오픈소스 영상 모델 LTX-2.5 공개: 10초 분량을 6.8초 만에 생성, ComfyUI 연동

LTX-2.5는 빠른 생성 속도와 자연스러운 컷 전환을 강점으로 내세운 오픈 가중치 비디오 및 월드 모델이다. 엔비디아 GB200 슈퍼칩 2개를 활용한 자체 호스팅 환경에서 10초 분량의 720p 영상을 6.8초 만에 만들어 낸다.

무엇을 할 수 있나

컷마다 영상을 따로 생성해 이어 붙이던 방식에서 벗어나, 전체 시퀀스를 한 번에 렌더링하는 네이티브 멀티샷 기능을 지원한다. 카메라 앵글이 전환되어도 인물의 외형과 배경, 목소리의 일관성을 모델 자체에서 유지해 준다.

파이프라인도 크게 개선되었다. 새로 도입된 디퓨전 비디오 디코더는 빠른 움직임에서 생기는 시각적 왜곡을 줄이고 얼굴 세부 표현과 텍스트 복원력을 끌어올렸다. 텍스트 엔진에는 맞춤형 젬마 4(Gemma 4) 언어 백본과 프롬프트 강화기를 적용해 복잡한 지시문도 정확히 반영한다. 이와 함께 로보틱스와 피지컬 AI 연구에 바로 쓸 수 있는 전용 사전 훈련 체크포인트도 제공한다.

구동 환경과 실행 방법

실행 문턱도 낮췄다. 엔비디아와의 최적화 작업을 통해 메모리 사용량을 대폭 줄인 증류 모델을 함께 공개하여, 일반 엔비디아 RTX 그래픽카드는 물론 맥(Mac)에서도 로컬 실행이 가능하다.

10초 영상을 6.8초 만에 뽑아낸 수치는 최고 사양인 GB200 칩 기준이다. LTX 공식 매니지드 API로 1080p 영상을 렌더링할 때는 약 23.7초가 걸린다. 공식 API의 Fast 티어 요금은 초당 0.09달러로, 음성이 포함된 10초 720p 영상 생성 비용은 0.90달러 수준이다.

모델 가중치는 허깅페이스(Hugging Face)에서 내려받을 수 있으며, 노드 기반 제작 도구인 ComfyUI에 기본 내장되어 노드 업데이트 즉시 사용 가능하다. 연간 반복 매출(ARR) 1000만 달러 미만 기업은 상용 목적이라도 무료로 쓸 수 있고, 대기업은 별도 라이선스 계약이 필요하다.

왜 중요한가

ComfyUI를 활용해 영상 제작을 자동화하거나 사내 전용 영상 모델을 찾는 팀이라면 LTX-2.5를 당장 시험해 볼 만하다. 외부 편집 도구 없이 모델 자체에서 컷 간 일관성을 잡아주기 때문에 제작 공수를 크게 줄일 수 있다.

타사 대비 8분의 1 비용이라는 주장은 저가형 API와 비교할 때 다소 과장된 면이 있지만, 로컬 하드웨어에서 실시간 재생보다 빠르게 비디오를 생성해 낸 것은 오픈소스 진영에 상징적인 성과다. 연 매출 1000만 달러 이하 무료라는 파격적인 라이선스 역시 스타트업의 진입 장벽을 대폭 허물어 줄 것으로 보인다.