3步跑通ComfyUI-LTXVideoLTX-2视频生成从文生视频到低显存配置【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo第一次在 ComfyUI 里跑 LTX-2最大的门槛不是算法而是模型怎么放、工作流怎么连、显存怎么够。ComfyUI-LTXVideo 把 22B 参数的 LTX-2 变成了一张张可视化节点图配套的文生视频、图生视频、低显存加载器都是现成的跟着下面走一遍就能出片。为什么是它LTX-2 是联合音视频的 Transformer官方 Python pipeline 想调参数就得啃代码。ComfyUI-LTXVideo 把它拆进节点图文生视频、图生视频、深度/边缘控制IC-LoRA、4K/8K 分块放大Tiled Fusion都有模板工作流还专门做了一套低显存顺序加载节点。32GB 显存起步的官方门槛用对配置可以往下压。从零到跑通装好它需要什么这节帮你把环境从零搭到第一次出片。装好 ComfyUI确认 GPU 是 CUDA 卡。官方推荐 32GB 显存模型和缓存要 100GB 磁盘。打开 ComfyUI按 CtrlM 进 Manager → Install Custom Nodes → 搜LTXVideo安装重启后节点菜单会出现 LTXVideo 分类。插件自带 Python 依赖装一遍即可# 在 ComfyUI/custom_nodes/ComfyUI-LTXVideo 下执行 pip install -r requirements.txt模型就位只下你要的分支别全下主模型ltx-2.3-22b-distilled-1.1.safetensors→models/checkpoints/两阶段需要的ltx-2.3-spatial-upscaler-x2-1.1.safetensors和 temporal upscaler →models/latent_upscale_models/文本编码器 gemma-3-12b 整个文件夹 →models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/从 example_workflows/ 拖一个.json进画布在 Workflow Overview 面板点Download all缺的模型会自动补齐。按场景配置三种跑法各拿什么文生视频两阶段你得到细节不糊的成片选LTX-2.3_T2V_I2V_Two_Stage_Distilled.json这是官方推荐的默认路径。第一阶段在基础分辨率约 960×544跑蒸馏模型构图、运动、音画都在这一步定下来步数很少出得快。第二阶段用 2× spatial upscaler 放大潜空间再跑 3 步 refine把纹理补回来。帧数必须是1 8n比如 121 帧填 120 会直接报维度错。只想快速验证提示词换成 Single Stage 版省掉上采样显存和时间的消耗都少一大截。图生视频你得到首帧锁死、只补运动的片子在同一个两阶段图里把图片接到条件输入cond_image_indices填0第一帧就是你的图剩下的是模型自由发挥。想要首尾都锁住用 keyframes 玩法两张图分别对应帧 0 和帧 63optional_cond_image_indices填0, 63中间段自动插值。图像会被自动裁切缩放不用手动对齐尺寸。32GB 显存跑 22B你得到不爆显存的稳定出片官方标 32GB 起步但 24GB 机器用对加载顺序也能跑。启动时给系统留显存python main.py --reserve-vram 5工作流里的加载器换成 low_vram_loaders.py 里的 Low VRAM 系列它们多一个dependencies输入把上一个加载器的输出串进去模型就按顺序上卡、用完下卡而不是同时占满。2.5 系列工作流的默认值本来就朝低显存调过显存富余时再手动调大 decode tile size 提速。画布超过模型训练窗口比如 4K/8K就上 Tiled Fusion一块潜空间画布、每个去噪步做重叠分块、高斯融合回画布峰值显存只跟 tile 大小走跟总画布无关。细节见 tiled_fusion_sampler.mdoverlap_frac保持 0.5 以上tile_frames用 97。超过 15 秒的长片用 Looping Samplertemporal_tile_size120、temporal_overlap取 tile 的约 1/3adain_factor给 0.1–0.3 防色彩过饱和。把性能榨干速度、显存、质量怎么取舍档位分辨率步数显存压力用途单阶段预览基础蒸馏少步低快速验提示词两阶段默认2× 上采样阶段1 3步refine中日常出片Tiled FusionFullHD/4K/8K每步 8 次融合低tile 决定大画布 V2V长视频循环任意时长逐 tile低15 秒以上采样参数说明蒸馏模型步数少就够不用硬堆 50 步采样器用euler这类离散单步法dpmpp_2m、lms这类多步历史法在 Tiled Fusion 里会丢记忆导致融合失效。sigmas 自己给的话按降序、以 0 收尾I2V 第二阶段蒸馏 sigmas 官方给的是0.909375, 0.725, 0.421875, 0.0别抄 0.85 那套。质量上不满意优先加guiding_strength而不是加步数——蒸馏模型的步数弹性本来就小。踩坑与自救CUDA out of memory→ 多个模型同时驻留显存 → 启动加--reserve-vram 5加载器全部换成 Low VRAM 版并用dependencies串成单链。ValueError 潜空间维度报错→ 帧数没满足1 8n→ 把 length 改成 121、113、97 这类合法值再跑。HDR 工作流读不了 EXR→ OpenCV 没开 EXR 支持 →pip install openimageio已在 requirements 里并export OPENCV_IO_ENABLE_OPENEXR1。工作流加载报缺模型→ 只下了一半权重 → 打开 Workflow Overview 面板看 Missing Models 列表点Download all一次补齐。先下 22b 蒸馏 checkpoint、gemma-3 文本编码器和 2× spatial upscaler 这三样跑通两阶段图。用 Single Stage 工作流在基础分辨率把提示词调到满意再切回两阶段出成片。显存不够时先上--reserve-vram 5 Low VRAM 加载器别急着降分辨率。帧数一律填1 8n长视频交给 Looping Sampler4K 以上交给 Tiled Fusion。每跑通一种配置把画布存成.json模板下次从 example_workflows/ 的目录里照着改。【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 16:22:57 · 阅读 1.2k 3步跑通ComfyUI-LTXVideo：LTX-2视频生成从文生视频到低显存配置
3步跑通ComfyUI-LTXVideoLTX-2视频生成从文生视频到低显存配置【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo第一次在 ComfyUI 里跑 LTX-2最大的门槛不是算法而是模型怎么放、工作流怎么连、显存怎么够。ComfyUI-LTXVideo 把 22B 参数的 LTX-2 变成了一张张可视化节点图配套的文生视频、图生视频、低显存加载器都是现成的跟着下面走一遍就能出片。为什么是它LTX-2 是联合音视频的 Transformer官方 Python pipeline 想调参数就得啃代码。ComfyUI-LTXVideo 把它拆进节点图文生视频、图生视频、深度/边缘控制IC-LoRA、4K/8K 分块放大Tiled Fusion都有模板工作流还专门做了一套低显存顺序加载节点。32GB 显存起步的官方门槛用对配置可以往下压。从零到跑通装好它需要什么这节帮你把环境从零搭到第一次出片。装好 ComfyUI确认 GPU 是 CUDA 卡。官方推荐 32GB 显存模型和缓存要 100GB 磁盘。打开 ComfyUI按 CtrlM 进 Manager → Install Custom Nodes → 搜LTXVideo安装重启后节点菜单会出现 LTXVideo 分类。插件自带 Python 依赖装一遍即可# 在 ComfyUI/custom_nodes/ComfyUI-LTXVideo 下执行 pip install -r requirements.txt模型就位只下你要的分支别全下主模型ltx-2.3-22b-distilled-1.1.safetensors→models/checkpoints/两阶段需要的ltx-2.3-spatial-upscaler-x2-1.1.safetensors和 temporal upscaler →models/latent_upscale_models/文本编码器 gemma-3-12b 整个文件夹 →models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/从 example_workflows/ 拖一个.json进画布在 Workflow Overview 面板点Download all缺的模型会自动补齐。按场景配置三种跑法各拿什么文生视频两阶段你得到细节不糊的成片选LTX-2.3_T2V_I2V_Two_Stage_Distilled.json这是官方推荐的默认路径。第一阶段在基础分辨率约 960×544跑蒸馏模型构图、运动、音画都在这一步定下来步数很少出得快。第二阶段用 2× spatial upscaler 放大潜空间再跑 3 步 refine把纹理补回来。帧数必须是1 8n比如 121 帧填 120 会直接报维度错。只想快速验证提示词换成 Single Stage 版省掉上采样显存和时间的消耗都少一大截。图生视频你得到首帧锁死、只补运动的片子在同一个两阶段图里把图片接到条件输入cond_image_indices填0第一帧就是你的图剩下的是模型自由发挥。想要首尾都锁住用 keyframes 玩法两张图分别对应帧 0 和帧 63optional_cond_image_indices填0, 63中间段自动插值。图像会被自动裁切缩放不用手动对齐尺寸。32GB 显存跑 22B你得到不爆显存的稳定出片官方标 32GB 起步但 24GB 机器用对加载顺序也能跑。启动时给系统留显存python main.py --reserve-vram 5工作流里的加载器换成 low_vram_loaders.py 里的 Low VRAM 系列它们多一个dependencies输入把上一个加载器的输出串进去模型就按顺序上卡、用完下卡而不是同时占满。2.5 系列工作流的默认值本来就朝低显存调过显存富余时再手动调大 decode tile size 提速。画布超过模型训练窗口比如 4K/8K就上 Tiled Fusion一块潜空间画布、每个去噪步做重叠分块、高斯融合回画布峰值显存只跟 tile 大小走跟总画布无关。细节见 tiled_fusion_sampler.mdoverlap_frac保持 0.5 以上tile_frames用 97。超过 15 秒的长片用 Looping Samplertemporal_tile_size120、temporal_overlap取 tile 的约 1/3adain_factor给 0.1–0.3 防色彩过饱和。把性能榨干速度、显存、质量怎么取舍档位分辨率步数显存压力用途单阶段预览基础蒸馏少步低快速验提示词两阶段默认2× 上采样阶段1 3步refine中日常出片Tiled FusionFullHD/4K/8K每步 8 次融合低tile 决定大画布 V2V长视频循环任意时长逐 tile低15 秒以上采样参数说明蒸馏模型步数少就够不用硬堆 50 步采样器用euler这类离散单步法dpmpp_2m、lms这类多步历史法在 Tiled Fusion 里会丢记忆导致融合失效。sigmas 自己给的话按降序、以 0 收尾I2V 第二阶段蒸馏 sigmas 官方给的是0.909375, 0.725, 0.421875, 0.0别抄 0.85 那套。质量上不满意优先加guiding_strength而不是加步数——蒸馏模型的步数弹性本来就小。踩坑与自救CUDA out of memory→ 多个模型同时驻留显存 → 启动加--reserve-vram 5加载器全部换成 Low VRAM 版并用dependencies串成单链。ValueError 潜空间维度报错→ 帧数没满足1 8n→ 把 length 改成 121、113、97 这类合法值再跑。HDR 工作流读不了 EXR→ OpenCV 没开 EXR 支持 →pip install openimageio已在 requirements 里并export OPENCV_IO_ENABLE_OPENEXR1。工作流加载报缺模型→ 只下了一半权重 → 打开 Workflow Overview 面板看 Missing Models 列表点Download all一次补齐。先下 22b 蒸馏 checkpoint、gemma-3 文本编码器和 2× spatial upscaler 这三样跑通两阶段图。用 Single Stage 工作流在基础分辨率把提示词调到满意再切回两阶段出成片。显存不够时先上--reserve-vram 5 Low VRAM 加载器别急着降分辨率。帧数一律填1 8n长视频交给 Looping Sampler4K 以上交给 Tiled Fusion。每跑通一种配置把画布存成.json模板下次从 example_workflows/ 的目录里照着改。【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