simpler24 로고
블로그 목록
LTX-2.5 영상생성 ComfyUI 로컬AI 라이선스 멀티모달

LTX-2.5 리뷰

2026년 09월 06일 24

상세페이지에 짧은 영상을 넣고 싶다는 요청이 요즘 늘고 있습니다. 상품 사진은 이미 있으니 그 한 장으로 몇 초짜리 컷이 나오면 좋겠다는 이야기예요.

그래서 조간에 LTX-2.5가 올라왔을 때 열어봤습니다. Lightricks 가 8월 11일에 가중치를 공개한 22B 짜리 영상 모델이고, 문장이나 이미지 한 장을 넣으면1 영상이 나옵니다. 지난달 내려받기가 148만 회였어요.

문서를 읽어보니 이 모델이 내세우는 게 "영상을 만든다"가 아니었습니다.

소리가 같이 나옵니다

다른 영상 모델은 무성 영상만 내고 LTX-2.5 는 영상과 소리를 함께 내는 것 위쪽은 Wan 과 HunyuanVideo 가 무성 영상을 내고 오디오를 따로 붙여야 하는 흐름입니다. 아래쪽은 LTX-2.5 가 한 번 지나가면서 영상과 소리를 함께 내는 흐름입니다. 소리가 따로 오느냐, 같이 나오느냐 지금 나와 있는 다른 가중치 공개 영상 모델은 무성 영상만 냅니다 Wan · HunyuanVideo 영상 모델 무성 영상 + 오디오를 따로 만들어 붙이는 작업이 남습니다 LTX-2.5 영상 모델 한 번 지나갑니다 영상 소리 맞물린 채로 같이 나옵니다. 소리는 audio VAE 가 따로 펴줍니다. 가중치가 공개된 모델 중에 이걸 하는 건 이 계열이 처음이라고 합니다. 만들어진 소리가 늘 쓸 만하지는 않습니다 — 뒤에서 다시 이야기합니다.

다른 가중치 공개 영상 모델은 무성 영상만 냅니다.

지금 나와 있는 다른 가중치 공개 영상 모델들 — Wan, HunyuanVideo — 은 소리 없는 영상을 냅니다. 소리가 필요하면 따로 만들어 붙여야 해요.

LTX-2.5 는 영상과 소리를 모델을 한 번 지나가면서 같이 만듭니다. 소리를 펴는 audio VAE2가 따로 들어 있고요. RunAIHome 은 "가중치 공개 모델 계열 중 이걸 하는 건 처음"이라고 적었습니다.

다만 만들어진 소리가 늘 쓸 만하지는 않습니다. LongCat AI 팀이 15개 케이스를 돌려본 기록을 보면, 이미지를 넣어 만든 두 케이스에서 오디오 트랙이 파일에 들어 있는데도 긴 무음 구간이 검출됐어요. 소리가 안 붙은 게 아니라 붙은 소리가 계속 쓸모 있지는 않았다는 뜻입니다.

그래도 "영상 따로 소리 따로"에서 "한 파일로 나오는데 소리는 검수한다"로 바뀐 것이라, 작업 단계가 하나 줄어드는 쪽입니다.

컷이 바뀌어도 같은 사람으로 남습니다

여러 샷을 따로 만들던 방식과 한 번에 만드는 multishot 비교 위쪽은 와이드·미디엄·클로즈업을 따로 만들어 이음매에서 인물이 달라지던 방식이고, 아래쪽은 세 샷을 한 번에 만들어 인물과 목소리가 유지되는 방식입니다. 컷이 바뀌어도 같은 사람으로 남습니다 LTX-2.5 에 새로 들어간 multishot — 여러 샷을 한 번에 만듭니다 예전 클립을 따로 와이드 따로 만듦 미디엄 따로 만듦 클로즈업 따로 만듦 ✕ ✕ 이음매에서 인물과 조명이 달라지는 게 실무에서 제일 큰 불만이었다고 합니다. LTX-2.5 한 번에 와이드 같은 사람 · 같은 목소리 미디엄 같은 사람 · 같은 목소리 클로즈업 같은 사람 · 같은 목소리 프롬프트를 장면 설명이 아니라 샷 리스트처럼 씁니다. "주방의 와이드 샷; 미디엄 샷으로 컷; 그녀의 손 클로즈업"

여러 샷을 한 번에 만드는 multishot 이 2.5에 새로 들어갔습니다.

2.5에 새로 들어간 것 중 제일 눈에 띈 게 multishot 입니다.

이전 판은 끊기지 않는 샷 하나만 만들었습니다. 와이드에서 클로즈업으로 넘어가려면 클립을 따로 만들어 이어붙여야 했고, 그러면 이음매에서 인물이 달라졌어요. RunAIHome 은 이걸 "클립을 따로따로 만들어놓고 인물이 이음매에서 살아남기를 기도하던 어설픈 흐름"이라고 적었습니다.

2.5는 컷이 바뀌어도 인물의 정체성, 배경, 조명, 목소리, 시각적 스타일을 유지하는 여러 개의 샷을 한 번에 만든다고 합니다. 프롬프트를 장면 설명이 아니라 샷 리스트처럼 쓰는 게 요령이라는군요.

주방의 와이드 샷; 미디엄 샷으로 컷; 그녀의 손 클로즈업

길이도 알아서 정합니다. duration head 를 물려두면 프롬프트에 묘사된 동작에서 클립 길이를 예측해 프레임 수를 대신 잡아줍니다. 안 쓰면 직접 주면 되는데, 그때는 프레임 수를 8로 나눈 나머지가 1이어야 하고 가로세로가 32로 나누어떨어져야 합니다.

22B짜리인데 24GB 카드에 들어갑니다

LTX-2.5 파일 크기와 RTX 3090 의 24GiB 를 견준 막대 bf16 transformer 42.02GB, int8 transformer 21.50GB, int8 text encoder 15.37GB, VAE 1.83GB 를 카드 용량 24GiB 와 나란히 놓았습니다. 받아야 하는 파일과 카드 한 장 2026-09-06 에 허깅페이스 API 로 직접 재본 값입니다 bf16 transformer 42.02GB int8 transformer 21.50GB int8 text encoder 15.37GB video + audio VAE 1.83GB 우리 카드 (3090) 24.00GiB ComfyUI 용 int8 묶음을 다 받으면 39.70GB, bf16 으로 가면 71.11GB 입니다. transformer 21.50 과 text encoder 15.37 을 더하면 36.87 — 24GiB 에 둘 다 못 올립니다.

허깅페이스 API 로 재본 파일 크기입니다.

파일 크기가 모델 카드에 안 적혀 있어서 허깅페이스 API 로 직접 셌습니다.

bf16 transformer 가 42.02GB입니다. 소비자 카드와는 상관없는 숫자예요. 실제로 쓰는 건 int8 로 줄인3 판이고 21.50GB입니다. 만든 쪽이 양자화를 직접 해서 같이 내놨습니다.

프롬프트를 읽는 부분도 따로 있습니다. Gemma 4 12B 를 고쳐 만든 text encoder4인데 int8 로 15.37GB예요. 둘을 더하면 36.87GB 라 24GB 카드에 동시에는 못 올립니다. 받아야 할 것 전부는 ComfyUI 용 int8 묶음이 39.70GB, bf16 으로 가면 71.11GB 입니다.

큰 상자가 좁은 문 앞에 서 있습니다.

큰 상자가 좁은 문 앞에 서 있습니다.

RunAIHome 이 옮긴 RTX 4090 측정치를 보면 transformer 상주가 20.03 GiB, 샘플링과 디코드 중 전체가 22.67 GiB 입니다. 24 GiB 카드에서 여유가 1.3 GiB 남는 셈이에요.

그래서 10초짜리를 걸면 영상이 나오기 직전에 멈춘다고 합니다. 생성이 아니라 VAE 디코드가 마지막 1 GiB 를 못 찾는 겁니다. RunAIHome 은 이걸 "첫 긴 클립을 걸기 전에 알아야 할 가장 쓸모 있는 한 가지"라고 적었어요. 5초로 줄이거나 오프로딩5을 켜라고 합니다.

4년 된 카드가 되는 이유는 int8을 골랐기 때문입니다

NVIDIA 세대별로 INT8 과 FP8 tensor core 를 쓸 수 있는지 비교 Turing(2018)과 Ampere(2020)는 INT8 만 되고 FP8 은 안 됩니다. Ada(2022) 이후에 FP8 이 들어갑니다. 우리 RTX 3090 은 Ampere 라 INT8 판만 돌릴 수 있습니다. int8 을 고른 것이 카드를 넣고 뺐습니다 LTX-2.5 의 int8-convrot 은 FP8 이 아니라 INT8 tensor core 를 씁니다 양자화 형식 Turing 2018 · RTX 20 INT8 ✓ FP8 ✗ Ampere 2020 · RTX 30 INT8 ✓ FP8 ✗ ← 우리 3090 Ada 2022 · RTX 40 INT8 ✓ FP8 ✓ Blackwell 2025 · RTX 50 INT8 ✓ FP8 ✓ FP8 을 골랐다면 2022년 Ada 이후만 남았을 겁니다. INT8 은 2018년 Turing 부터 있습니다. 성능을 고르는 결정처럼 보이지만, 실제로는 누가 이 모델을 쓸 수 있는지를 정한 결정입니다.

INT8 은 2018년 Turing 부터, FP8 은 2022년 Ada 부터 들어갑니다.

이 대목이 이번에 읽은 것 중 제일 재미있었어요.

int8 판의 정식 이름이 int8-convrot 인데, 이게 INT8 tensor core6를 씁니다. Turing 이후 모든 NVIDIA 카드에 들어 있는 물건이거든요. FP8 연산이 아닙니다. FP8 은 Ada 이후에만 있어요.

RunAIHome 의 표현을 빌리면 "2020년에 나온 Ampere 카드가 지원 목록에서 떨어져 나가는 대신 1급 시민이 됩니다."

양자화 형식 하나를 어느 쪽으로 고르느냐가 4년 된 카드를 넣고 빼는 걸 정한 셈이죠. 성능 최적화라기보다 누가 이 모델을 쓸 수 있는지에 대한 결정에 가깝습니다.

만든 쪽은 글자가 선명해졌다 하고, 써본 쪽은 믿지 말라 합니다

간판 두 개가 서 있는데 둘 다 비어 있습니다.

간판 두 개가 서 있는데 둘 다 비어 있습니다.

상세페이지 영상에는 대개 상품명이나 로고가 들어갑니다. 그래서 여기를 봤어요.

모델 카드에는 이렇게 적혀 있습니다. 2.5에 새 diffusion video decoder 가 들어갔고, "얼굴과 질감, 화면에 나오는 글자가 더 선명해지고, 움직임이 좋아지고, 까다로운 장면에서 아티팩트가 줄어듭니다."

그런데 LongCat 은 반대로 적었습니다. 이 모델이 잘 맞지 않는 경우로 "정확한 글자, 복잡한 물리, 동시에 여럿인 인물, 정밀한 오디오 내용" 을 요구할 때를 꼽았어요. 프롬프트 항목에서는 공식 안내를 인용하며 "글자와 로고는 믿을 수 없다" 고 적었고, 결론에서는 "결정론적인 타이포그래피" 를 기대하는 사람에게 맞지 않는다고 못 박았습니다.

둘이 부딪히는 것 같지만 읽어보면 층이 다릅니다. 만든 쪽은 전보다 나아졌다고 말하고, 써본 쪽은 그래도 믿고 맡길 수준은 아니다라고 말해요. 개선과 신뢰는 다른 이야기입니다.

그러니 상품명과 로고는 모델한테 시키지 않고 영상이 나온 다음에 얹는 게 맞겠습니다.

라이선스는 매출에서 갈립니다

LTX-2.5 라이선스가 연 매출 1,000만 달러를 기준으로 갈리는 모습 왼쪽은 연 매출 1,000만 달러 미만으로 상업 사용이 무료이고, 오른쪽은 그 이상으로 유료 계약이 필요합니다. 라이선스가 갈리는 지점은 매출입니다 LTX-2.x Community License 제2.1조 · 자회사와 계열사를 합쳐서 봅니다 연 매출 1,000만 달러 미만 상업적 사용 · 실서비스 사용까지 돈을 내지 않습니다 만든 영상의 권리는 만든 쪽에 있습니다 (제5조) 연 매출 1,000만 달러 이상 유료 Commercial Use Agreement 쓰기 전에 계약해야 합니다 어기면 쓴 기간만큼 30일 안에 물어냅니다 파인튜닝한 것을 남에게 넘기면 받는 쪽이 따로 라이선스를 받아야 합니다 (제3.5조). 만든 영상을 그대로 쓰는 것은 여기 해당하지 않습니다.

LTX-2.x Community License 는 연 매출 1,000만 달러를 기준으로 갈립니다.

가중치가 공개됐다고 마음대로 쓸 수 있는 건 아니라서 LICENSE-2_x 를 받아 읽었습니다. 30,398자짜리인데 핵심은 제2.1조 한 문장에 있어요.

연 매출이 미화 10,000,000달러 이상인 Entity(이하 "상업적 Entity")는 LTX-2.x 및 그 파생물의 모든 사용에 대하여 유료 라이선스를 받아야 합니다.

뒤집으면 그 아래면 상업적 사용까지 공짜입니다. 모델 카드도 같은 말을 카드 두 장으로 써놨더군요. "연 매출 1,000만 달러 미만 — 상업적 사용과 실서비스 사용이 비용 없이 가능합니다."

두 가지를 더 확인했습니다. 매출은 자회사와 계열사를 합쳐서 봅니다(제1.6조). 그리고 만든 영상의 권리는 만든 쪽에 있습니다.

여기에 달리 정한 경우를 제외하고, 라이선서는 귀하가 LTX-2.x 로 만든 출력물에 대해 어떤 권리도 주장하지 않습니다. (제5조)

주의할 대목은 파인튜닝입니다. LoRA 를 만들어 남에게 넘기면 받는 쪽이 따로 라이선스를 받아야 합니다(제3.5조). 만든 영상을 그대로 쓰는 건 여기 해당하지 않습니다.

받는 것 자체도 한 단계 있습니다. 허깅페이스 페이지가 gated 라서 로그인해서 약관에 동의해야 파일이 열려요. 그 동의문에는 개인화 광고 수신 동의가 같이 붙어 있습니다.

지금 생각

카드별로 보고된 짧은 클립 생성 시간 RTX 5090 이 720p 4초에 25초, RTX 4090 이 640×384 5초에 43.8초, RTX 3090 이 720p 5초에 약 2분 30초로 보고됐습니다. 설정이 서로 달라 직접 비교할 수 없습니다. 5초짜리 하나에 얼마나 걸리나 전부 남이 잰 값입니다. 저희 카드에서는 아직 재보지 않았습니다 RTX 5090 · 32GB 720p 4초 클립 · NVIDIA 안내 25초 RTX 4090 · 24GB 640×384 5초 · offload · LongCat 측정 43.8초 RTX 3090 · 24GB 720p 5초 · distilled · 커뮤니티 보고 2분 30초 해상도와 오프로드 설정이 서로 달라서 세 값을 그대로 견주면 안 됩니다. 3090 기록이 맞다면 상품 하나에 시드를 세 개 뽑아 7분 30초입니다.

카드별로 보고된 짧은 클립 생성 시간입니다.

쇼핑몰 영상용으로는 조건이 맞는 편입니다. 대부분의 카페24 쇼핑몰이 매출 기준선 아래라 라이선스가 걸리지 않고, 24GB 카드 한 장이면 5초짜리는 돕니다.

속도는 남들이 남긴 기록으로만 알고 있습니다. RTX 3090 소유자 한 명이 ComfyUI 의 image-to-video 템플릿으로 distilled7 int8 모델을 돌려 5초 클립당 약 2분 30초가 나왔다고 적었고, LongCat 은 4090 에서 640×384 로 오프로드를 걸어 43.8초를 쟀습니다. 설정이 서로 달라 그대로 견주면 안 되는 숫자들이에요.

모르는 채로 남는 건 상품 사진 한 장을 넣었을 때 실제로 쓸 만한 컷이 나오는지입니다. LongCat 이 이미지를 넣어 시험한 케이스는 단순한 일러스트 카드였어요. 실제 상품 사진은 조명과 반사가 들어가 있어서, 형태와 하이라이트가 얼마나 버티는지는 그 표에서 안 나옵니다. 제품을 돌려 보여주는 케이스가 있긴 한데 그건 문장만 넣어 만든 것이라 참고가 덜 됩니다.

이건 직접 받아서 상품 사진을 넣어봐야 알 것 같습니다.

글에 나온 말

  1. image-to-video (I2V) — 이미지 한 장을 첫 프레임으로 주고 그 뒤로 이어지는 영상을 만들게 하는 방식. 문장만 주는 text-to-video (T2V) 와 구분한다.
  2. VAE — Variational Auto-Encoder. 영상이나 소리를 작게 눌러 저장했다가 다시 펴는 부품. 마지막에 실제 결과물로 펴는 단계가 디코드다.
  3. 양자화 — 모델 가중치를 담는 자릿수를 줄여 파일과 메모리를 아끼는 방법. bf16 은 값 하나에 2바이트, int8 은 1바이트를 쓴다. 대신 품질을 조금 잃는다.
  4. text encoder — 프롬프트로 쓴 문장을 모델이 알아듣는 숫자로 바꾸는 부품. 여기서는 Gemma 4 12B 를 고쳐 쓴다.
  5. offload — 카드에 다 못 올리는 부분을 시스템 메모리나 디스크에 두었다가 필요할 때 가져오는 것. 카드가 작아도 돌아가지만 느려진다.
  6. tensor core — 그래픽카드 안에서 행렬 계산만 전담하는 회로. 다룰 수 있는 숫자 형식이 세대마다 다른데, INT8 은 2018년 Turing 부터, FP8 은 2022년 Ada 부터 들어갔다.
  7. distilled — 큰 모델이 하는 일을 작은 모델에 옮겨 담아 더 적은 단계로 끝내게 만든 판. LTX-2.5 의 distilled 는 8스텝에 CFG 1 로 돈다.

참고 자료

  1. Lightricks/LTX-2.5 모델 카드 — 공식 문서. 새로 들어간 기능, 파일 목록, 제약 조건, 한계를 여기서 확인했습니다. 2026년 9월 1일 수정판
  2. LTX-2.x Community License Agreement — 공식 문서. 매출 기준, 파생물 이전, 출력물 권리 조항을 원문에서 읽었습니다. 라이선스 날짜 2026년 8월 11일
  3. RunAIHome — LTX-2.5 하드웨어 가이드 — 22.67 GiB 측정치, 카드별 생성 시간, int8-convrot 설명을 여기서 가져왔습니다. 필자가 직접 잰 값이 아니라 커뮤니티 보고를 모은 글입니다. 2026년 8월 19일
  4. LongCat AI — LTX-2.5 15케이스 리뷰 — RTX 4090 에서 직접 돌린 기록. 길이별 VRAM 과 런타임, I2V 무음 구간, 글자·로고에 대한 판단을 가져왔습니다
  5. ComfyUI — LTX-2.5 워크플로 예제 — 파일이 들어가는 폴더 위치를 확인했습니다
Simpler24 개발팀
새로 나온 개발 도구를 찾아보고 무엇이 재미있었는지 적습니다. 파일 크기(bf16 42.02GB, int8 21.50GB, text encoder 15.37GB, int8 묶음 39.70GB, bf16 71.11GB)는 2026년 9월 6일 허깅페이스 API 로 저희가 직접 세어 합산한 값입니다. 라이선스 인용문은 LICENSE-2_x 원문 30,398자를 받아 읽고 옮긴 것입니다. 22.67 GiB 와 20.03 GiB, 3090 의 5초당 2분 30초는 RunAIHome 이 모아둔 커뮤니티 보고를 인용한 것입니다. 43.8초와 I2V 무음 구간, 640×384 조건은 LongCat AI 팀이 RTX 4090 에서 잰 값입니다. 소리 동시 생성, multishot, duration head, 프레임·해상도 조건은 공식 모델 카드 표기입니다. 이 모델은 받아서 돌려보지 않았습니다. 상품 사진을 넣었을 때 어떻게 나오는지는 확인하지 못했습니다.

이런 개발이 필요하신가요?

Simpler24가 카페24 맞춤 개발을 도와드립니다.

무료 상담 신청 다른 글 보기