ComfyUI-LTXVideo 上手指南用 LTX-2 做视频生成的最小路径与进阶用法【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 为 ComfyUI 提供 LTX-2 视频生成模型的节点集与成套工作流覆盖文本到视频、图像到视频、HDR 输出与 IC-LoRA 精细控制。本文先给出一条能真正跑通的最小路径再带你按真实参数走通第一个工作流最后讲清如何按需求选工作流、以及长视频和大画布这类进阶场景怎么处理。它解决什么问题和 ComfyUI 自带 LTX-2 差在哪LTX-2 本身已经内置进 ComfyUI 核心所以能加载模型、能出图这件事基础版就能做。ComfyUI-LTXVideo 补的是基础版给不了的那部分围绕 LTX-2 的高级采样器、引导器guider、IC-LoRA 挂载、HDR 管线、音频生成以及一整套可直接加载的example_workflows/。一句话区分核心 ComfyUI 让你能跑 LTX-2这个仓库让你能把 LTX-2 跑到专业用法。所有节点带统一前缀在节点菜单里成组出现注册逻辑集中在 nodes_registry.py。硬件门槛按 README 写死的CUDA 显卡、32GB 以上显存、100GB 以上可用磁盘模型和缓存很占地方。达不到显存要求的话后面踩坑一节有低显存加载器可用。最小可跑通路径装插件 第一次生成装插件这一步走 ComfyUI Manager 最省事打开 ComfyUI点 Manager或按CtrlM。选 Install Custom Nodes搜索LTXVideo点 Install等它跑完。重启 ComfyUI新节点就会出现在菜单里。不习惯 Manager 就手动装把仓库克隆下来放进 ComfyUI 的custom_nodes目录重启即可。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo装完后从 Manager 里挑好的 LTX-2 工作流有一个特性首次加载时会自动把缺的模型拉到对应目录你不用手动搬运文件。手动装的话模型清单见下一节按路径放好再跑。第一次运行建议直接用 2.5 的单阶段图 LTX-2.5_T2V_I2V_Single_Stage_Distilled.json输入少、跑得轻适合先确认链路通不通。打开它后左侧Workflow Overview面板会列出Missing Models点Download all一次性补齐之后每次运行都复用这些文件。一个容易翻车的参数先记住帧数必须等于 1 加 8 的倍数比如 97、121。填不进去的帧数图会直接报错或输出时长不对。模型文件放哪里一次备齐不同模型放在 ComfyUI 的不同子目录放错位置是最常见的加载失败原因。对照表如下2.3 系列模型类型文件名目标目录检查点二选一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.safetensors、ltx-2.3-spatial-upscaler-x1.5-1.0.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 Gemmagemma-3-12b-it-qat-q4_0-unquantized全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized上采样器和蒸馏 LoRA 只在两阶段流程里用到单阶段先不下载也行。2.5 系列用的是ltx-2.5-22b-distilled-transformer-bf16.safetensors各图的Model Links注释里写明了它到底需要哪几个文件以图内标注为准。IC-LoRA 控制模型同样放models/loras按需取用常用的几个ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors统一控制、ltx-2.3-22b-ic-lora-hdr-0.9.safetensorsHDR、ltx-2.3-22b-ic-lora-dubit-0.9.safetensors配音、ltx-2.3-22b-ic-lora-pixel-spatial-upscaler-x2-0.9.safetensors2 倍生成式放大。跟一个真实场景走通文本到视频以 2.3 的单阶段完整图 LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json 为例它是一张能直接读的命名图不是打包子图参数都对得上。输入侧正负提示词各填一个CLIPTextEncode节点。负提示词的图里自带了一行示例专门挡掉低质量观感原文是pc game, console game, video game, cartoon, childish, ugly。想让画面更稳把负向提示写具体比加大 CFG 更有效。尺寸与时长图里用的是960 × 544、121帧满足 18n。想调就改EmptyLTXVLatentVideo节点注意这个节点的宽高步长是 32、帧数步长是 8所以手动填也要对齐这些倍数分辨率在 768×512 起步比较稳。采样调度这张图没走标准 KSampler 的 steps/CFG而是用ManualSigmas直接给了一组 8 步的 sigma原文序列是1.0, 0.99375, 0.9875, 0.98125, 0.975, 0.909375, 0.725, 0.421875, 0.0配euler_ancestral_cfg_pp。新手别急着改这组值——它是按蒸馏模型调好的改了反而容易出噪。真正该你调的是提示词和帧数/分辨率。跑通后输出经 VAE 解码交给SaveVideo落盘。第一次跑把分辨率、帧数都压到最低确认能出片再往上加。选哪个工作流按需求对照2.5 系列各图共用同一套子图布局加载模型 → 设输入 → 预处理 → 采样 → 解码换文件不用重新学图。到底选哪张官方在 example_workflows/2.5/README.md 里给了一棵决策树把它压成一张速查表你的输入 / 目标推荐工作流纯文本出片想要更高清LTX-2.5_T2V_I2V_Two_Stage_Distilled.json默认首选纯文本出片只要快LTX-2.5_T2V_I2V_Single_Stage_Distilled.json有一段音频画面要跟着它LTX-2.5_A2V_Two_Stage_Distilled.json只要音频、不要画面LTX-2.5_T2A_Single_Stage_Distilled.json有参考视频想按深度/边缘/姿态控制LTX-2.5_ICLoRA_Union_Control_Distilled.json有参考视频只改外观换装/换风格LTX-2.5_V2V_ICLoRA_Single_Stage_Distilled.json有参考视频填充遮罩区域 / 扩展画布LTX-2.5_ICLoRA_Inpaint_Two_Stage_Distilled.json/..._Outpaint_...有一张角色道具参考图按图生成LTX-2.5_ICLoRA_Ingredients_Single_Stage_Distilled.json想给静态图画运动轨迹再驱动LTX-2.5_ICLoRA_Motion_Track_Distilled.json经验法则在意空间细节就选两阶段含 2 倍空间上采样 3 步精修要预览或显存吃紧就选单阶段。2.5 的图默认参数是按低显存调的显存富余可以调大解码 tile size 提速。进阶能力IC-LoRA 控制、HDR、长视频与大画布统一控制 IC-LoRA。Union IC-LoRA 把深度图和 canny 边缘两种控制条件塞进同一个 LoRA并且在下采样后的潜变量上工作省显存、推理更快。工作流 LTX-2.3_ICLoRA_Union_Control_Distilled.json 里默认接的是深度图内可切换成边缘。配音Dub-It。给一段源视频 目标台词文本它会重新生成嘴型和音频去匹配文本同时保住说话人身份支持跨语言翻译和同语言改写。流程是两阶段第一阶段在基础分辨率出视频音频第二阶段上采样并冻结音频。对应图 LTX-2.3_ICLoRA_DubIt_Two_Stage_Distilled.json。生成式放大。Pixel Spatial Upscaler 的 2×/4× LoRA 不是做像素级锐化而是重新渲染细节所以它是创意放大器先低分辨率锁定构图和运动再跑放大出成品。放大强度、引导、步数越低越贴源片越高越自由。HDR。HDR IC-LoRA 把 SDR 升到 ACEScctLTXVHDRDecodePostprocess节点再解回线性 HDR同时输出 Reinhard 色调映射的 SDR 预览和原始线性张量还能经 OpenImageIO 导出 16/32 位 EXR 序列依赖openimageio已在 requirements.txt 列出。原生 HDR 输入输出走LTXVLoadEXRSequence→LTXVVAEForceFloat32→ 精修 →LTXVHDRDecodePostprocess→LTXVSaveHLG记得把img_compression设为 0。长视频与大画布两个采样器别搞混。LTXVLoopingSamplerlooping_sampler.md把视频切成重叠时间块自回归拼接也支持空间分块出高分辨率还能用MultiPromptProvider按块换提示词做叙事推进。默认temporal_tile_size80、temporal_overlap24出接缝就加大 overlap颜色漂移就把adain_factor调到 0.1–0.3。LTXVTiledFusionSamplertiled_fusion_sampler.md是另一回事它保一张潜变量画布 一个噪声场每一步在重叠空间块上跑并用高斯混合拼回专治画布大于模型训练窗口的 IC-LoRA V2Voverlap_frac别低于 0.5、tile_frames一般 97。注意它和LTXVTiledSampler逐块独立采样不是一回事别混用。踩坑与排查模型加载失败九成是放错目录。按上一节对照表核对路径尤其 Gemma 编码器是一个目录、里面要全文件不是单文件。帧数填不进去 / 时长不对帧数必须1 8n分辨率对齐 32 的倍数。显存爆换蒸馏检查点ltx-2.3-22b-distilled-1.1.safetensors或用 low_vram_loaders.py 里的LowVRAMCheckpointLoader等节点它保证执行顺序并做模型卸载让 32GB 装得下启动时再加python -m main --reserve-vram 5。画面有接缝 / 网格纹分块场景空间/时间 overlap 调大LTXVTiledFusionSampler的overlap_frac保持 ≥0.5低于它会在规整内容上出现周期性网格。长视频颜色过饱和 / 漂移adain_factor调高、temporal_overlap_cond_strength调大仍不行就接optional_normalizing_latents做归一参考。提示词不生效分块放大类流程里第二阶段提示词只写观感和风格光线、色板、锐度、调色别点名具体物体否则上采样后名字可能被盖进每一块空间 tile 里。排查时优先看 ComfyUI 控制台输出从最简的单阶段图逐步加功能别一上来就上复杂图。后续去向各节点注册与命名规则看 nodes_registry.py自定义节点照它写即可。采样器进阶实现看 easy_samplers.py、looping_sampler.md、tiled_fusion_sampler.md参数表都在对应 md 里。引导参数CFG、STG、rescale、modality 等的默认值和计算方式在 guiders/parameters.py。实验性的注意力/PAG/flowedit 等玩法都在 tricks/ 下节点名带(Experimental )前缀用之前先读 tricks/ 里的说明。官方模型详情、工作流与节点全集以仓库 README 指向的 LTX 开源文档为准社区支持走官方 Discord。模型和节点都在持续迭代跑之前看一眼 README.md 里Required Models和工作流列表有没有更新比翻旧教程靠谱。【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 
长河君 · 2026/10/18 1:40:45 · 阅读 1.2k ComfyUI-LTXVideo 上手指南：用 LTX-2 做视频生成的最小路径与进阶用法
ComfyUI-LTXVideo 上手指南用 LTX-2 做视频生成的最小路径与进阶用法【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 为 ComfyUI 提供 LTX-2 视频生成模型的节点集与成套工作流覆盖文本到视频、图像到视频、HDR 输出与 IC-LoRA 精细控制。本文先给出一条能真正跑通的最小路径再带你按真实参数走通第一个工作流最后讲清如何按需求选工作流、以及长视频和大画布这类进阶场景怎么处理。它解决什么问题和 ComfyUI 自带 LTX-2 差在哪LTX-2 本身已经内置进 ComfyUI 核心所以能加载模型、能出图这件事基础版就能做。ComfyUI-LTXVideo 补的是基础版给不了的那部分围绕 LTX-2 的高级采样器、引导器guider、IC-LoRA 挂载、HDR 管线、音频生成以及一整套可直接加载的example_workflows/。一句话区分核心 ComfyUI 让你能跑 LTX-2这个仓库让你能把 LTX-2 跑到专业用法。所有节点带统一前缀在节点菜单里成组出现注册逻辑集中在 nodes_registry.py。硬件门槛按 README 写死的CUDA 显卡、32GB 以上显存、100GB 以上可用磁盘模型和缓存很占地方。达不到显存要求的话后面踩坑一节有低显存加载器可用。最小可跑通路径装插件 第一次生成装插件这一步走 ComfyUI Manager 最省事打开 ComfyUI点 Manager或按CtrlM。选 Install Custom Nodes搜索LTXVideo点 Install等它跑完。重启 ComfyUI新节点就会出现在菜单里。不习惯 Manager 就手动装把仓库克隆下来放进 ComfyUI 的custom_nodes目录重启即可。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo装完后从 Manager 里挑好的 LTX-2 工作流有一个特性首次加载时会自动把缺的模型拉到对应目录你不用手动搬运文件。手动装的话模型清单见下一节按路径放好再跑。第一次运行建议直接用 2.5 的单阶段图 LTX-2.5_T2V_I2V_Single_Stage_Distilled.json输入少、跑得轻适合先确认链路通不通。打开它后左侧Workflow Overview面板会列出Missing Models点Download all一次性补齐之后每次运行都复用这些文件。一个容易翻车的参数先记住帧数必须等于 1 加 8 的倍数比如 97、121。填不进去的帧数图会直接报错或输出时长不对。模型文件放哪里一次备齐不同模型放在 ComfyUI 的不同子目录放错位置是最常见的加载失败原因。对照表如下2.3 系列模型类型文件名目标目录检查点二选一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.safetensors、ltx-2.3-spatial-upscaler-x1.5-1.0.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 Gemmagemma-3-12b-it-qat-q4_0-unquantized全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized上采样器和蒸馏 LoRA 只在两阶段流程里用到单阶段先不下载也行。2.5 系列用的是ltx-2.5-22b-distilled-transformer-bf16.safetensors各图的Model Links注释里写明了它到底需要哪几个文件以图内标注为准。IC-LoRA 控制模型同样放models/loras按需取用常用的几个ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors统一控制、ltx-2.3-22b-ic-lora-hdr-0.9.safetensorsHDR、ltx-2.3-22b-ic-lora-dubit-0.9.safetensors配音、ltx-2.3-22b-ic-lora-pixel-spatial-upscaler-x2-0.9.safetensors2 倍生成式放大。跟一个真实场景走通文本到视频以 2.3 的单阶段完整图 LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json 为例它是一张能直接读的命名图不是打包子图参数都对得上。输入侧正负提示词各填一个CLIPTextEncode节点。负提示词的图里自带了一行示例专门挡掉低质量观感原文是pc game, console game, video game, cartoon, childish, ugly。想让画面更稳把负向提示写具体比加大 CFG 更有效。尺寸与时长图里用的是960 × 544、121帧满足 18n。想调就改EmptyLTXVLatentVideo节点注意这个节点的宽高步长是 32、帧数步长是 8所以手动填也要对齐这些倍数分辨率在 768×512 起步比较稳。采样调度这张图没走标准 KSampler 的 steps/CFG而是用ManualSigmas直接给了一组 8 步的 sigma原文序列是1.0, 0.99375, 0.9875, 0.98125, 0.975, 0.909375, 0.725, 0.421875, 0.0配euler_ancestral_cfg_pp。新手别急着改这组值——它是按蒸馏模型调好的改了反而容易出噪。真正该你调的是提示词和帧数/分辨率。跑通后输出经 VAE 解码交给SaveVideo落盘。第一次跑把分辨率、帧数都压到最低确认能出片再往上加。选哪个工作流按需求对照2.5 系列各图共用同一套子图布局加载模型 → 设输入 → 预处理 → 采样 → 解码换文件不用重新学图。到底选哪张官方在 example_workflows/2.5/README.md 里给了一棵决策树把它压成一张速查表你的输入 / 目标推荐工作流纯文本出片想要更高清LTX-2.5_T2V_I2V_Two_Stage_Distilled.json默认首选纯文本出片只要快LTX-2.5_T2V_I2V_Single_Stage_Distilled.json有一段音频画面要跟着它LTX-2.5_A2V_Two_Stage_Distilled.json只要音频、不要画面LTX-2.5_T2A_Single_Stage_Distilled.json有参考视频想按深度/边缘/姿态控制LTX-2.5_ICLoRA_Union_Control_Distilled.json有参考视频只改外观换装/换风格LTX-2.5_V2V_ICLoRA_Single_Stage_Distilled.json有参考视频填充遮罩区域 / 扩展画布LTX-2.5_ICLoRA_Inpaint_Two_Stage_Distilled.json/..._Outpaint_...有一张角色道具参考图按图生成LTX-2.5_ICLoRA_Ingredients_Single_Stage_Distilled.json想给静态图画运动轨迹再驱动LTX-2.5_ICLoRA_Motion_Track_Distilled.json经验法则在意空间细节就选两阶段含 2 倍空间上采样 3 步精修要预览或显存吃紧就选单阶段。2.5 的图默认参数是按低显存调的显存富余可以调大解码 tile size 提速。进阶能力IC-LoRA 控制、HDR、长视频与大画布统一控制 IC-LoRA。Union IC-LoRA 把深度图和 canny 边缘两种控制条件塞进同一个 LoRA并且在下采样后的潜变量上工作省显存、推理更快。工作流 LTX-2.3_ICLoRA_Union_Control_Distilled.json 里默认接的是深度图内可切换成边缘。配音Dub-It。给一段源视频 目标台词文本它会重新生成嘴型和音频去匹配文本同时保住说话人身份支持跨语言翻译和同语言改写。流程是两阶段第一阶段在基础分辨率出视频音频第二阶段上采样并冻结音频。对应图 LTX-2.3_ICLoRA_DubIt_Two_Stage_Distilled.json。生成式放大。Pixel Spatial Upscaler 的 2×/4× LoRA 不是做像素级锐化而是重新渲染细节所以它是创意放大器先低分辨率锁定构图和运动再跑放大出成品。放大强度、引导、步数越低越贴源片越高越自由。HDR。HDR IC-LoRA 把 SDR 升到 ACEScctLTXVHDRDecodePostprocess节点再解回线性 HDR同时输出 Reinhard 色调映射的 SDR 预览和原始线性张量还能经 OpenImageIO 导出 16/32 位 EXR 序列依赖openimageio已在 requirements.txt 列出。原生 HDR 输入输出走LTXVLoadEXRSequence→LTXVVAEForceFloat32→ 精修 →LTXVHDRDecodePostprocess→LTXVSaveHLG记得把img_compression设为 0。长视频与大画布两个采样器别搞混。LTXVLoopingSamplerlooping_sampler.md把视频切成重叠时间块自回归拼接也支持空间分块出高分辨率还能用MultiPromptProvider按块换提示词做叙事推进。默认temporal_tile_size80、temporal_overlap24出接缝就加大 overlap颜色漂移就把adain_factor调到 0.1–0.3。LTXVTiledFusionSamplertiled_fusion_sampler.md是另一回事它保一张潜变量画布 一个噪声场每一步在重叠空间块上跑并用高斯混合拼回专治画布大于模型训练窗口的 IC-LoRA V2Voverlap_frac别低于 0.5、tile_frames一般 97。注意它和LTXVTiledSampler逐块独立采样不是一回事别混用。踩坑与排查模型加载失败九成是放错目录。按上一节对照表核对路径尤其 Gemma 编码器是一个目录、里面要全文件不是单文件。帧数填不进去 / 时长不对帧数必须1 8n分辨率对齐 32 的倍数。显存爆换蒸馏检查点ltx-2.3-22b-distilled-1.1.safetensors或用 low_vram_loaders.py 里的LowVRAMCheckpointLoader等节点它保证执行顺序并做模型卸载让 32GB 装得下启动时再加python -m main --reserve-vram 5。画面有接缝 / 网格纹分块场景空间/时间 overlap 调大LTXVTiledFusionSampler的overlap_frac保持 ≥0.5低于它会在规整内容上出现周期性网格。长视频颜色过饱和 / 漂移adain_factor调高、temporal_overlap_cond_strength调大仍不行就接optional_normalizing_latents做归一参考。提示词不生效分块放大类流程里第二阶段提示词只写观感和风格光线、色板、锐度、调色别点名具体物体否则上采样后名字可能被盖进每一块空间 tile 里。排查时优先看 ComfyUI 控制台输出从最简的单阶段图逐步加功能别一上来就上复杂图。后续去向各节点注册与命名规则看 nodes_registry.py自定义节点照它写即可。采样器进阶实现看 easy_samplers.py、looping_sampler.md、tiled_fusion_sampler.md参数表都在对应 md 里。引导参数CFG、STG、rescale、modality 等的默认值和计算方式在 guiders/parameters.py。实验性的注意力/PAG/flowedit 等玩法都在 tricks/ 下节点名带(Experimental )前缀用之前先读 tricks/ 里的说明。官方模型详情、工作流与节点全集以仓库 README 指向的 LTX 开源文档为准社区支持走官方 Discord。模型和节点都在持续迭代跑之前看一眼 README.md 里Required Models和工作流列表有没有更新比翻旧教程靠谱。【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