К содержимому
Видео

hexanima-ltx-packs

генерация видео LTX-2.5 22B прямо на смартфоне

2 мин чтенияобновлено

Набор сконвертированных весов модели Lightricks LTX-2.5 22B (дистиллированная версия только для видео) вместе с текстовым энкодером на базе Gemma-4, адаптированный для локального запуска на мобильном нейропроцессоре Hexagon NPU (v69). Модель позволяет генерировать короткие ролики по текстовому описанию или из картинки за 8 шагов без облачных серверов. Чтобы обойти нехватку оперативной памяти на телефоне, веса основной диффузионной сети (DiT) подгружаются потоково прямо с флеш-памяти устройства на каждом шаге. Пакет пригодится владельцам Android-смартфонов на чипах Snapdragon 8 Gen 1 и 8+ Gen 1, которые хотят экспериментировать с локальной генерацией видео в приложении HexAnima.

Ключевые особенности

  • Поддержка режимов text-to-video и image-to-video с генерацией за 8 шагов.
  • Создание роликов длиной от 17 до 97 кадров (около 4 секунд) в любом разрешении, которое потянет память смартфона.
  • Потоковая загрузка весов DiT (13 ГБ) с накопителя на каждом шаге для экономии ОЗУ.
  • Полная адаптация компонентов (текстовый энкодер, коннекторы, VAE-декодер и энкодер изображений) под QNN-контексты Hexagon v69.

Что можно сделать

  • Генерировать 4-секундные видеоролики по текстовому промпту офлайн на смартфонах со Snapdragon 8 Gen 1 или 8+ Gen 1.
  • Оживлять статичные фотографии и иллюстрации в режиме image-to-video через мобильный клиент HexAnima.

Пример

Готовые файлы предназначены исключительно для мобильного приложения HexAnima ([github.com/ayanoby/hexanima](https://github.com/ayanoby/hexanima)) и несовместимы со сторонними инструментами. После загрузки пакета в приложение можно задать текстовый запрос или выбрать исходное изображение, выставить длину до 97 кадров и запустить генерацию на 8 шагов.

ПодробнееОбщий вес пакета: около 30 ГБ (текстовый энкодер Gemma-4 — 11 ГБ, DiT — 13 ГБ, коннекторы — 1.6 ГБ, VAE и энкодер изображений — 1.1 ГБ).
Совместимость: только чипы Snapdragon 8 Gen 1 / 8+ Gen 1 (Hexagon NPU v69) и приложение HexAnima.
Лицензия: LTX-2.x Community License Agreement (неофициальный порт, не связан с Lightricks и Google).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.0 GB · готовые файлы4.2 GB
  • FP8 / INT8рекомендуемвеса 0.5 GB3.6 GB
  • 4-bitвеса 0.3 GB3.3 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ayanoby/hexanima-ltx-packs
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ayanoby/hexanima-ltx-packs --local-dir ~/models/hexanima-ltx-packs
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к hexanima-ltx-packs
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Lightricks/LTX-2.5

Новые посты про версии LTX-2.5 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

ayanoby/hexanima-ltx-packs
Автор
ayanoby
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии