ComfyUI-LTXVideo 教程用 LTX-2 在 ComfyUI 里生成视频、音频与 HDR 画面【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 ComfyUI 提供的 LTX-2 视频生成模型配套节点集。LTX-2 本体已内置在 ComfyUI 核心里本仓库补充了采样器、IC-LoRA 控制、HDR、配音、上采样等高级节点和全套示例工作流。这篇教程带你从装好插件、放对模型到跑出第一条视频再到按场景使用各项进阶能力。先备齐条件硬件门槛与最省事的安装 先确认三件事这是官方 README 给出的硬性前提已安装 ComfyUICUDA 兼容 GPU显存 32GB 起步至少 100GB 空闲磁盘空间用于模型和缓存。安装首选 ComfyUI Manager 路线全程不用敲命令打开 ComfyUI点击 Manager或按 CtrlM选择 Install Custom Nodes搜索 “LTXVideo”点击 Install等安装完成后重启 ComfyUI。重启后节点菜单里会出现 “Lightricks” 分类所有节点以 前缀显示。模型会在首次运行时按需下载也可以提前手动放好见下文资源清单。手动安装一笔带过clone 仓库到ComfyUI/custom_nodes/目录即可——git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo注意仓库里的example_workflows/assets/目录示例输入视频、图片使用了 git-lfs。如果 clone 后这些文件只有几百字节运行git lfs pull拉取真实素材否则工作流里的输入素材会加载失败。跑通第一条工作流五个步骤拿到第一段视频 目标是用最少操作拿到第一个可用结果路径如下导入工作流ComfyUI 中通过 Workflow → Open或直接把.json拖进画布打开 example_workflows/2.3/ 下的LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json。这是文/图生视频的单阶段蒸馏版工作流步数少、跑得快最适合首跑。补齐模型打开 Workflow Overview 面板首次使用会列出Missing Models点击Download all把文件拉进对应的ComfyUI/models/目录。这一步只需做一次之后复用。填输入在左侧 Inputs 里填正向/负向提示词可选地挂一张首帧图片变成 I2V确认时长和分辨率。帧数有讲究必须是 1 8 的倍数否则会报错。点 Run首次运行会加载 checkpoint 和 Gemma 文本编码器等待时间偏长属正常。看输出生成视频蒸馏管线会同时生成音频并自动保存到输出目录。如果之后想要更高画质换用同目录下的LTX-2.3_T2V_I2V_Two_Stage_Distilled.json第一阶段出基础分辨率第二阶段 2 倍空间上采样加一次短 refine pass。选工作流拿不准时example_workflows/2.5/README.md 里有一棵完整的决策树按“要不要音频 / 有没有参考视频 / 要哪种控制”逐级对号入座。拆场景同一套节点能覆盖哪些活儿不按节点罗列按你实际要干的活分六类。每类都对应 example_workflows/ 下现成的图。1. 文生视频 / 图生视频T2V / I2V最基本的用法。单阶段图Single_Stage_Distilled速度快、显存轻空间细节略逊两阶段图Two_Stage_Distilled多一次 2× 上采样和 3 步精修画质更好、耗时更长。带首帧图片输入即自动切换为 I2V 条件模式。2. 用深度、边缘、姿态“遥控”生成IC-LoRA 是本仓库的核心控制手段。Union Control IC-LoRA 把深度和 canny 边缘两种条件合并进一个 LoRA且工作在下采样后的 latent 尺寸上显存和推理速度都更省见LTX-2.3_ICLoRA_Union_Control_Distilled.json。Motion Track 玩法更直观用LTXVDrawTracks/LTXVSparseTrackEditor节点在第一帧上画稀疏运动轨迹生成时物体就沿你画的线走可选一张静图作为开场帧。3. 改现有片子局部重绘、扩边与 V2VInpaint给参考视频加遮罩视频填平遮罩区域ICLoRA_Inpaint_Two_Stage_DistilledOutpaint同一对 in/outpainting LoRA把画布向外扩展V2V用源片画面本身做 IC-LoRA 引导换一种外观重渲。2.5 的V2V_ICLoRA_Single_Stage_Distilled默认示例是 Instant Shave“秒剃胡子”LoRA换成 colorization、deblur、day-to-night、water-simulation 等 LoRA 即可复用整张图原始音频会被冻结保留。4. SDR 升 HDRHDR IC-LoRA 把普通 SDR 视频升级成 ACEScct 工作空间的线性 HDR供调色、EXR 导出和 HLG 母版使用。LoRA 输出是 LogC3 压缩空间LTXVHDRDecodePostprocess节点负责解码回线性值同时给你一份 Reinhard 色调映射的 SDR 预览和原始线性 HDR 张量接 OpenImageIO 还能直接写 16/32 位 EXR 序列pip install openimageio已列在 requirements.txt。单阶段用 LTX-2.3_ICLoRA_HDR_Distilled.json4K/8K 大画布走 TiledFusion SDR→HDR 图。5. 给片子换台词、改嘴型Dub-ItDub-It IC-LoRA 接受源视频 一句目标台词文本重新生成匹配的唇部动作和语音且保持说话人身份不变。支持跨语言翻译配音也支持同语言改写台词。两阶段管线里第二阶段上采样时冻结音频参考音频 token 保证音色一致。6. 生成式上采样与长视频、大画布Pixel Spatial Upscaler IC-LoRA提供 2×/4× 两档。它不是插值而是“创造性重绘”——从参考片合成细节低参数更贴源片、高参数更有想象力。推荐流程先在 ~280p 低分辨率锁定构图和运动再跑上采样出成片。超长视频LTXVLoopingSampler用时间轴分块重叠段衔接 空间分块生成单次跑不动的长视频支持关键帧、自回归延长和基于负位置编码的“长记忆”细节见 looping_sampler.md。超大画布 V2VLTXVTiledFusionSampler让每个去噪步都在重叠空间瓦片上运行但所有瓦片共享同一块 latent 画布和同一噪声场因此不会出现接缝。显存峰值只跟瓦片尺寸和时间窗口相关而不是整幅画布配套文档见 tiled_fusion_sampler.md。另外还有一个纯音频入口LTXVAudioOnlyModel节点把模型切到 audio-only 模式配合LTXVAudioOnlyEmptyVideoLatent64×64 单帧占位和LTXVConcatAVLatent即可文本直出音频用LTXVAudioVAEDecode解码后接标准 Save Audio 节点存 FLAC。下载清单模型放哪、依赖装什么资源文件存放目录ComfyUI 根目录下2.3 基础模型二选一ltx-2.3-22b-dev.safetensors完整/ltx-2.3-22b-distilled-1.1.safetensors蒸馏推荐新手models/checkpoints/2.5 蒸馏 transformerltx-2.5-22b-distilled-transformer-bf16.safetensorsmodels/checkpoints/空间上采样器ltx-2.3-spatial-upscaler-x2-1.1.safetensors另有 x1.5 版models/latent_upscale_models/时间上采样器ltx-2.3-temporal-upscaler-x2-1.0.safetensorsmodels/latent_upscale_models/蒸馏 LoRA两阶段管线需要ltx-2.3-22b-distilled-lora-384-1.1.safetensorsmodels/loras/Gemma 文本编码器gemma-3-12b-it-qat-q4_0-unquantized仓库全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/IC-LoRA按需union-control、motion-track、hdr、dubit、in-outpainting、instant-shave、pixel-spatial-upscaler-x2/x4 等models/loras/摄像头运镜 LoRA19b 系dolly-in/out、jib-up/down、static 等models/loras/权重统一来自 LTX-2.3 / LTX-2.5 的 HuggingFace 官方模型仓库每张工作流图内部的 Model Links 注释也写明了它具体需要哪些文件。Python 侧依赖按 requirements.txt 安装即可主要包含diffusers、transformers[timm]4.50.0、einops、kornia、huggingface_hub、colour-science、openimageioHDR EXR 读写等。调优手册给到具体数值的参数区间蒸馏 vs 完整模型蒸馏版采样步数少、适合快速迭代显存占用更低追求极限画质再上 dev 完整模型加大步数。帧数始终是1 8k。时长参数由 fps × 秒换算而来可能与手输值略有出入属正常。解码瓦片2.5 系列工作流的默认值是按低显存机器调的显存富裕时调大 decode tile size更少的更大瓦片速度明显提升。Tiled Fusion 关键项详见 tiled_fusion_sampler.mdoverlap_frac保持0.5 以上低于它会在规整画面上出现周期性网格tile_frames用97guide 与 sampler 两侧的tile_frames必须一致长于训练窗口的片段把两侧use_streaming同时打开LTXAddVideoICLoRAGuide上的use_tiled_encode保持false采样器选离散步方法euler / heun / dpm_2 ancestral 类方法每个瓦片独立加噪会引入接缝。Looping Samplertemporal_tile_size默认 80范围 24–1000步长 8temporal_overlap默认 2416–80重叠条件强度默认 0.5空间上horizontal/vertical_tiles各 1–6。低显存策略换成 low_vram_loaders.py 里的LowVRAMCheckpointLoader等加载节点——它们多一个dependencies输入把前一个加载器接到后一个的 dependencies 上模型就串行加载、错峰卸载让 32GB 也跑得动或者启动时加参数预留显存python -m main --reserve-vram 5提示词Tiled Fusion 的上采样阶段只描述“观感”光线、色板、锐度、调色不要点名场景里的具体物体——上采样后点名细节会被盖进每一个空间瓦片。避坑指南现象 → 原因 → 解决现象工作流报缺模型 / 加载失败。原因首次运行尚未下载权重或文件名、目录放错。解决打开 Workflow Overview 面板看 Missing Models 列表点 Download all手动下载时核对目录checkpoints / latent_upscale_models / loras / text_encoders。现象显存爆掉OOM。原因多个模型同时驻留或画布过大。解决换 LowVRAM 系列加载器串行加载、加--reserve-vram、降分辨率或改单阶段工作流2.5 图默认就是低显存配置先别急着放大 decode 瓦片。现象拼接画面出现周期性网格或瓦片接缝。原因overlap_frac低于 0.5、use_tiled_encode误开、或用了 ancestral/多步历史采样器。解决按上节数值回调采样器换 euler。现象Tiled Fusion 输出里每个瓦片都“长出”了同一个物体。原因上采样阶段提示词点名了具体物体。解决stage-2 提示词只写风格与观感。现象帧数设置报错。原因帧数不是1 8 的倍数。解决按规则取整。现象assets 目录里的示例图片/视频打不开文件只有几百字节。原因这些素材走 git-lfs仓库里是 132 字节的指针文件。解决在仓库目录执行git lfs pull。现象EXR 导出/读取报错。原因缺 OpenImageIO。解决pip install openimageio已包含在 requirements.txt 中。进阶路线读源码、做二次开发想深入时建议按这个顺序读nodes_registry.py所有节点都通过comfy_node装饰器注册display name 自动加 前缀、支持 experimental / deprecated 标记。新建一个 LTX 节点照这个模式写类、声明INPUT_TYPES并在__init__.py的静态映射里登记Manager 依赖静态映射识别节点即可。easy_samplers.pyLTXVBaseSampler/LTXVExtendSampler/LTXVInContextSampler/LTXVNormalizingSampler四个基础采样器的分工是理解整个管线执行流的最佳入口。iclora.py 与 guide.pyIC-LoRA 引导帧如何拼进 latent、引导条件如何在正负向 conditioning 上分发。looping_sampler.md 与 tiled_fusion_sampler.md仓库自带的两份设计文档参数表和图结构都写得非常细比源码好读。tricks/一批实验性技巧节点目录名即定位包括 PAG 注意力引导默认 scale 2.0 / rescale 0.5 / cfg 3.0、attention bank 存取、FETA 增强、FlowEdit、整流化采样器等适合想折腾提示词级控制的进阶用户。guiders/ web/js/多模态 guider 的后端逻辑与前端高级参数面板、稀疏轨迹编辑器是配套的改参数 UI 时两边要一起看。文本编码gemma_encoder.py 内置本地 Gemma 编码gemma_configs/ 是 tokenizer 配置另有GemmaAPITextEncode可走 API 通道系统提示词模板在 system_prompts/STG 高级预设见 presets/stg_advanced_presets.json。二次开发常见方向新增一种 IC-LoRA 控制复用LTXAddVideoICLoRAGuide、为 2.5 新 LoRA 补一张示例图、或把 tricks 里的实验节点转正。遇到问题可去官方 Discord 社区提问LTX-2 模型本体的细节以 Lightricks 主仓库与官方文档为准。收尾一句话总结ComfyUI-LTXVideo 把 LTX-2 从“能生成视频”推进到“可控、可改、可上 HDR、可配音、可上 4K/8K”的完整生产管线而且每一类能力都有开箱即用的工作流。下一步行动清单用 Manager 装好插件并重启 ComfyUI按清单下好 2.3 蒸馏 checkpoint Gemma 编码器跑通单阶段 T2V 工作流换两阶段工作流对比画质差异顺手学会 Missing Models 面板挑一个 IC-LoRA 场景建议 Union Control 或 Inpaint把引导帧流程走一遍读完 looping_sampler.md尝试生成一条超过单窗口时长的视频。【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 16:45:04 · 阅读 1.2k ComfyUI-LTXVideo 教程：用 LTX-2 在 ComfyUI 里生成视频、音频与 HDR 画面
ComfyUI-LTXVideo 教程用 LTX-2 在 ComfyUI 里生成视频、音频与 HDR 画面【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 ComfyUI 提供的 LTX-2 视频生成模型配套节点集。LTX-2 本体已内置在 ComfyUI 核心里本仓库补充了采样器、IC-LoRA 控制、HDR、配音、上采样等高级节点和全套示例工作流。这篇教程带你从装好插件、放对模型到跑出第一条视频再到按场景使用各项进阶能力。先备齐条件硬件门槛与最省事的安装 先确认三件事这是官方 README 给出的硬性前提已安装 ComfyUICUDA 兼容 GPU显存 32GB 起步至少 100GB 空闲磁盘空间用于模型和缓存。安装首选 ComfyUI Manager 路线全程不用敲命令打开 ComfyUI点击 Manager或按 CtrlM选择 Install Custom Nodes搜索 “LTXVideo”点击 Install等安装完成后重启 ComfyUI。重启后节点菜单里会出现 “Lightricks” 分类所有节点以 前缀显示。模型会在首次运行时按需下载也可以提前手动放好见下文资源清单。手动安装一笔带过clone 仓库到ComfyUI/custom_nodes/目录即可——git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo注意仓库里的example_workflows/assets/目录示例输入视频、图片使用了 git-lfs。如果 clone 后这些文件只有几百字节运行git lfs pull拉取真实素材否则工作流里的输入素材会加载失败。跑通第一条工作流五个步骤拿到第一段视频 目标是用最少操作拿到第一个可用结果路径如下导入工作流ComfyUI 中通过 Workflow → Open或直接把.json拖进画布打开 example_workflows/2.3/ 下的LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json。这是文/图生视频的单阶段蒸馏版工作流步数少、跑得快最适合首跑。补齐模型打开 Workflow Overview 面板首次使用会列出Missing Models点击Download all把文件拉进对应的ComfyUI/models/目录。这一步只需做一次之后复用。填输入在左侧 Inputs 里填正向/负向提示词可选地挂一张首帧图片变成 I2V确认时长和分辨率。帧数有讲究必须是 1 8 的倍数否则会报错。点 Run首次运行会加载 checkpoint 和 Gemma 文本编码器等待时间偏长属正常。看输出生成视频蒸馏管线会同时生成音频并自动保存到输出目录。如果之后想要更高画质换用同目录下的LTX-2.3_T2V_I2V_Two_Stage_Distilled.json第一阶段出基础分辨率第二阶段 2 倍空间上采样加一次短 refine pass。选工作流拿不准时example_workflows/2.5/README.md 里有一棵完整的决策树按“要不要音频 / 有没有参考视频 / 要哪种控制”逐级对号入座。拆场景同一套节点能覆盖哪些活儿不按节点罗列按你实际要干的活分六类。每类都对应 example_workflows/ 下现成的图。1. 文生视频 / 图生视频T2V / I2V最基本的用法。单阶段图Single_Stage_Distilled速度快、显存轻空间细节略逊两阶段图Two_Stage_Distilled多一次 2× 上采样和 3 步精修画质更好、耗时更长。带首帧图片输入即自动切换为 I2V 条件模式。2. 用深度、边缘、姿态“遥控”生成IC-LoRA 是本仓库的核心控制手段。Union Control IC-LoRA 把深度和 canny 边缘两种条件合并进一个 LoRA且工作在下采样后的 latent 尺寸上显存和推理速度都更省见LTX-2.3_ICLoRA_Union_Control_Distilled.json。Motion Track 玩法更直观用LTXVDrawTracks/LTXVSparseTrackEditor节点在第一帧上画稀疏运动轨迹生成时物体就沿你画的线走可选一张静图作为开场帧。3. 改现有片子局部重绘、扩边与 V2VInpaint给参考视频加遮罩视频填平遮罩区域ICLoRA_Inpaint_Two_Stage_DistilledOutpaint同一对 in/outpainting LoRA把画布向外扩展V2V用源片画面本身做 IC-LoRA 引导换一种外观重渲。2.5 的V2V_ICLoRA_Single_Stage_Distilled默认示例是 Instant Shave“秒剃胡子”LoRA换成 colorization、deblur、day-to-night、water-simulation 等 LoRA 即可复用整张图原始音频会被冻结保留。4. SDR 升 HDRHDR IC-LoRA 把普通 SDR 视频升级成 ACEScct 工作空间的线性 HDR供调色、EXR 导出和 HLG 母版使用。LoRA 输出是 LogC3 压缩空间LTXVHDRDecodePostprocess节点负责解码回线性值同时给你一份 Reinhard 色调映射的 SDR 预览和原始线性 HDR 张量接 OpenImageIO 还能直接写 16/32 位 EXR 序列pip install openimageio已列在 requirements.txt。单阶段用 LTX-2.3_ICLoRA_HDR_Distilled.json4K/8K 大画布走 TiledFusion SDR→HDR 图。5. 给片子换台词、改嘴型Dub-ItDub-It IC-LoRA 接受源视频 一句目标台词文本重新生成匹配的唇部动作和语音且保持说话人身份不变。支持跨语言翻译配音也支持同语言改写台词。两阶段管线里第二阶段上采样时冻结音频参考音频 token 保证音色一致。6. 生成式上采样与长视频、大画布Pixel Spatial Upscaler IC-LoRA提供 2×/4× 两档。它不是插值而是“创造性重绘”——从参考片合成细节低参数更贴源片、高参数更有想象力。推荐流程先在 ~280p 低分辨率锁定构图和运动再跑上采样出成片。超长视频LTXVLoopingSampler用时间轴分块重叠段衔接 空间分块生成单次跑不动的长视频支持关键帧、自回归延长和基于负位置编码的“长记忆”细节见 looping_sampler.md。超大画布 V2VLTXVTiledFusionSampler让每个去噪步都在重叠空间瓦片上运行但所有瓦片共享同一块 latent 画布和同一噪声场因此不会出现接缝。显存峰值只跟瓦片尺寸和时间窗口相关而不是整幅画布配套文档见 tiled_fusion_sampler.md。另外还有一个纯音频入口LTXVAudioOnlyModel节点把模型切到 audio-only 模式配合LTXVAudioOnlyEmptyVideoLatent64×64 单帧占位和LTXVConcatAVLatent即可文本直出音频用LTXVAudioVAEDecode解码后接标准 Save Audio 节点存 FLAC。下载清单模型放哪、依赖装什么资源文件存放目录ComfyUI 根目录下2.3 基础模型二选一ltx-2.3-22b-dev.safetensors完整/ltx-2.3-22b-distilled-1.1.safetensors蒸馏推荐新手models/checkpoints/2.5 蒸馏 transformerltx-2.5-22b-distilled-transformer-bf16.safetensorsmodels/checkpoints/空间上采样器ltx-2.3-spatial-upscaler-x2-1.1.safetensors另有 x1.5 版models/latent_upscale_models/时间上采样器ltx-2.3-temporal-upscaler-x2-1.0.safetensorsmodels/latent_upscale_models/蒸馏 LoRA两阶段管线需要ltx-2.3-22b-distilled-lora-384-1.1.safetensorsmodels/loras/Gemma 文本编码器gemma-3-12b-it-qat-q4_0-unquantized仓库全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/IC-LoRA按需union-control、motion-track、hdr、dubit、in-outpainting、instant-shave、pixel-spatial-upscaler-x2/x4 等models/loras/摄像头运镜 LoRA19b 系dolly-in/out、jib-up/down、static 等models/loras/权重统一来自 LTX-2.3 / LTX-2.5 的 HuggingFace 官方模型仓库每张工作流图内部的 Model Links 注释也写明了它具体需要哪些文件。Python 侧依赖按 requirements.txt 安装即可主要包含diffusers、transformers[timm]4.50.0、einops、kornia、huggingface_hub、colour-science、openimageioHDR EXR 读写等。调优手册给到具体数值的参数区间蒸馏 vs 完整模型蒸馏版采样步数少、适合快速迭代显存占用更低追求极限画质再上 dev 完整模型加大步数。帧数始终是1 8k。时长参数由 fps × 秒换算而来可能与手输值略有出入属正常。解码瓦片2.5 系列工作流的默认值是按低显存机器调的显存富裕时调大 decode tile size更少的更大瓦片速度明显提升。Tiled Fusion 关键项详见 tiled_fusion_sampler.mdoverlap_frac保持0.5 以上低于它会在规整画面上出现周期性网格tile_frames用97guide 与 sampler 两侧的tile_frames必须一致长于训练窗口的片段把两侧use_streaming同时打开LTXAddVideoICLoRAGuide上的use_tiled_encode保持false采样器选离散步方法euler / heun / dpm_2 ancestral 类方法每个瓦片独立加噪会引入接缝。Looping Samplertemporal_tile_size默认 80范围 24–1000步长 8temporal_overlap默认 2416–80重叠条件强度默认 0.5空间上horizontal/vertical_tiles各 1–6。低显存策略换成 low_vram_loaders.py 里的LowVRAMCheckpointLoader等加载节点——它们多一个dependencies输入把前一个加载器接到后一个的 dependencies 上模型就串行加载、错峰卸载让 32GB 也跑得动或者启动时加参数预留显存python -m main --reserve-vram 5提示词Tiled Fusion 的上采样阶段只描述“观感”光线、色板、锐度、调色不要点名场景里的具体物体——上采样后点名细节会被盖进每一个空间瓦片。避坑指南现象 → 原因 → 解决现象工作流报缺模型 / 加载失败。原因首次运行尚未下载权重或文件名、目录放错。解决打开 Workflow Overview 面板看 Missing Models 列表点 Download all手动下载时核对目录checkpoints / latent_upscale_models / loras / text_encoders。现象显存爆掉OOM。原因多个模型同时驻留或画布过大。解决换 LowVRAM 系列加载器串行加载、加--reserve-vram、降分辨率或改单阶段工作流2.5 图默认就是低显存配置先别急着放大 decode 瓦片。现象拼接画面出现周期性网格或瓦片接缝。原因overlap_frac低于 0.5、use_tiled_encode误开、或用了 ancestral/多步历史采样器。解决按上节数值回调采样器换 euler。现象Tiled Fusion 输出里每个瓦片都“长出”了同一个物体。原因上采样阶段提示词点名了具体物体。解决stage-2 提示词只写风格与观感。现象帧数设置报错。原因帧数不是1 8 的倍数。解决按规则取整。现象assets 目录里的示例图片/视频打不开文件只有几百字节。原因这些素材走 git-lfs仓库里是 132 字节的指针文件。解决在仓库目录执行git lfs pull。现象EXR 导出/读取报错。原因缺 OpenImageIO。解决pip install openimageio已包含在 requirements.txt 中。进阶路线读源码、做二次开发想深入时建议按这个顺序读nodes_registry.py所有节点都通过comfy_node装饰器注册display name 自动加 前缀、支持 experimental / deprecated 标记。新建一个 LTX 节点照这个模式写类、声明INPUT_TYPES并在__init__.py的静态映射里登记Manager 依赖静态映射识别节点即可。easy_samplers.pyLTXVBaseSampler/LTXVExtendSampler/LTXVInContextSampler/LTXVNormalizingSampler四个基础采样器的分工是理解整个管线执行流的最佳入口。iclora.py 与 guide.pyIC-LoRA 引导帧如何拼进 latent、引导条件如何在正负向 conditioning 上分发。looping_sampler.md 与 tiled_fusion_sampler.md仓库自带的两份设计文档参数表和图结构都写得非常细比源码好读。tricks/一批实验性技巧节点目录名即定位包括 PAG 注意力引导默认 scale 2.0 / rescale 0.5 / cfg 3.0、attention bank 存取、FETA 增强、FlowEdit、整流化采样器等适合想折腾提示词级控制的进阶用户。guiders/ web/js/多模态 guider 的后端逻辑与前端高级参数面板、稀疏轨迹编辑器是配套的改参数 UI 时两边要一起看。文本编码gemma_encoder.py 内置本地 Gemma 编码gemma_configs/ 是 tokenizer 配置另有GemmaAPITextEncode可走 API 通道系统提示词模板在 system_prompts/STG 高级预设见 presets/stg_advanced_presets.json。二次开发常见方向新增一种 IC-LoRA 控制复用LTXAddVideoICLoRAGuide、为 2.5 新 LoRA 补一张示例图、或把 tricks 里的实验节点转正。遇到问题可去官方 Discord 社区提问LTX-2 模型本体的细节以 Lightricks 主仓库与官方文档为准。收尾一句话总结ComfyUI-LTXVideo 把 LTX-2 从“能生成视频”推进到“可控、可改、可上 HDR、可配音、可上 4K/8K”的完整生产管线而且每一类能力都有开箱即用的工作流。下一步行动清单用 Manager 装好插件并重启 ComfyUI按清单下好 2.3 蒸馏 checkpoint Gemma 编码器跑通单阶段 T2V 工作流换两阶段工作流对比画质差异顺手学会 Missing Models 面板挑一个 IC-LoRA 场景建议 Union Control 或 Inpaint把引导帧流程走一遍读完 looping_sampler.md尝试生成一条超过单窗口时长的视频。【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