16GB Mac跑19GB视频模型LTX-2.3 10Eros v1.2的8位量化完整指南【免费下载链接】ltx-2.3-10eros-v1.2-mlx-q8项目地址: https://ai.gitcode.com/hf_mirrors/MLXBits/ltx-2.3-10eros-v1.2-mlx-q8LTX-2.3 10Eros v1.2 MLX-q8 是面向 Apple Silicon Mac 的 8 位int8量化视频生成模型约19GB的 transformer 经量化压缩后16GB内存的机器即可运行覆盖文生视频、图生视频与两阶段高清生成。快速上手一条命令出片前提是设备已装好 ltx-2-mlx 运行环境Apple Silicon 专属然后克隆模型仓库git clone https://gitcode.com/hf_mirrors/MLXBits/ltx-2.3-10eros-v1.2-mlx-q8ltx-2-mlx generate \ --model ./ltx-2.3-10eros-v1.2-mlx-q8 \ --prompt your prompt \ --distilled \ -H 480 -W 704 -f 97 -o output.mp4--distilled 走蒸馏版 transformer是出片最快的路径-H/-W 控制画面宽高-f 控制帧数。组件清单仓库里都给了什么按职责分三组看比一张大表更好记两个 transformer 主干int8 量化transformer-dev.safetensors约19GB10Eros v1.2 开发版与 transformer-distilled-1.1.safetensors约19GB已预融合 rank-384 蒸馏 LoRA分别服务两阶段流程与快速蒸馏模式。VAE 与音频链路vae_encoder.safetensors / vae_decoder.safetensors约1.4GB8 倍时间、32 倍空间压缩、audio_vae.safetensors约106MB、vocoder.safetensors约250MBBigVGAN v2 声码器加 BWE 生成器。连接器与上采样器connector.safetensors约5.9GBGemma 到 DiT 的嵌入连接器、spatial_upscaler_x2_v1_1.safetensors约950MB2 倍 latent 上采样、temporal_upscaler_x2_v1_0.safetensors约250MB2 倍时间上采样。 文本编码器 Gemma 3 12B 不随仓库分发ltx-2-mlx 会通过 mlx-lm 自动加载无需手动准备。技术亮点16GB 内存为什么装得下省内存的关键在量化策略可查仓库内的 quantize_config.json采用8 位 int8 量化、组大小 64而且只作用于 transformer_blocks 内部的 nn.Linear 层。投影层、connector、VAE 与声码器保持 bf16 不动因为 MLX 尚不能量化卷积层。量化精准落在算力最重的线性层上整体显存需求因此降低约40%——32GB 设备直接全量运行16GB 设备靠分块流式推理也能跑通。架构本身同样务实48 层、32 个注意力头每头 128 维、交叉注意力维度4096音频侧另有 32 个头处理音视频交叉注意力时序连贯性和空间细节都有保障。进阶选项两阶段生成开发版打底、蒸馏版收尾质量最佳加 --two-stage 即可开启。低内存模式16GB 设备加 --low-ram 启用分块流式推理32GB 设备加上它同样能进一步压占用。图生视频任意模式追加 --image your_image.jpg静态图即可变成动态视频。ltx-2-mlx generate \ --model ./ltx-2.3-10eros-v1.2-mlx-q8 \ --prompt your prompt \ --two-stage -o high_quality_output.mp4使用须知与许可⚠️ 10Eros 模型仅供成人使用。下载即代表你确认已达所在地区法定年龄并对生成内容负全部责任请勿用于生成非法材料或未经同意的真人肖像。模型受 LTX-2 许可证约束10Eros 微调版的附加条款同样适用二次分发前请先查看上游模型卡片。适合两类场景在 Mac 上做快速原型验证或需要高质量两阶段输出的视频创作。【免费下载链接】ltx-2.3-10eros-v1.2-mlx-q8项目地址: https://ai.gitcode.com/hf_mirrors/MLXBits/ltx-2.3-10eros-v1.2-mlx-q8创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考