UE5 Nanite渲染全解读：从虚拟化几何到高模生产落地的完整指南
2026/10/18 2:56:45
ComfyUI-LTXVideo 全流程指南：从零跑通 AI 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-LTXVideo
ComfyUI-LTXVideo 是 ComfyUI 中 LTX-2 视频模型的配套自定义节点集。模型内核已内置在 ComfyUI 主线里，这个仓库补齐了 AI 视频生成工作流所需的全部节点与示例。它解决三类问题：大分辨率直出吃显存、生成过程不可控、长视频难拼接。本文的文生视频、图生视频、视频到视频三条链路都来自官方仓库配置，32GB 显存的显卡可以 5 分钟跑通第一条视频。
5 分钟认识 ComfyUI-LTXVideo
先看它有哪些能力，后文再逐条展开。
- 两阶段蒸馏流水线——第一阶段出低清草稿，第二阶段对潜空间上采样，最终分辨率更高，单步显存更低
- Union IC-LoRA——深度、边缘、姿态等控制条件合并进一个 LoRA，潜空间下采样后处理，显存和耗时同时下降
- Tiled Fusion 采样器——在重叠的空间瓦片上分步去噪，可输出超过模型训练窗口的 4K/8K 画布
- 低显存加载器——按执行顺序运行模型并自动卸载，22B 权重在 32GB 显卡内跑动
- 提示词增强——Gemma 把一句话扩写成电影感描述，还能从首帧自动补画面文案
- HDR / Dub-It / 像素上采样 IC-LoRA——SDR 转 HDR、口型换台词、2×/4× 创意超分三个高价值插件
从零跑到第一条 AI 视频
部署只分三步：装节点、装依赖、放模型文件。硬件先看这两档。
| 档位 | 显卡与显存 | 磁盘 | 定位 |
|---|---|---|---|
| 最低 | 24GB（RTX 3090/4090） | 100GB SSD | 走低显存加载器路线，见 low_vram_loaders.py |
| 推荐 | 32GB+（官方前置要求） | 100GB+ | 22B 蒸馏检查点 + Gemma 编码器直接跑 |
一共三条命令：克隆节点仓库、装 Python 依赖、重启 ComfyUI。
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重启后节点菜单里会多出 LTXVideo 分类，即安装成功。也可以在 Comfy Manager 里按 Ctrl+M → Install Custom Nodes → 搜 LTXVideo，免去手动克隆。
模型文件放四处，按官方 README 列出的是 2.3 版本权重，自行下载后对应放置：
ComfyUI/models/ ├── checkpoints/ltx-2.3-22b-distilled-1.1.safetensors ├── latent_upscale_models/ltx-2.3-spatial-upscaler-x2-1.1.safetensors ├── latent_upscale_models/ltx-2.3-temporal-upscaler-x2-1.0.safetensors ├── loras/ltx-2.3-22b-distilled-lora-384-1.1.safetensors └── text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/这 5 份文件覆盖单阶段文生视频与图生视频。用到 HDR、配音或控制功能时，再按需在 loras 下补对应 IC-LoRA。第一次运行直接从 example_workflows/ 挑一份工作流，缺的模型会在首次使用时自动下载。
三大生成模式怎么选
三种模式共用同一套采样器，差别只在条件来源。按你手里的素材形态选就行。
文生视频（T2V）
- 适用场景：只有一句文字描述，做概念验证、分镜预演
- 关键参数：默认画布 768×512、帧数 97、条件强度 0.9
- 常见坑：提示词太长且主体靠后，画面会跑偏；把动作前置，场景交给 Gemma 补全
图生视频（I2V）
- 适用场景：画面已定、只生成运动，适合产品展示、概念图动起来
- 关键参数：条件图先经 crf 35 压缩再入模，strength 低于 0.9 运动更自由
- 常见坑：首帧漂移；核对条件图分辨率是否与潜空间匹配，crop 保持 disabled
视频到视频（V2V）
- 适用场景：对已有素材增强或换风格，Detailer 增清晰、HDR 换影调、像素上采样器做 2×/4×
- 关键参数：IC-LoRA 强度贴近 0.9 运行，大画布换 Tiled Fusion 采样器
- 常见坑：增强提示词里点名具体物体，每个瓦片会各画一份；只描述光效与配色
| 参数 | 建议值 | 作用 |
|---|---|---|
| width / height | 768×512，32 的倍数 | 第一阶段潜空间尺寸，翻一倍单步显存约 4 倍 |
| num_frames | 97（步长 8） | 帧数，越大越慢越吃显存 |
| strength | 0.9 | 条件贴合度，调低更自由，调高更贴原帧 |
| crf | 35 | 条件图压缩等级，过低会放大显存占用 |
| reserve-vram | 5 | ComfyUI 启动时预留的显存（GB），低显存视频生成的关键项 |
两个真实场景的落地配置
把参数落成两套可直接抄的配置：一套量产向，一套创意向。
场景一：30 秒社媒短视频
选单阶段蒸馏工作流 → 一句话提示词 + Gemma 增强 → 出 97 帧草稿 → 两阶段空间/时间上采样 → 导出成片。
| 环节 | 配置 | 效果 |
|---|---|---|
| 一阶段草稿 | 768×512、97 帧、蒸馏检查点 | 32GB 显存可跑，单轮改词 10 次不心疼 |
| 二阶段精修 | 空间 x2 + 时间 x2 + 蒸馏 LoRA | 分辨率与帧数翻倍，细节由模型合成补齐 |
迭代全部发生在草稿阶段，只让定稿走两阶段。视频工作流调优的重点，就是减少二阶段的重复运行次数。
场景二：静态插画转动态教学演示
准备一张教材插画 → I2V 单阶段打底 → 挂 IC-LoRA Motion Track 固定镜头轨迹 → 需要重绘主体时走 outpainting 工作流 → 两阶段上采样出片。
| 项目 | 无控制 LoRA | 有控制 LoRA |
|---|---|---|
| 镜头 | 随机游走，需多次重roll | 沿指定轨迹运动，一次可用 |
| 潜空间尺寸 | 全尺寸 | 下采样处理，显存与耗时同步下降 |
| 产物去向 | 仅预览 | 直接进课件与演示片 |
避坑指南：6 个高频问题
检查点加载就爆显存？22B 权重加 Gemma 编码器同时驻留会超出单卡容量，仓库自带的低显存加载器按执行顺序运行并自动卸载。做法：换用 sequential 版加载节点，并在 ComfyUI 启动参数里追加--reserve-vram 5。
两阶段上采样后画面发糊？多半是上采样器版本与检查点不匹配，或二阶段引导过强。做法：按官方 x2-1.1 空间权重配对 2.3 检查点，仍不清晰再降 strength 一档。
放大版里某个物体重复出现在每个区域？这是 Tiled Fusion 共享注意力的特性，提示词点名的物体会被每个瓦片各画一份。做法：V2V 提示词只写风格与光照，不写具体物体名。
配音项目的口型和音频对不上？Dub-It 是两阶段流水线，二阶段上采样时音频是冻结的，动过音频分支就会错位。做法：保持官方两阶段图不动，只改台词文本。
HDR 输出发黑或过曝？LoRA 产出的是 LogC3 压缩空间，必须经后处理节点解回线性 HDR。做法：在解码后挂 HDR 解码后处理节点，SDR 预览走 Reinhard 色调映射分支核对。
长视频生成太慢？直接加帧数会让潜空间体积暴涨，收益远低于成本。做法：用循环采样器分时间块生成并以潜空间重叠拼接，分块细节见 tiled_fusion_sampler.md。
ComfyUI-LTXVideo 把官方 LTX-2 从"能生成"变成"能交付"：两阶段解决分辨率，IC-LoRA 解决可控性，低显存加载器解决显卡门槛。跑通第一条视频后，example_workflows/ 里 2.0、2.3、2.5 三代示例可覆盖大部分日常需求。LTX-2 系列还在持续更新，IC-LoRA 生态值得长期跟踪。
【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