LTX-2.5 两阶段超分工作流：ltx-2.5-mlx-q8 中空间 2x 与时间 2x 上采样器原理详解-北京尧图网络

LTX-2.5 两阶段超分工作流ltx-2.5-mlx-q8 中空间 2x 与时间 2x 上采样器原理详解在ltx-2.5-mlx-q8仓库中LTX-2.5 两阶段超分工作流由两个独立的潜空间上采样器组成spatial_upscaler_x2空间 2x 上采样和temporal_upscaler_x2时间 2x 上采样。它们配合 48 层音视频 DiT 主模型先放清晰再放流畅是 Apple Silicon 上以小显存跑出高分辨率、高帧数视频的核心方案。为什么需要两阶段超分先懂原理再动手LTX-2.5 的 DiT 直接在 128 通道的三维潜空间3D Latent中生成视频潜空间分辨率远小于像素分辨率。一次性生成高分辨率长视频显存和耗时都会指数级上升。两阶段超分的思路是第一阶段低分辨率生成— 用较小的几何尺寸如 512×288跑 DiT得到底子视频第二阶段潜空间放大— 用两个专用上采样网络把潜空间在空间维度放大 2 倍、时间维度放大 2 倍最后由 VAE Decoder 解码成像素视频。这样做的好处是DiT 只需处理低分辨率 token而细节补充交给轻量得多的上采样器完成。仓库 README.md 的实测显示int8 文本编码器流式加载后整次运行峰值显存可压到 14.6 GB这正是小机器能跑通该工作流的前提。组件速览仓库里都有什么文件作用spatial_upscaler_x2_v1_1.safetensors空间 2x 上采样器权重spatial_upscaler_x2_v1_1_config.json空间上采样器结构配置temporal_upscaler_x2_v1_0.safetensors时间 2x 上采样器权重temporal_upscaler_x2_v1_0_config.json时间上采样器结构配置vae_decoder.safetensors潜空间 → 像素的最终解码器vae_decoder_pruna.safetensorsPrunaAI 精简版解码器解码约快 2 倍gemma4-12b-ltx-v1/int8 量化文本编码器13.6 GB vs 23.8 GB两个上采样器都叫LatentUpsampler区别只在往哪个维度放大。第一阶段空间 2x 上采样器如何工作打开 spatial_upscaler_x2_v1_1_config.json关键参数一目了然参数值含义_class_nameLatentUpsampler潜空间上采样网络in_channels128与 DiT 潜空间通道数对齐见 config.json 的in_channelsmid_channels1024内部工作通道数决定细节生成能力num_blocks_per_stage4每级残差块数量dims3作用于三维张量时间 × 高 × 宽spatial_upsampletrue只放大空间维度spatial_scale2.0高、宽各放大 2 倍rational_resamplerfalse不做有理数重采样不需要原理上它把 DiT 输出的 128 通道潜变量送入 1024 通道的中间特征流用 4 组块逐级提取高频细节最后以spatial_scale: 2.0将高宽同时翻倍——像素分辨率随之提升 4 倍面积而 DiT 本身从未处理过这些新像素。第二阶段时间 2x 上采样器如何工作temporal_upscaler_x2_v1_0_config.json 的结构几乎相同但方向完全相反参数值含义mid_channels512比空间版小一半任务更轻temporal_upsampletrue只放大时间维度spatial_scale1.0空间尺寸保持不变rational_resamplertrue使用有理数重采样插帧rational_resampler: true是关键差异时间维度的插值不是简单复制帧而是按有理数间隔对相邻帧做重采样从而在帧率翻倍如 24 fps → 48 fps的同时保持运动平滑。由于插帧不需要像补细节那样强的表征能力mid_channels降到 512 即可。两个上采样器在 LTX-2.5 流水线中的位置结合 embedded_config.json 中AVTransformer3DModel的定义完整数据流为文本编码—gemma4-12b-ltx-v1文本编码器 connector.safetensors 连接器生成条件向量DiT 去噪— 48 层 TransformerRoPE 位置编码上限[20, 2048, 2048]即时间维 20 帧、空间维各 2048 潜格在低分辨率潜空间生成视频空间 2x—spatial_upscaler_x2_v1_1把潜空间高宽翻倍时间 2x—temporal_upscaler_x2_v1_0把帧数翻倍VAE 解码— 由 vae_decoder.safetensors或更快的 Pruna 版输出像素视频vocoder.safetensors 与 audio_vae.safetensors 处理音轨。两个阶段互相独立、可单独使用只想要更清晰的画面就只跑空间上采样只想要更流畅的运动就只跑时间上采样。低显存实战技巧让两阶段超分跑进 24 GBint8 文本编码器是刚需本仓库存在的意义就是把编码器从 bf16 量化到 int8组大小 64、embed_tokens刻意保留 bf16峰值显存从约 24.8 GB 降到 14.6 GB搭配 Pruna 解码器vae_decoder_pruna.safetensors 解码约快 2 倍把 704×512×121 档位的解码峰值从 21.1 GB 压到 14.5 GB超预算的换页运行直接变成可运行记住地板效应LTX-2.5 峰值显存由编码器决定、与几何尺寸几乎无关256×256×9 与 512×288×121 的峰值差不到 0.01 GB所以省显存靠换编码器而不是缩分辨率量化与精度分离int8 编码器改变的是条件信号输出视频与 bf16 版不同但同样有效官方盲测含人脸特写判为可接受不必追求逐比特一致。常见问题两阶段超分 FAQQ为什么上采样器要在潜空间做而不是解码成像素再放大A潜空间只有 128 通道、尺寸是像素的 1/8 左右计算量小得多且上采样后统一交给 VAE 解码保证空间和时间两次放大共享同一套解码口径。Q文件名里的x2和v1_1是什么意思Ax2表示放大倍数2 倍v1_1/v1_0是各自的版本号——空间版迭代到 1.1时间版仍是 1.0两者可独立升级。Q能否把两次 2x 串成 4xA技术上可以链式调用但每多一级放大细节外推的不确定性都会叠加官方默认工作流就是各 2 倍一次建议先按标准档位验证效果。总结ltx-2.5-mlx-q8的两阶段超分工作流把放大拆成两个各司其职的潜空间网络空间 2x 上采样器负责细节时间 2x 上采样器负责帧率。配合 int8 编码器与 Pruna 解码器24 GB 显存的 Apple Silicon 也能完整跑通这套 LTX-2.5 高分辨率视频生成流程——先看清每个组件的参数含义再按自己的显存档位组合就是最稳的上手路径。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

LTX-2.5 两阶段超分工作流：ltx-2.5-mlx-q8 中空间 2x 与时间 2x 上采样器原理详解

相关推荐

ltx-2.5-mlx-q8 内存优化实战：int8 文本编码器 + DiT 流式加载，峰值压到 14.6GB 的完整方案

深入 ltx-2.5-mlx-q8 量化配方：int8 group 64 完整拆解，embed_tokens 为何必须保持 bf16

【完全免费】游戏解包三步上手：完整提取贴图/音频/模型资源

更多资讯

5G毫米波与室内电波传播仿真技术解析

STM32F103上运行GRBL：CNC脱机控制器设计与实现

高频电磁场仿真在5G与室内信号优化中的应用解析

Go 敏感词过滤实战：DFA/Trie 匹配与 AC 自动机选型

华为昇腾AI算子库CANN ops-nn架构解析与性能优化

通用型物联网平台架构设计与关键技术解析

今日更新

AI智能体开发实战：从技术原理到商业落地

OpenShell 完全定制指南：从安装到深度配置，打造高效 Windows 开始菜单

Superpowers技能体系全解析：从Skills引入到安装的完整指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？