LTX-2 在 ComfyUI 中如何落地ComfyUI-LTXVideo 节点安装、首跑与显存配置指南【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo本文面向刚接触 AI 视频生成的读者介绍 ComfyUI-LTXVideo 节点集的安装与 ComfyUI 视频生成工作流跑法从模型文件落位、首跑文生视频到 LTX-2 显存优化决策与常见卡点排查。从一个跑不通的工作流说起你从 Comfy Manager 里加载了一个 LTX-2 文生视频工作流点 Run 之后卡在三个地方模型列表里找不到 checkpoint节点菜单里没有LTXV前缀的节点跑起来又直接显存溢出。这类问题的根源通常不是显卡不行而是节点包没装全、模型放错了目录、或者帧数分辨率没对齐 LTX-2 的约束。下面按先跑通、再调优的顺序解决它们。ComfyUI-LTXVideo 是什么覆盖哪些场景LTX-2 的推理主干已经内置在 ComfyUI 核心里而 ComfyUI-LTXVideo 是官方配套的自定义节点仓库它补齐 IC-LoRA 控制、潜空间处理、长视频/高分辨率采样、低显存加载、HDR 与纯音频生成等外围能力并附带可直接拖进画布的示例工作流。你不需要自己搭图绝大多数场景打开对应.json改参数即可。覆盖场景说明代表工作流文生视频 / 图生视频文本 可选首帧图两阶段版含 2 倍空间上采样与 refine 步LTX-2.5_T2V_I2V_Two_Stage_Distilled.json音频相关文生音频、音频驱动视频原声轨冻结LTX-2.3_T2A_Single_Stage_Distilled.json、LTX-2.5_A2V_Two_Stage_Distilled.json结构控制Union IC-LoRA深度 / Canny 边缘 / 姿态三合一引导LTX-2.5_ICLoRA_Union_Control_Distilled.json运动控制首帧上手绘稀疏运动轨迹Motion Track LoRALTX-2.5_ICLoRA_Motion_Track_Distilled.json视频增强V2V 细节修复、生成式 2×/4× 空间上采样、大画布 4K/8KLTX-2_V2V_Detailer.json、LTX-2.5_V2V_TiledFusion_Upscale.json编辑类局部重绘 Inpaint、扩画幅 Outpaint、SDR 转 HDR、语音替换 Dub-It见 example_workflows/参考表驱动一张素材表角色/道具/场景生成内容LTX-2.5_ICLoRA_Ingredients_Single_Stage_Distilled.json首跑路径装节点、放模型、跑通第一个工作流装节点包。推荐用 Comfy Manager界面点 Manager 或按 CtrlM → Install Custom Nodes → 搜索 LTXVideo → 安装 → 重启 ComfyUI。手动安装则是把仓库克隆到ComfyUI/custom_nodes/下并安装依赖cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt做错会怎样依赖缺了如openimageio、korniaComfyUI 会直接报 import 错误节点全部不注册画布上连LTXV前缀节点都搜不到。 2.下模型。主模型二选一放models/checkpoints/完整版ltx-2.3-22b-dev.safetensors或蒸馏版ltx-2.3-22b-distilled-1.1.safetensors步数更少、出图更快Gemma 3 12B 文本编码器的全部文件放models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/。用两阶段工作流还要把空间上采样器ltx-2.3-spatial-upscaler-x2-1.1.safetensors等和时间上采样器ltx-2.3-temporal-upscaler-x2-1.0.safetensors放进models/latent_upscale_models/蒸馏 LoRAltx-2.3-22b-distilled-lora-384-1.1.safetensors放models/loras/。 做错会怎样文件放错目录 模型列表里不出现等价于没下载text_encoders下少一个 tokenizer 文件编码节点会直接报错。 3.打开工作流。用 Workflow → Open 加载example_workflows/2.5/里的LTX-2.5_T2V_I2V_Two_Stage_Distilled.json官方 README 标注 Start here或直接把.json拖进画布。该目录还有 README.md 提供哪种任务选哪个工作流的完整决策树。 做错会怎样打开 2.5 图却只下载了 2.3 模型会缺ltx-2.5-22b-distilled-transformer-bf16.safetensors在 Workflow Overview 面板点 Download all 可以按图补齐。 4.填输入并运行。填提示词、可选首帧图、时长后点 Run。两个硬性约束先记住帧数必须是1 8 的倍数如 89、97分辨率边长必须是 32 的倍数。 做错会怎样帧数写成 90、分辨率写成 770VAE 或 RoPE 位置编码直接报错或生成出时间上不连贯的片段。核心能力速查每个节点族解决什么问题IC-LoRA 引导让视频按你给的结构走IC-LoRAIn-Context LoRA把参考素材当作上下文条件喂给模型核心节点LTXAddVideoICLoRAGuide把参考视频或单帧编码后追加到目标 latent 上再配合LTXICLoRALoaderModelOnly加载控制 LoRA生成的视频就会在结构/外观上跟随参考。连线参考帧/视频 →LTXAddVideoICLoRAGuide接 positive、negative、VAE、目标 latent→ 输出的 latent 进采样器LoRA 走LTXICLoRALoaderModelOnly挂到 model 上。关键参数frame_idx控制参考在 RoPE 上的位置——0 表示与生成片段对齐视频参考用-1把参考放到生成帧范围之外适合单张图参考strength0–1越大越贴近参考latent_downscale_factor把参考降到 1/2、1/3 尺寸做小网格 IC-LoRA省显存。Union IC-LoRA是单 LoRA 同时吃深度和 Canny 边缘两类控制信号且工作在降采样 latent 上显存占用和耗时更低。示例tricks/nodes/ 之外的example_workflows/2.5/LTX-2.5_ICLoRA_Union_Control_Distilled.json默认走深度图内可切换标注器。潜空间操作治闪烁、色偏和过曝视频生成最常见的质量问题——帧间闪烁、长视频后半段过曝/色偏——都发生在 latent 层对应节点在 latent_norm.py 与 latents.pyLTXVAdainLatent把生成 latent 的每通道均值/方差拉向参考 latent 的统计量factor控制混合强度per_frame开启逐帧对齐解决整段过饱和或漂移。LTXVPerStepAdainPatcher/LTXVPerStepStatNormPatcher在采样过程中逐步做上述标准化适合长视频。LTXVSelectLatents、LTXVSetVideoLatentNoiseMasks选取帧区间、指定哪些帧参与去噪局部重绘的基础。分块拼接后的接缝修复LTXVLaplacianPyramidBlend做拉普拉斯金字塔混合。LTXVLoopingSampler内部也内置了adain_factor0–1长序列建议 0.1–0.3 防止过饱和这是官方 looping_sampler.md 给出的区间。采样器家族长视频、高分辨率、稳定采样节点解决什么关键参数LTXVLoopingSampler超过显存容量的长视频 / 高分辨率时间上切重叠片段、空间上切块逐块生成再加权融合temporal_tile_size短片段 40–80、长视频 120–200temporal_overlap取 tile 的 25–30%默认 24adain_factor0.1–0.34K 空间切 2–3 × 2–3LTXVTiledFusionSampler画布大于 IC-LoRA 训练窗口时的 4K/8K V2V单 canvas 单噪声场每个去噪步在重叠空间块上推理再高斯融合不产生接缝tile_width/height必须等于 IC-LoRA 训练窗口32 的倍数overlap_frac≥ 0.5否则结构化画面出现周期网格tile_frames 97 且 guide 端use_streaming同值LTXVTiledSampler/LTXVTiledVAEDecode独立分块采样 / 分块 VAE 解码降峰值显存解码 tile 越大越快、越吃显存低显存机器调小修正/流编辑类tricks/nodes/下受控正向 ODE 采样、注意力注入等实验性技巧需要配合注意力银行节点使用属进阶玩法注意LTXVLoopingSampler的 guider 必须用STGGuiderAdvancedstg.pyLTXVTiledFusionSampler的 SAMPLER 口只接受离散步长方法euler、heun、dpm_2多步记忆类dpmpp_2m和带 ancestral 噪声的方法都不支持。典型任务参数区间与易错点文生视频首选LTX-2.5_T2V_I2V_Two_Stage_Distilled.json阶段一在基础分辨率768×512 量级32 的倍数出视频阶段二 2 倍空间上采样 约 3 步 refine单阶段版省一半时间但空间细节差一档适合预览。帧数 8n1提示词描述主体、动作、环境、风格负提示按原文使用。易错点两阶段工作流依赖空间 时间上采样器两个模型缺一个就跑不起来蒸馏模型配多步 sigmas 是浪费工作流里的步数已按蒸馏模型调好不要手动加步。图生视频首帧图直接进 T2V/I2V 两阶段图要更强结构控制时走 Union Control深度/Canny/姿态或 Motion Track在首帧上画稀疏轨迹配ltx-2.3-22b-ic-lora-motion-track-control-ref0.5LoRA。frame_idx对齐规则视频参考用 0单图参考用 -1多帧参考的大于 0 值会被向下取整到 1 mod 8。易错点Motion Track 的轨迹画在首帧上配合可选的开场静帧轨迹越稀疏越稳密集轨迹容易抖动。视频增强细节修复LTX-2_V2V_Detailer.jsonDetailer IC-LoRA源视频作 guide、原声冻结。生成式上采样Pixel Spatial Upscaler LoRA 有 2×/4× 两档它合成细节而非插值——参数越低越贴近源片越高越自由发挥推荐流程是先低分辨率约 280p定构图和运动再上采样出终稿。4K/8K 大画布LTX-2.5_V2V_TiledFusion_Upscale.json/Native_4K_8K.json。这类图的上采样阶段提示词只写光线、色调、锐度、调色不要点名场景里的具体物体——名字里的细节会被盖进每一个空间块。易错点guide 节点上use_tiled_encode必须保持 false空间分块编码会把网格印进条件帧画布更大时调大tile_frames并保持 guide 与采样器两侧一致。硬件与性能按显存和任务做选择你的条件选择依据32GB VRAM官方建议线直接跑两阶段 / Tiled Fusion 工作流README.md PrerequisitesVRAM 吃紧低显存用LowVRAMCheckpointLoader等加载器把各加载器用dependencies口串成链式顺序加载避免同时驻留启动 ComfyUI 加--reserve-vram 5GB 数自定low_vram_loaders.py依赖输入控制加载顺序降低峰值显存需要快速预览单阶段蒸馏工作流蒸馏模型本身步数就少2.5 READMEsingle-stage for previews解码阶段爆显存调小 VAE 解码 tile显存富余时调大 tile 提速2.5 工作流内 Decode 注释生成 4K/8KTiled Fusion峰值显存取决于空间 tile 尺寸和时间窗口不是整张画布tiled_fusion_sampler.md生成 15 秒以上LTXVLoopingSampler 时间平铺temporal_tile_size120–200looping_sampler.md一个通用顺序先低分辨率 单阶段确认构图和运动再上两阶段或 Tiled Fusion 出成片。常见卡点速查症状可能原因解法节点菜单里没有LTXV节点依赖没装全 / 装完没重启按 requirements.txt 补依赖后重启 ComfyUI确认装在custom_nodes/下模型下拉框为空或加载失败文件放错目录 / 下载不全按首跑路径第 2 步核对四个目录checkpoints、text_encoders、latent_upscale_models、loras报 VRAM 溢出多模型同时驻留 / 解码 tile 过大换 LowVRAM 加载器串链 --reserve-vram 5缩小解码 tile改单阶段画面闪烁、长视频后半段过曝缺少潜空间统计对齐上LTXVAdainLatent或 Looping 的adain_factor0.1–0.3Tiled Fusion 出现周期网格overlap_frac低于 0.5恢复默认 0.5 以上上采样后提示词里的物体在每块都出现二阶段提示词点名了具体物体提示词只写光线、色调、锐度、调色运行报错或片段不齐帧数不是 18 的倍数 / 边长不是 32 的倍数改帧数为 89、97 等分辨率取 32 的倍数下一步通读 README.md 的 Required Models 一节把你手头任务需要的 LoRAUnion / Motion Track / HDR / Detailer / Upscaler对应文件下齐。从 example_workflows/ 的2.5/LTX-2.5_T2V_I2V_Two_Stage_Distilled.json跑通第一条视频再打开2.5/README.md的决策树挑下一个任务的工作流。要写长视频/4K 图时先读 looping_sampler.md 和 tiled_fusion_sampler.md遇到本文没覆盖的行为差异以这两份文档为准。【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