ComfyUI-LTXVideo 快速上手指南30 分钟跑通 LTX-2 文生视频从第一条片子到 4K 输出【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideoComfyUI-LTXVideo 是 LTX-2 视频生成模型的 ComfyUI 节点扩展包提供文生视频、图生视频、视频重制、配音替换等完整工作流。它解决的问题很实际LTX-2 本体已内置在 ComfyUI 核心里但深度控制、两阶段上采样、低显存运行这些进阶能力要靠这个仓库里的节点和示例工作流才能真正用上。从一个真实痛点说起你生成了一段 5 秒的视频画面里的人物走位不对、背景太糊、想要镜头缓慢推近却怎么也写不进提示词——重新抽卡十几次都不满意。这是大多数 LTX-2 用户卡住的地方模型会画但你没有方向盘。ComfyUI-LTXVideo 把方向盘做成了节点深度图、边缘图、姿态可以一起约束画面运动轨迹可以直接画在第一帧上不满意的部分可以用遮罩重绘最后还能把 1080p 的输出继续融成 4K、8K。整个流程都发生在 ComfyUI 画布里不用写脚本。项目定位它是什么凭什么好用先明确一点LTX-2 本身已经进了 ComfyUI 核心不需要本仓库也能出图。ComfyUI-LTXVideo 的定位是进阶能力包具体带来四样东西IC-LoRA 控制体系通过 iclora.py 里的LTXAddVideoICLoRAGuide等节点把深度、Canny 边缘、人体姿态等多种控制条件挂到生成流程上Union Control 一个 LoRA 同时吃多路条件两阶段生成链先低分辨率出草稿锁定构图和运动再用空间/时间上采样模型升到高清示例工作流在 example_workflows/ 下有 2.0、2.3、2.5 三代低显存方案low_vram_loaders.py 提供LowVRAMCheckpointLoader等节点配合--reserve-vram参数让 32GB 显存能跑完整流程音视频联合生成LTX-2 是单一音视频联合 Transformer本仓库提供LTXVAudioOnlyModel、LTXVAudioOnlyEmptyVideoLatent等节点支持纯文生音频、音频驱动视频以及 Dub-It 配音替换节点全部注册在 nodes_registry.py 中节点菜单里统一带前缀默认分类名是 Lightricks方便和核心自带节点区分。快速上手环境、安装与首次运行环境要求项目最低要求ComfyUI已安装且可正常运行GPUCUDA 兼容显卡32GB VRAM磁盘100GB 空闲模型缓存安装 ComfyUI-LTXVideo 节点包方式一推荐打开 ComfyUI 按CtrlM进 Manager → Install Custom Nodes → 搜索LTXVideo→ 安装 → 重启 ComfyUI。方式二手动 clone 并装依赖cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt模型下载清单这是新手最容易翻车的环节。把文件放进对应目录文件名为 Hugging Face 仓库中的原始文件名自行到模型发布页下载模型文件名放置目录主模型二选一ltx-2.3-22b-dev.safetensors全量或ltx-2.3-22b-distilled-1.1.safetensors蒸馏models/checkpoints/空间上采样ltx-2.3-spatial-upscaler-x2-1.1.safetensorsmodels/latent_upscale_models/时间上采样ltx-2.3-temporal-upscaler-x2-1.0.safetensorsmodels/latent_upscale_models/蒸馏 LoRAltx-2.3-22b-distilled-lora-384-1.1.safetensorsmodels/loras/文本编码器Gemma 3gemma-3-12b-it-qat-q4_0-unquantized全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/各 IC-LoRAUnion Control、Motion Track、HDR、Dub-It 等按需下载同样放models/loras/。首次运行验证打开 ComfyUI确认节点菜单里出现前缀的节点从 example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json 拖入画布或 Workflow → Open 加载打开 Workflow Overview 面板首次运行会列出 Missing Models点 Download all 一次性拉齐缺失文件填入提示词点 Run。注意帧数规则必须是 1 8 的倍数如 9、97 帧写 100 帧会报错看到带声音的片段输出说明主模型、上采样器、文本编码器三件套全部就位。核心机制通俗解读潜在空间在缩略图上做修改LTX-2 不直接在像素上画画而是先通过 VAE 把视频压缩成一个小得多的张量——可以理解为视频的缩略图。所有去噪、引导、上采样都在这个缩略图层面进行最后一步才放大回像素。这就是LTXVBaseSampler、LTXVInContextSampler、LTXVNormalizingSampler这些采样器见 easy_samplers.py的工作空间同样的画质显存和算力开销远小于像素级处理。ComfyUI-LTXVideo LTX-2 基础模型视频生成效果示例两阶段生成先画草稿再上高清两阶段工作流的思路类似印刷流程第一版用蒸馏模型在低分辨率下快速出稿验证构图、运动、提示词是否满意确认后第二版把潜在空间放大 2 倍再精炼一遍细节。对比两版输出能直观看到上采样带来的纹理增益ComfyUI-LTXVideo 蒸馏模型视频生成效果对比蒸馏模型步数少、速度明显更快适合迭代对最终交付质量要求高时再切全量模型。进阶玩法三个高频技巧IC-LoRA 联合控制深度边缘姿态一起上LTXAddVideoICLoRAGuide节点支持 Union IC-LoRA同一个 LoRA 内部学会解析深度图和 Canny 边缘图两种信号还能在下采样后的潜在尺寸上工作省显存又提速。适合场景你有一段参考视频希望新视频严格保持空间结构和轮廓只替换材质或风格。示例图如下画在第一帧上的轨迹点就是运动控制的输入形态不想画轨迹时Motion Track 工作流LTX-2.3_ICLoRA_Motion_Track_Distilled.jsonLTXVSparseTrackEditor节点可以直接在画布上点出运动路径。TiledFusionSampler32GB 显存出 4K/8KLTXVTiledFusionSampler和LTXVTiledSampler不是一回事别混用后者把每块 tile 独立采样前者保持同一张潜在画布、同一份噪声场每个去噪步都在重叠裁剪上跑模型再用高斯混合写回画布——因为各 tile 共享轨迹接缝不会出现峰值显存只跟 tile 大小相关而不是整张 4K 画布。配套 tiled_fusion_sampler.md 有完整参数说明记住两条铁律overlap_frac保持 0.5 以上上采样阶段的提示词只描述光影风格别点名具体物体否则该物体会被盖进每一块 tile。2.5 代的 4K/8K 示例见 example_workflows/2.5/LTX-2.5_V2V_TiledFusion_Native_4K_8K.json。长视频与低显存要超过模型原生时长窗口时用LTXVLoopingSampler把时间轴切成重叠片段逐段生成再按temporal_overlap_cond_strength强度衔接上一段的末尾帧官方说明在 looping_sampler.md配LTXVMultiPromptProvider还能给不同时间段写不同提示词。显存吃紧时优先做三件事换LowVRAMCheckpointLoader加载器、启动参数加--reserve-vram 5、把 VAE 解码换成LTXVTiledVAEDecode分块解码。常见问题与避坑现象可能原因处理办法帧数报错 / 无法运行帧数不是 18n改成 97、105 这类值时长由 fps×秒数换算可能和手填值略有出入OOM 显存不足直接跑全分辨率两阶段低显存加载器 --reserve-vram上采样改走 TiledFusion 而非整图放大上采样后出现周期网格纹overlap_frac过低调回 0.5 以上grid_cycle设 4 让网格随步移动4K 输出里同一物体重复出现在各 tile上采样提示词点名了具体物体二阶段提示词只写光影、色彩、质感类描述时间上不连贯、跳帧只用了空间上采样没配时间上采样加载ltx-2.3-temporal-upscaler-x2-1.0.safetensors走完整两阶段HDR 色彩发灰或溢出缺 EXR 依赖或解码链不全pip install openimageio用LTXVHDRDecodePostprocess解码参考 hdr_nodes.py下一步装好之后最有价值的动作只有一个把 example_workflows/ 里 2.3 目录的八个工作流逐个拖进画布跑一遍感受文生视频、Union Control、HDR、Dub-It 配音各自的能力边界。节点总览见init.py 的NODE_CLASS_MAPPINGS高级技巧节点集中在 tricks/nodes/文档目录 docs.ltx.video/open-source-model/integration-tools/comfy-ui 的本地补充说明散落在各模块 md 文件里遇到具体节点查对应源码注释通常最快。【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考