К содержимому
Видео

Sumi-e LoRA для LTX-2.5

видео в стиле японской живописи тушью

2 мин чтенияобновлено

Это стилевая LoRA (небольшой адаптер над базовой моделью) для видеогенератора Lightricks LTX-2.5 от автора enoky. Она стилизует генерируемые ролики под традиционную японскую живопись тушью суми-э: штрихи чёрной тушью, серые размывки, текстуру рисовой бумаги и обилие пустого пространства. Адаптер обучался только на статичных кадрах, поэтому отвечает исключительно за визуальную подачу, а за плавность движения по-прежнему отвечает базовая модель LTX-2.5. Подойдёт авторам, которым нужна художественная анимация в восточном минималистичном стиле.

Ключевые особенности

  • Активация по триггеру: для включения стиля промпт нужно начинать с фразы sumi-e ink painting,.
  • Совместимость: веса в формате .safetensors (rank 32) подходят для ComfyUI и стандартного ltx-pipelines.
  • Сохранение динамики базы: обучение велось на однокадровых клипах только для видеоветки (self-attention, text cross-attention, feed-forward), поэтому физика и движение остаются родными от LTX-2.5.
  • Склонность к крупным планам: датасет состоял из крупных планов, поэтому модель лучше всего работает при явном описании кадрирования в запросе.

Что можно сделать

  • Генерировать минималистичные художественные заставки и арт-ролики для соцсетей или видеоэссе с эффектом растекающейся по бумаге туши.
  • Создавать анимированные природные зарисовки крупным планом — например, колышущиеся на ветру листья бамбука или ветви деревьев.
  • Комбинировать адаптер с базовым трансформером ltx-2.5-22b-dev в ComfyUI, регулируя силу влияния в диапазоне от 0.7 до 1.0.

Пример

uv run python -m ltx_pipelines.ti2vid_one_stage \
    --transformer-path models/ltx-2.5/diffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors \
    --lora sumi-e_ltx-2.5_lora.safetensors 1.0 \
    --prompt "sumi-e ink painting, Close-up of bamboo leaves swaying in the wind, wet ink bleeding into rice paper." \
    --output-path out.mp4
ПодробнееБаза обучения: трансформер ltx-2.5-22b-dev-transformer-bf16, 2000 шагов (rank 32) через ltx-trainer.
Датасет: очищенная подборка синтетических изображений takara-ai/Sumi-e_no_kurozuappu_ink_painting_closeups.
Ограничения: сильный уклон в крупные планы и возможное наследование артефактов генератора, на котором создавался датасет.
Лицензия: LTX-2.x Community License (производная от LTX-2.5).
Обсудить Telegram 0

Запустится ли?

Только с выгрузкой в ОЗУ

Даже 4-bit больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • BF16веса 74 GB · готовые файлы88 GB
  • FP8 / INT8рекомендуемвеса 37 GB45 GB
  • 4-bitвеса 21 GB27 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: В домашние видеокарты не поместится — выгоднее арендовать.

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

Это LoRA: вместе с базовой моделью LTX-2.5.

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.

    # enoky/sumi-e-ltx-2.5-lora
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Lightricks/LTX-2.5 --local-dir ~/models/LTX-2.5
    hf download enoky/sumi-e-ltx-2.5-lora --local-dir ~/models/sumi-e-ltx-2.5-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LTX-2.5
  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

Нужна базовая модель

Lightricks/LTX-2.5

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

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

enoky/sumi-e-ltx-2.5-lora
Автор
enoky
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

Другое

Relay-Forcing

Relay-Forcing