为什么你的第一条 AI 视频值得从 LTX-2 开始ComfyUI-LTXVideo 上手笔记【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo先讲一个很多人的共同遭遇你用 AI 修图工具把老照片处理得焕然一新成就感满满可下一步想让它动起来时却发现视频生成的世界完全不是那回事——要么工具收费按秒计要么模型参数复杂到劝退。这正是 ComfyUI-LTXVideo 想解决的问题它把 LTX-2 视频生成模型完整接入 ComfyUI 的节点界面让文字转视频、图像转视频乃至视频编辑都变成你可以亲手搭出来的一条条工作流而不是黑盒里的几次点击。先分清两件事LTX-2 本身和这个项目补上的东西很多新手在这里犯迷糊ComfyUI 核心其实已经内置了 LTX-2 模型那这个仓库是干什么的打个比方核心版像是给你一台发动机而 ComfyUI-LTXVideo 是配套的改装套件——它提供的是发动机之外的一切专用采样器、加载器、控制节点和现成工作流。你真正需要的不是从零发明而是把它们接起来。打开项目的__init__.py就能看到这份装备清单的规模从LTXVBaseSampler、LTXVExtendSampler这类采样器到LowVRAMCheckpointLoader低显存加载器再到后面要重点聊的 IC-LoRA 系列一共几十个节点。安装完成后它们会统一出现在节点菜单的 LTXVideo 分类下。第一支视频先跑通再谈跑好安装方式走 Comfy Manager 搜索 LTXVideo 即可模型会在首次使用时自动下载。硬件门槛要提前认清官方建议 32GB 以上显存、100GB 磁盘空间这决定了你后面能玩到什么程度。跑通第一个工作流最省事的路径是直接打开example_workflows/2.3/里的 JSON 文件拖进 ComfyUI推荐从LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json开始。它同时覆盖了文字转视频和图像转视频两种用法结构也很典型模型加载 → 文本编码Gemma 3→ 采样器 → VAE 解码 → 保存。把提示词换成你自己的描述剩下的参数先全部保持默认。这里会遇到全项目第一个分岔路蒸馏模型和完整模型怎么选。一句话总结它们的差异对比项蒸馏模型完整模型速度快适合反复试参数慢适合最终出片显存压力较小较大画质上限良好更高建议用法找感觉、定构图定了方案后出成品新手请无条件先选蒸馏版。同样的提示词蒸馏模型能让你在一个晚上试出十几个版本完整模型可能只够跑两三遍——而多试才是视频创作里最值钱的部分。从能生成到能控制IC-LoRA 才是重头戏跑通基础工作流之后大多数人会卡在同一个问题上我能生成视频了但生成的不是我要的。这时就该认识 LTX-2 最有趣的设计——IC-LoRAIn-Context LoRA。它的思路是把一张参考图作为上下文喂给模型模型照着这张图的语义去生成。example_workflows/2.3/目录基本就是 IC-LoRA 的说明书每一个 JSON 对应一种玩法LTX-2.3_ICLoRA_Union_Control_Distilled.json一个 LoRA 同时吃下深度图、人体姿态和边缘Canny三种控制信号相当于给视频生成装上了构图骨架。想让角色按指定姿势动起来或锁定画面的结构都靠它。LTX-2.3_ICLoRA_Motion_Track_Distilled.json运动轨迹控制。在sparse_tracks.py对应的节点里你可以直接给画面里的人物画出运动轨迹模型会沿着轨迹演。LTX-2.3_ICLoRA_HDR_Distilled.jsonHDR 工作流。输出的不是普通 SDR 视频而是线性 HDR 素材配合LTXVHDRDecodePostprocess节点解码后可以直接进调色流程甚至导出 EXR 序列。这是专业向功能但对想体验电影级色彩的人来说值得一试。LTX-2.3_ICLoRA_Pixel_Spatial_Upscaler_Distilled.json生成式超分。它不是简单的像素插值而是重新画一遍细节。推荐的玩法是先用低分辨率快速定稿再用这个 LoRA 放大到 2× 或 4×——这正是两阶段工作流的核心思路。LTX-2.3_ICLoRA_Inpaint_Two_Stage_Distilled.json和Outpaint版本视频修复与扩展画布素材里的inpainting_input.mp4、outpainting_input.mp4就是对应的输入示例。还有更生活化的彩蛋Instant Shave一键刮胡子、Colorization黑白上色、Day-to-Night日转夜、Deblur去模糊。这些 LoRA 在 README 的模型清单里都能找到下载后放到models/loras目录即可。它们的存在说明一件事这个项目不只想让你会生成更想让你会编辑。别忘了声音LTX-2 是影音一体的很多人不知道 LTX-2 是一个视频音频联合模型这意味着它能同时产出画面和声音。audio_only.py里提供了LTXVAudioOnlyModel节点把模型切换到纯音频模式LTX-2.3_T2A_Single_Stage_Distilled.json就是文字转音频的完整工作流。更有意思的是唇形同步LTX-2.3_ICLoRA_Lipdub_Two_Stage_Distilled.json能根据一段新的台词文本重生成视频里人物的口型和语音同时保持说话者身份不变。给一段视频配上另一国语言的解说或者让画面里的人说出你写的台词都是它的典型场景。这背后是两阶段管线第一阶段在基础分辨率生成音画第二阶段放大画面但冻结音频保证口型对得上。显存不够时的三条活路模型动辄几十 GB低配用户怎么办项目给了三条明确路径用低显存专用节点low_vram_loaders.py里的LowVRAMCheckpointLoader、LowVRAMAudioVAELoader等节点会保证正确的加载和卸载顺序官方说明是能在 32GB 显存内跑通完整生成。分块处理LTXVTiledSampler和LTXVTiledVAEDecode把视频切块生成再拼接显存压力随块大小线性下降。启动时预留显存ComfyUI 启动参数加上python -m main --reserve-vram 5为其他程序留出空间。组合策略也很简单低分辨率蒸馏模型出草稿 → 确定构图和运动 → 两阶段管线中的放大步骤出成品。这条路线在example_workflows/2.3/的多个工作流里都是默认写法。给你的下一步回顾整条路径先用2.3目录下的单阶段蒸馏工作流跑通第一支视频感受文字转视频和图像转视频的差别然后挑一个最感兴趣的 IC-LoRA 玩法深入——Motion Track 是最容易出成就感的Union Control 则最接近专业工作流的控制密度最后再考虑声音和 HDR 这些加分项。仓库的README.md里有完整的模型下载清单和放置路径example_workflows/是随时可以对照的活教材遇到参数看不懂就把 JSON 拖进 ComfyUI 慢慢拆。别忘了在社区里晒出你的第一支视频——从一张照片到一段会动的故事这个门槛今天就可以跨过去。【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
