LTX 2.5 영상 모델, 멀티샷·프롬프트 인핸서로 업데이트

LTX 2.5 버전은 이전 모델에 비해 몇 가지 중요한 개선 사항을 도입했습니다. 가장 큰 변화는 '네이티브 멀티샷 제너레이션' 지원으로, 여러 장면을 한 번에 생성하고 전환하는 능력이 향상되었습니다. 또한, 새로운 디퓨전 비디오 디코더 VAE를 탑재하여 영상 품질을 높였으며, 전용 프롬프트 인핸서를 제공하여 사용자가 입력하는 프롬프트의 최적화를 돕습니다. 이 외에도 성능이 더욱 향상된 디스틸드 모델이 적용되어 전반적인 영상 생성 효율과 품질이 개선되었습니다.

LTX 2.5 모델을 구동하기 위해서는 여러 종류의 모델 파일들이 필요합니다. 디퓨전 모델은 데브 모델과 디스틸드 모델로 구분되며, 이들을 모델즈 폴더 내의 디퓨전 모델즈 폴더에 저장해야 합니다. 텍스트 인코더로는 잼마4(Gemma-4) 모델을 사용하며, VAE는 오디오와 비디오 모델 모두 필요하므로 각각 다운로드하여 해당 경로에 설치해야 합니다. 마지막으로, 업스케일 모델은 스페셜(해상도)과 템퍼롤(프레임)로 구분되는데, 이 또한 영상 품질 향상을 위해 필수적인 구성 요소입니다.

LTX 2.5 모델은 이전 모델과 유사하게 두 단계로 나누어 샘플링을 진행합니다. 첫 번째 단계에서는 작은 해상도의 영상을 1차로 생성합니다. 이어서 두 번째 단계에서는 1차로 생성된 영상을 업스케일한 후 다시 샘플링하여 최종 영상을 완성합니다. 이 과정에서 프롬프트 인핸서 그룹을 활용하여 프롬프트가 모델에 최적화되도록 돕고, 이를 통해 더욱 정교하고 고품질의 영상을 얻을 수 있습니다.

LTX 2.5 모델의 멀티샷 제너레이션 기능을 테스트하기 위해 총 세 개의 장면으로 구성된 영상을 생성할 예정입니다. 각 장면은 일본 전통 가옥, 타임스퀘어, 에펠탑으로 설정하여 다양한 배경에서의 모델 성능을 확인합니다. 총 10초 분량의 영상을 생성하며, 화면 비율은 16:9, 메가픽셀은 1.0으로 설정하여 표준적인 영상 환경을 구성합니다. 이러한 세팅을 통해 모델이 장면 전환 시 일관성을 얼마나 잘 유지하는지 검증할 수 있습니다.

LTX 2.5 워크플로우를 구성하기 위해 여러 주요 모델 구성 요소를 선택합니다. 디퓨전 모델은 '디스틸드 Comfy int8' 모델을 사용하며, 클립 모델은 '잼마4'를 선택합니다. VAE 모델은 비디오와 오디오 각각에 맞는 모델을 선택해야 하며, 업스케일 모델로는 '스페셜 모델'을 활용합니다. 이러한 모델들을 적절히 조합하여 최적의 영상 생성 환경을 구축합니다.

LTX 2.5의 텍스트 투 비디오 워크플로우는 'Generate LTX' 노드와 'To Prompt' 노드를 중심으로 구성됩니다. 이 노드들은 기존에 입력된 프롬프트를 LTX 모델에 최적화된 형태로 변환해 주는 역할을 합니다. 사용자는 프롬프트 인핸서의 사용 여부를 선택할 수 있으며, LTX-V 듀얼 CFG 가이드 노드를 통해 비디오와 오디오의 CFG(Classifier-Free Guidance) 값을 개별적으로 설정하여 더욱 세밀한 제어가 가능합니다.

고품질 영상을 생성하기 위해 레이턴트 업샘플러를 통한 업스케일 및 재샘플링 과정을 거칩니다. 생성된 영상의 디코더는 타일 방식을 사용하여 효율성을 극대화합니다. 타일 방식을 사용하면 VRAM(비디오 램)을 효율적으로 사용하고, 영상 생성 속도를 더 빠르게 할 수 있다는 장점이 있습니다.

LTX 2.5로 생성된 영상에서는 장면이 전환될 때 인물의 외모와 의상을 포함한 모든 특징이 일관성 있게 잘 유지되는 것을 확인할 수 있습니다. 이는 모델의 주요 개선 사항 중 하나인 멀티샷 제너레이션 기능이 효과적으로 작동함을 보여줍니다. 그러나 LTX 모델의 고질적인 문제인 '이상한 자막'이 영상에 표현되는 현상은 여전히 존재하는 것으로 확인되어, 이 부분에 대한 추가적인 개선이 필요해 보입니다.

이미지 투 비디오(Image-to-Video) 워크플로우에서는 LTX-V 이미지 투 비디오 인플레이스 노드가 추가적으로 사용됩니다. 이 노드는 이미지를 입력받아 레이턴트에 추가하는 역할을 하여 참조 이미지 기반의 영상 생성을 가능하게 합니다. 전처리 노드를 사용하여 이미지 사이즈를 512로 변경하며, 저해상도 및 업스케일 단계에서 총 두 번의 참조 이미지를 적용하여 영상의 방향성을 제어합니다. 이를 통해 사용자는 특정 이미지의 스타일이나 내용을 기반으로 영상을 생성할 수 있습니다.

영상에서 의도와 다른 움직임이 발생하는 것을 방지하기 위해 두 장의 참조 이미지를 활용하여 영상 시퀀스를 제어하는 방법도 있습니다. LTX 애드 가이드(Add Guide) 노드를 사용하여 참조 이미지를 영상에 적용하며, '프레임 인덱스(Frame IDX)' 설정을 통해 영상의 시작 프레임과 마지막 프레임을 지정할 수 있습니다. 프레임 인덱스 0은 영상의 첫 번째 프레임에, 마이너스 값은 마지막 프레임에 이미지를 적용하는 방식입니다. 이 방법을 통해 사용자는 미리 정의된 이미지를 적용하여 의도에 더 가까운 영상 결과물을 도출할 수 있습니다.