
- モデル本体: Lightricks/LTX-2.5 on Hugging Face
- 推論コード: Lightricks/LTX-2 GitHub
- ライセンス: LTX-2.x Community License Agreement
- オープンウェイト導入ガイド: LTX open-source model quick start
ローカルGPUの必要VRAMは、使うワークフロー、解像度、フレーム数、量子化、CPUオフロード、VAEの種類で大きく変わります。ComfyUI向けにはINT8/ConvRot系のチェックポイントも用意されており、Python pipelineでは--quantization fp8-castや--offload cpuのような低VRAM向けの工夫も紹介されています。目安としては、まず低解像度・短秒数・量子化ありで動作確認し、余裕があれば解像度やフレーム数を上げる進め方が現実的です。
ComfyUIワークフロー
ComfyUIで試す場合は、ComfyUI公式のLTX-2.5ワークフロー例が一番分かりやすい入口です。ComfyUIを最新版に更新し、Template LibraryのVideoからLTX-2.5のテンプレートを選び、Hugging Faceのアクセス承認後に必要モデルを配置します。
用意されている代表的なワークフローは、テキストから動画を作るT2V、画像を起点に動きを加えるI2V、最初と最後のフレームを指定して補間するFLF2Vです。初めて触るなら、短いT2Vでノード構成と生成時間を確認し、その後I2Vで構図を固定して動きの品質を見るのが分かりやすいです。
プロンプトは、被写体、動作、カメラ移動、照明、画風、音の雰囲気を短く具体的に書く方が安定します。LTX系はプロンプト強化機能も前提にした設計なので、最初から長すぎる詩的な文章にするより、「誰が、どこで、何をして、カメラがどう動くか」を明確にした方が調整しやすいです。
オンライン/APIで試す方法
ローカル環境を作る前に試したい場合は、LTX API PlaygroundやLTXのAPIを使う方法があります。APIでは出力動画の秒数、解像度、モデルによって課金が変わり、公式料金ページではLTX-2.5 Fastの720pが1秒あたり0.09ドル、1080pが0.13ドル、1440pが0.19ドル、4Kが0.30ドル、LTX-2.5 Proの720pが0.12ドル、1080pが0.17ドルと案内されています。
ComfyUIをブラウザ上で使いたい場合は、Comfy CloudでLTX-2.5テンプレートを開く方法も候補です。Hugging Face SpacesにもLTX-2.5の実験用スペースが出始めているため、ローカル導入前に軽く触りたい場合はHugging Face Spacesの検索結果を確認するとよいでしょう。fal.aiやReplicateのような汎用推論プラットフォームではLTX系モデルのページが出ることがありますが、LTX-2.5の対応状況は時期によって変わります。商用案件や大量生成では、料金、保存期間、出力物の権利、コンテンツポリシーを事前に確認しておくべきです。
実際の使用感と向き不向き
LTX-2.5の使用感は、現時点では「映像モデルとしての柔軟性が高く、ComfyUIで触れる入口も整っているが、プロ向けに使うには検証と後編集が必要」という評価がしっくりきます。特に、短い尺の映像を大量に試す、画像から自然なカメラワークを付ける、音声付きのラフ映像を作る、複数ショットの方向性を見る、といった用途では強みが出やすいです。
一方で、人物の顔や手を長く保つ、厳密な衣装や小物を複数カットで維持する、文字が読める商品パッケージをそのまま動かす、長いストーリーを破綻なくつなぐ、といった用途では、まだ生成後の選別や編集が前提になります。プロンプトだけで完成品にするより、短いカットを複数作って、動画編集ソフトでつなぐ使い方が現実的です。
公開直後のユーザー体験としては、Hugging Faceアクセス申請、モデルファイルの大きさ、ComfyUI更新、VRAM節約設定がつまずきやすいポイントです。初日は高解像度を狙わず、短い動画・低解像度・固定シードで挙動を確認し、ワークフローが安定してから品質を上げる方が時間を無駄にしにくいです。
Hugging FaceのLTX-2.5 Discussionsでは、RTX 3060での速度と画質に好意的な投稿、開発者向けワークフローの最適化相談、GGUFやGGUFワークフローを求める声、A2Vやフルモデル設定に関する質問などが見られます。つまり、公開直後の反応は前向きな一方で、軽量化、設定共有、低VRAM運用、音声まわりはまだ情報が増えている段階です。
NSFW対応と利用上の注意
LTX-2.5は、NSFWコンテンツを自由に生成するためのモデルとして案内されているわけではありません。LTX-2.x Community LicenseにはAcceptable Use Policyが含まれており、児童性的搾取、非同意の性的コンテンツ、露骨なポルノ、性的サービス、未成年に有害な性的内容などは禁止されています。
オンラインAPIやクラウドサービスでは、各プラットフォーム側の安全フィルターや利用規約も適用されます。ローカル実行では技術的なフィルターの挙動がクラウドと異なる可能性がありますが、ライセンスと法律上の制限がなくなるわけではありません。人物の実写風動画、著名人、本人同意のない画像、性的・暴力的・誤情報に関わる用途では、公開前にかなり慎重に確認してください。
商用利用とライセンス
LTX-2.x Community Licenseでは、年間売上が1000万ドル未満の個人・組織は、利用制限を守る条件で商用・本番利用が可能とされています。一方、年間売上が1000万ドル以上の法人は、有料のCommercial Use Agreementが必要です。さらに、ファインチューニング済みモデルや派生物の配布には追加条件があるため、企業案件では必ず最新ライセンスを確認してください。
実務では、モデル本体のライセンスだけでなく、入力素材の権利、生成物の利用範囲、出演者や声の同意、商標・キャラクター権利、プラットフォーム規約もあわせて確認する必要があります。AI動画は見た目の説得力が高い分、権利と安全面のチェックが重要です。
よくある質問
LTX-2.5は無料で使えますか？
モデルファイル自体はHugging Faceで配布されていますが、アクセス申請とライセンス同意が必要です。ローカル実行ではGPUやストレージのコスト、オンラインAPIでは出力秒数に応じた利用料金がかかります。
LTX-2.5 FastとProはどちらを選ぶべきですか？
コスト、速度、4K出力を重視するならFastが使いやすいです。画質や安定感を優先する場合はProが候補ですが、公式API上ではProは1080pまでです。まずFastで方向性を出し、重要なカットだけProで試す運用も現実的です。
ComfyUIで使えますか？
使えます。ComfyUI公式ドキュメントにはLTX-2.5専用のT2V、I2V、FLF2Vワークフローが用意されています。最新版のComfyUIに更新し、Hugging Faceのアクセスを承認してからモデルを配置します。
必要VRAMはどのくらいですか？
公式に単一の固定値として考えるより、解像度、秒数、量子化、CPUオフロード、VAE、ワークフローで変わると見るべきです。最初は低解像度・短尺・量子化ありで試し、動作が安定してから設定を上げるのがおすすめです。
NSFW動画は作れますか？
公式にはNSFW自由利用モデルとして案内されていません。LTX-2.x Community LicenseのAUPでは、露骨なポルノ、非同意性的コンテンツ、児童性的搾取などが禁止されています。オンラインサービスではさらに各サービスの安全ポリシーも適用されます。
日本語プロンプトでも使えますか？
モデルページには多言語タグがありますが、技術用語や映像指示は英語の方が安定する場合があります。日本語で下書きし、英語の短い映像指示に整えると、カメラワークや照明を調整しやすいです。
まとめ
LTX-2.5は、オープンウェイト系のAI動画生成モデルとしてかなり実用寄りに進化したモデルです。Fastは最大4Kとコスト面、Proは画質重視、ComfyUIはT2V・I2V・FLF2Vのテンプレート、APIはオンラインでの検証や組み込みに向いています。
ただし、導入は軽くありません。モデルのアクセス申請、約66GiB規模のファイル、VRAM節約設定、ライセンス、NSFWポリシー、商用条件を理解した上で使う必要があります。まずは短いカットを低解像度で試し、狙った動きや画風が出るか確認してから、本番解像度や音声付きワークフローへ進むのが安全です。
参考情報
関連 レビュー
FLUX 3レビュー｜動画・画像・音声連動・ロボット研究まで何が変わるのか
AI動画検出ツールおすすめ5選｜生成動画・ディープフェイクを見抜く
動画を日本語に翻訳できる無料AIツールおすすめ