ComfyUI-LTXVideo 快速上手完全指南5 分钟跑通 LTX-2 视频生成【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 是为 LTX-2 视频模型打造的 ComfyUI 自定义节点集合。LTX-2 本体已内置在 ComfyUI 核心中但真正发挥它全部能力——文本/图像到视频、视频控制、HDR、配音换口型——还得靠这个插件补全的节点和预置工作流。如果你有一张 32GB 显存的 NVIDIA 显卡想不啃模型原理就直接上手 AI 视频生成这个项目是最快的路径。 动手前先确认三件事装插件之前先把硬件对一遍省得中途卡在显存上显卡CUDA 环境的 NVIDIA 显卡建议 32GB VRAM磁盘预留 100GB 以上空间放模型文件和缓存帧数规则LTX-2.5 工作流里帧数必须满足1 8 的倍数填时长时留意这一点否则采样会报错 两步装好插件优先走 Manager最省事的路线是走 ComfyUI Manager打开界面按CtrlM选 Install Custom Nodes搜索 LTXVideo点安装完成后重启 ComfyUI。首次运行工作流时缺失的模型还会提示你自动下载到正确的目录。如果习惯手动装把仓库克隆到custom_nodes下再装依赖即可git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo ComfyUI/custom_nodes/ComfyUI-LTXVideo cd ComfyUI/custom_nodes/ComfyUI-LTXVideo pip install -r requirements.txt装好后节点会出现在节点菜单的 LTXVideo分类下所有节点统一由 nodes_registry.py 注册管理。 模型文件放哪一张表说清LTX-2.3 管线需要的主模型和配套权重如下文件名以 HuggingFace 上的 LTX-2.3 仓库为准模型文件名存放位置主模型二选一ltx-2.3-22b-dev.safetensors或ltx-2.3-22b-distilled-1.1.safetensorsmodels/checkpoints/空间上采样器ltx-2.3-spatial-upscaler-x2-1.1.safetensorsmodels/latent_upscale_models/时间上采样器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-3 全套文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/dev 和 distilled 怎么选distilled 版采样步数少、跑得快适合日常迭代dev 版质量上限更高适合最终出片。控制类 LoRAUnion Control、Motion Track、HDR、Dub-It 等都放在models/loras/按需下载。 跑第一个视频选对工作流example_workflows/目录按模型版本分成2.0、2.3、2.5三个子目录把.json直接拖进 ComfyUI 画布就能加载。新手建议从 2.5 的两阶段图开始LTX-2.5_T2V_I2V_Two_Stage_Distilled.json——第一阶段在基础分辨率生成视频和音频第二阶段做 2 倍空间上采样加一轮短 refine画质比单阶段更扎实。追求速度的话单阶段版本Single_Stage省掉上采样环节出图快但空间细节略逊。每组图的结构一致Load Models → Inputs → Preprocess → Generate → Decode换文件不用重新学连线。加载后打开 Workflow Overview 面板点 Download all 一次把缺的权重补齐即可。️ 进阶玩法IC-LoRA 家族与 Tiled Fusion插件最有意思的部分是 IC-LoRA 生态每种控制能力对应一个 LoRA 和配套工作流Union IC-LoRA深度图和边缘canny控制合并进单个 LoRA模型自动识别输入里的控制信号并在降采样后的 latent 上运算——显存占用更低、推理更快是 LTX-2.3_ICLoRA_Union_Control_Distilled.json 这类工作流的核心HDR IC-LoRA把 SDR 视频升级成 ACEScct HDR 工作空间LTXVHDRDecodePostprocess节点同时输出 Reinhard 色调映射的 SDR 预览和线性 HDR 张量还能通过 OpenImageIO 导出 16/32 位 EXR 序列接进调色管线Dub-It IC-LoRA给视频换台词或翻译成其他语言重生成口型和音频但保持说话人身份两阶段流程里第二阶段上采样时会冻结音频Pixel Spatial Upscaler2 倍/4 倍生成式上采样不是插值而是合成细节——建议先在 ~280p 低分辨率锁定构图和运动再用它拉高最终分辨率更大的玩法是LTXVTiledFusionSampler画布超过模型训练窗口时每个去噪步骤都在共享同一 latent 画布的重叠空间块上运行可以顶到 4K 甚至 8K。详细原理见 tiled_fusion_sampler.md。注意它的 prompt 写法上采样阶段只描述风格和灯光别点名具体物体否则被命名的细节可能盖进每个空间块。另外 LTX-2 还是音视频联合模型LTXVAudioOnlyModel节点可以把视频流完全关掉单做文本到音频。️ 显存不够怎么办32GB 显存跑 22B 模型默认配置就是按低显存调的但还有几手可打换低显存加载器low_vram_loaders.py 里的加载节点带dependencies输入把前一个加载器的输出接进来强制模型串行加载峰值显存立刻降下来预留显存启动参数加python -m main --reserve-vram 5把 5GB 让给系统调解码块大小2.5 各工作流的 decode tile 默认偏保守显存富余就调大块数少而大的 tile速度会明显提升实在还 OOM就降输出分辨率、改用 distilled 模型、或把长视频分段处理。 下一步加载LTX-2.5_T2V_I2V_Two_Stage_Distilled.json填一条提示词跑一段 5 秒视频熟悉整条链路换成 Union Control 工作流喂一段深度图试试控制生成想出大片再读 tiled_fusion_sampler.md把 Tiled Fusion 玩起来【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