企业官网建设流程全解析

LTX-2 微调指南：LoRA、IC-LoRA 与全模型训练怎么选

【免费下载链接】LTX-2Official Python inference and LoRA trainer package for the LTX-2 audio–video generative model.项目地址: https://gitcode.com/GitHub_Trending/lt/LTX-2

LTX-2 是 Lightricks 开源的音视频生成模型，能同时产出视频和配套音频。想做 LTX-2 训练或微调时，很多人卡在第一关：LoRA（不动模型本体、只训一小片附加权重）、IC-LoRA 还是全模型，该选哪个，显存够不够。下面先按场景对号入座，再逐个拆清每种方式的资源和最小步骤。

🎯 场景对号入座：LTX-2 微调前先找到自己的位置

你的目标只是固定一种画风、一个主体，不想动模型本身。那就只需要最轻量的训练方式，单卡就能跑。

你想让模型学会它从没见过的能力，比如根据一段参考视频，把任意输入转成你的目标风格。这种"参考上下文"的需求，需要专门的上下文适配器。

你想明显改变模型的基础生成质量、适配一个全新领域，并且接受多机训练的成本。那就得走到全模型训练。

无论你选哪条路，都在 LTX-Trainer 里完成，区别只是指向哪个 LTX-Trainer 配置文件。

🔧 三种训练方式按需解析：从 LoRA 配置到全模型启动

只调风格或主体：LoRA 就够

一句话结论：基础能力没问题，只想改画风、主体、镜头语言时，LoRA 训练配置就够了。

资源成本：

• 标准配置建议 80GB 单卡
• 32GB 卡（如 RTX 5090）用低显存配置
• 不强制多卡，可用 DDP 多卡加速
• 完全可逆：产出独立小权重，随时可摘除

最小上手：指向现成的 LoRA 训练配置启动即可，T2V、I2V、A2V 各有一份。以下命令在packages/ltx-trainer目录下执行：

uv run python scripts/train.py configs/t2v_lora.yaml # 32GB 显存就换低显存配置 uv run python scripts/train.py configs/t2v_lora_low_vram.yaml

低显存配置已内置 INT8 量化与 8 位优化器，低显存训练可以直接用。数据组织跟着数据集准备指南走。

让模型学会新能力：IC-LoRA 加参考视频

一句话结论：目标是"参考视频/音频 → 目标视频/音频"的转换，比如风格迁移、深度或姿态控制，就选 IC-LoRA——它把参考片段拼进上下文当条件，让模型学会转换规则。

资源成本：

• 显存与常规 LoRA 同量级，单卡可跑
• 数据需成对：参考-目标各一份，多一步预处理
• 产出同样是可拆卸适配器，可逆

最小上手：把配置换成 v2v_ic_lora.yaml（视频转视频），参考视频的 latent 放在 reference_latents 目录，启动命令与上面一致。纯音频转换用 a2a_ic_lora.yaml。

连底层行为一起改：上全模型训练

一句话结论：需要实质改变模型能力、适配全新领域、且不介意资源账单时，才选全模型训练——所有参数都更新，不再附加适配器。

资源成本：

• 量级 4-8× H100 80GB
• 必须单机多卡，配 FSDP 分布式训练
• 不可逆：产出是新的完整模型权重

最小上手：在 t2v_lora.yaml 基础上改成全模型模式：

model: training_mode: "full"

再用仓库自带的 FSDP 配置启动（以 4 卡为例）：

CUDA_VISIBLE_DEVICES=0,1,2,3 \ uv run accelerate launch --config_file configs/accelerate/fsdp.yaml \ scripts/train.py configs/t2v_lora.yaml

📊 决策速查表：资源门槛与可逆性一览

🚪 下一步去哪儿：低显存先跑通，再谈深度定制

资源有限做 LTX-2 微调，先把 t2v_lora_low_vram.yaml 跑通一遍完整流程。想深度定制或上多卡，再看下面几份指南：

• 快速上手：从安装到第一次训练
• 训练模式速查：各条件组合对照
• 多 GPU 与 FSDP 启动说明
• 完整配置参数参考

【免费下载链接】LTX-2Official Python inference and LoRA trainer package for the LTX-2 audio–video generative model.项目地址: https://gitcode.com/GitHub_Trending/lt/LTX-2