你也能自己生影片？先搞懂 LTX-2.5 是什麼

如果你最近在社群上看到有人用一句話就變出一段會動的短片，而且畫面還有運鏡、有光影變化，那很可能就是這幾天在 Hugging Face 上炸開的 Lightricks LTX-2.5。這個模型在短短一週內衝出 5,739 個讚、下載次數突破 160 萬次，是目前開源影片生成圈子裡討論度最高的名字之一。它最大的特色是同時支援「文字生影片」與「圖片生影片」，而且提供單一檔案（diffusion-single-file）版本，代表你不需要搞懂一整套複雜的模型目錄結構，也能在自己電腦上跑起來。

對香港和台灣的讀者來說，這件事的意義很實際：以前要做一支產品短片、活動預告、社群素材，不是要找剪輯師，就是要訂閱每月幾百塊的雲端服務。現在你只要有一張中高階顯卡，就能在自己房間裡產出可用的動態素材。這篇教學不會跟你談論文，我會帶你從零開始，一步步把 LTX-2.5 跑起來，並且告訴你怎麼寫提示詞才會真的好看，還有哪些坑一定要避開。

先講結論：這不是「按一顆鈕就生出電影」的魔法，但它已經足夠讓你做出社群貼文、簡報開場、電商展示的動態素材。你需要的不是天才，而是正確的步驟跟一點耐心。

第一步：先確認你的電腦跑不跑得動

很多人第一步就卡住，不是因為不會操作，而是硬體不夠卻硬要跑，結果等到天荒地老。LTX-2.5 屬於擴散模型，對顯示記憶體（VRAM）的需求比一般圖像模型高。根據實際社群的測試回報，8GB VRAM 是勉強能玩的門檻，12GB 以上會舒服很多，16GB 以上則可以嘗試較高解析度與較長秒數。如果你用的是 Apple Silicon 的 Mac，透過 MLX 或 ComfyUI 的 Metal 後端也能跑，但速度會比同等級的 N 卡慢一些，建議先從 512×768 這種較小尺寸開始。

如果你完全沒有獨立顯卡，也別急著放棄。目前最實際的兩條路是：一，租用雲端 GPU，例如 RunPod、Vast.ai 這類按小時計費的服務，一小時大約落在 0.3 到 0.8 美元之間，換算下來一小時不到 30 港幣；二，使用已經整合 LTX-2.5 的線上平台。對香港讀者來說，雲端方案還有一個好處：不用擔心房間散熱跟電費，尤其夏天開冷氣加顯卡全速跑，電費帳單會很有感。

硬體確認完，接下來就是安裝。最推薦的入口是 ComfyUI，因為它對單一檔案模型的支援最好，而且網路上已經有大量現成的 LTX-2.5 工作流可以下載。安裝流程大致是：先裝好 ComfyUI 主程式，再把 LTX-2.5 的 safetensors 檔案放進 models/checkpoints 資料夾，接著匯入對應的工作流 JSON。第一次執行時它會自動下載文字編碼器，這個步驟會佔用幾 GB 的硬碟空間，記得先清出至少 30GB 的空間。

第二步：提示詞怎麼寫，才會生出「能看」的影片

影片生成的提示詞跟圖像生成很不一樣。圖像只要描述畫面，影片還要描述「時間」與「動作」。很多人第一次用 LTX-2.5 失敗，就是因為只寫了「一隻貓」，結果出來一隻靜止不動的貓，看起來像壞掉的照片。正確的寫法要包含三個元素：主體、動作、鏡頭。

舉個實際例子。假設你要做一支咖啡店的社群素材，不要只寫「咖啡」，而是寫成：「一杯熱咖啡放在木桌上，蒸氣緩緩上升，鏡頭從左側緩慢推近，暖色調晨光從窗戶灑落，淺景深」。這樣的描述同時交代了主體（咖啡）、動作（蒸氣上升）、鏡頭（緩慢推近）與氛圍（暖色調晨光）。根據社群實測，這種寫法的成功率明顯高於模糊描述。

另外一個實用技巧是控制秒數。LTX-2.5 在 3 到 5 秒的短片段表現最穩定，超過 8 秒就容易出現主體變形或背景漂移。與其硬生一段 15 秒的影片再來頭痛，不如生三段 5 秒的片段，再用剪輯軟體接起來，成品反而更精緻。這點對做電商的人特別重要：一支 15 秒的商品展示，用三段不同角度的 5 秒片段組合，質感會遠勝一次生成的長片段。

如果你用的是「圖片生影片」模式，提示詞的重點會轉向「描述你希望畫面怎麼動」。例如你上傳一張香港夜景照片，提示詞可以寫「鏡頭緩慢向右平移，霓虹燈光微微閃爍，水面倒影輕微波動」。這樣模型就知道要保留原圖構圖，只加入動態。這個模式對地產、旅遊、餐飲業超級實用，因為你手上本來就有大量靜態照片，等於直接把舊素材升級成動態廣告。

第三步：參數調整與常見錯誤排除

跑得動之後，接下來是調參數。有幾個關鍵數值你一定要知道。第一個是「引導強度」（guidance scale），數值越高越貼近你的提示詞，但太高會讓畫面僵硬、色彩過飽和。LTX-2.5 建議從 3 到 5 之間開始試，覺得畫面太死板就往下調，覺得模型不聽話就往上加。第二個是「採樣步數」（steps），20 到 30 步通常是甜蜜點，低於 15 步畫面會糊，高於 40 步則邊際效益很低，只是浪費電。

常見錯誤第一名是「畫面閃爍」。這通常發生在秒數太長或解析度太高時，解法是把解析度降到 768 寬以下，或把片段縮短到 4 秒內。第二名是「主體變形」，例如人的手指突然多一根、車子開一開變成別台車，這在生成式影片裡目前仍難完全避免，實務上的做法是避開特寫手部與快速運動的鏡頭。第三名是「顏色偏掉」，如果你發現成品整體偏綠或偏紫，檢查一下是不是用了不相容的 VAE 檔案，換回官方建議的版本通常就能解決。

還有一個很多人忽略的細節：種子碼（seed）。當你生出一段很滿意的影片，記得把當下的 seed 記下來。之後想微調提示詞或改秒數時，沿用同一個 seed，可以讓風格保持一致，這對需要系列素材的品牌來說非常關鍵。反過來說，如果你生了十次都很糟，換個 seed 往往比改十次提示詞更快找到方向。

香港台灣讀者的實戰應用場景

講了這麼多技術，回到最實際的問題：這東西對你有什麼用？對香港的中小企來說，最直接的應用是社群廣告素材。以前一組動態廣告要外發製作，報價動輒三、五千港幣；現在你自己生三段 5 秒片段，配上文案與音樂，一個下午就能產出一組可測試的素材。對台灣的電商賣家來說，把商品照丟進「圖片生影片」模式，加上「鏡頭緩慢環繞，光影流動」的提示詞，就能把靜態商品圖變成有質感的動態展示。

對內容創作者與自媒體經營者，LTX-2.5 可以拿來做影片的開場動畫、過場效果，甚至是 Podcast 的視覺化片段。對補習班、健身教練、餐飲業者，則可以用來做課程預告與菜色展示。關鍵心法是：不要想一次做出完美成品，而是把它當成「素材產生器」，先生成大量片段，再挑出最好的幾段來剪。這個工作流程的思維轉換，比任何參數設定都重要。

最後提醒一件事：目前多數開源影片模型在商業使用上都有各自的授權條款，LTX-2.5 的授權細節建議你在正式商用前，花十分鐘到官方模型頁面確認一次。這不是要嚇你，而是避免你辛苦做的素材最後不能用。養成看授權的習慣，是每個 AI 創作者的必修課。

延伸閱讀

常見問題

Q: 我只有 8GB VRAM 的顯卡，真的跑得動 LTX-2.5 嗎？

A: 可以，但要把解析度降到 512×768 以下、秒數控制在 3 到 4 秒，並且關閉其他佔用顯卡的程式。若還是很卡，建議改用雲端 GPU 服務，成本比升級顯卡低得多。

Q: 文字生影片和圖片生影片，新手該先學哪一個？

A: 建議先從圖片生影片開始。因為構圖已經由原圖決定，你只需要描述動態，變數少、成功率高的多，比較容易建立信心，之後再挑戰純文字生成。

Q: 為什麼我生的影片只有 3 秒，可以生更長嗎？

A: 技術上可以，但超過 8 秒後主體變形與背景漂移的機率會大幅上升。實務上建議生多段短片段再用剪輯軟體拼接，成品品質會比一次生長的更好。

Q: 生成的影片可以商業使用嗎？

A: 取決於模型的授權條款，不同版本可能不同。商用前務必到官方模型頁面確認授權細節，必要時保留生成紀錄與 seed 作為佐證。

Q: 我不會寫程式，也能用 LTX-2.5 嗎？

A: 可以。透過 ComfyUI 的圖形介面，你只需要下載現成的工作流、放入模型檔案、輸入提示詞就能執行，完全不需要寫任何一行程式碼。