ComfyUI-LTXVideo 快速上手指南：30 分钟跑通 LTX-2 文生视频，从第一条片子到 4K 输出-迪斯科星球

ComfyUI-LTXVideo 快速上手指南：30 分钟跑通 LTX-2 文生视频，从第一条片子到 4K 输出

【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 LTX-2 视频生成模型的 ComfyUI 节点扩展包，提供文生视频、图生视频、视频重制、配音替换等完整工作流。它解决的问题很实际：LTX-2 本体已内置在 ComfyUI 核心里，但深度控制、两阶段上采样、低显存运行这些进阶能力，要靠这个仓库里的节点和示例工作流才能真正用上。

从一个真实痛点说起

你生成了一段 5 秒的视频，画面里的人物走位不对、背景太糊、想要"镜头缓慢推近"却怎么也写不进提示词——重新抽卡十几次都不满意。这是大多数 LTX-2 用户卡住的地方：模型会画，但你没有"方向盘"。

ComfyUI-LTXVideo 把方向盘做成了节点：深度图、边缘图、姿态可以一起约束画面；运动轨迹可以直接画在第一帧上；不满意的部分可以用遮罩重绘；最后还能把 1080p 的输出继续融成 4K、8K。整个流程都发生在 ComfyUI 画布里，不用写脚本。

项目定位：它是什么，凭什么好用

先明确一点：LTX-2 本身已经进了 ComfyUI 核心，不需要本仓库也能出图。ComfyUI-LTXVideo 的定位是"进阶能力包"，具体带来四样东西：

🧩IC-LoRA 控制体系：通过 iclora.py 里的LTXAddVideoICLoRAGuide等节点，把深度、Canny 边缘、人体姿态等多种控制条件挂到生成流程上，Union Control 一个 LoRA 同时吃多路条件
🎬两阶段生成链：先低分辨率出草稿锁定构图和运动，再用空间/时间上采样模型升到高清，示例工作流在 example_workflows/ 下有 2.0、2.3、2.5 三代
💾低显存方案：low_vram_loaders.py 提供LowVRAMCheckpointLoader等节点，配合--reserve-vram参数，让 32GB 显存能跑完整流程
🔊音视频联合生成：LTX-2 是单一音视频联合 Transformer，本仓库提供LTXVAudioOnlyModel、LTXVAudioOnlyEmptyVideoLatent等节点，支持纯文生音频、音频驱动视频，以及 Dub-It 配音替换

节点全部注册在 nodes_registry.py 中，节点菜单里统一带🅛🅣🅧前缀，默认分类名是 "Lightricks"，方便和核心自带节点区分。

快速上手：环境、安装与首次运行

环境要求

项目	最低要求
ComfyUI	已安装且可正常运行
GPU	CUDA 兼容显卡，32GB+ VRAM
磁盘	100GB+ 空闲（模型+缓存）

安装 ComfyUI-LTXVideo 节点包

方式一（推荐）：打开 ComfyUI 按Ctrl+M进 Manager → Install Custom Nodes → 搜索LTXVideo→ 安装 → 重启 ComfyUI。

方式二：手动 clone 并装依赖：

cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt

模型下载清单

这是新手最容易翻车的环节。把文件放进对应目录（文件名为 Hugging Face 仓库中的原始文件名，自行到模型发布页下载）：

模型	文件名	放置目录
主模型（二选一）	`ltx-2.3-22b-dev.safetensors`（全量）或`ltx-2.3-22b-distilled-1.1.safetensors`（蒸馏）	`models/checkpoints/`
空间上采样	`ltx-2.3-spatial-upscaler-x2-1.1.safetensors`	`models/latent_upscale_models/`
时间上采样	`ltx-2.3-temporal-upscaler-x2-1.0.safetensors`	`models/latent_upscale_models/`
蒸馏 LoRA	`ltx-2.3-22b-distilled-lora-384-1.1.safetensors`	`models/loras/`
文本编码器	Gemma 3（`gemma-3-12b-it-qat-q4_0-unquantized`全部文件）	`models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/`

各 IC-LoRA（Union Control、Motion Track、HDR、Dub-It 等）按需下载，同样放models/loras/。

首次运行验证

打开 ComfyUI，确认节点菜单里出现🅛🅣🅧前缀的节点
从 example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json 拖入画布，或 Workflow → Open 加载
打开 Workflow Overview 面板，首次运行会列出 Missing Models，点 Download all 一次性拉齐缺失文件
填入提示词，点 Run。注意帧数规则：必须是 1 + 8 的倍数（如 9、97 帧），写 100 帧会报错

看到带声音的片段输出，说明主模型、上采样器、文本编码器三件套全部就位。

核心机制通俗解读

潜在空间：在"缩略图"上做修改

LTX-2 不直接在像素上画画，而是先通过 VAE 把视频压缩成一个小得多的张量——可以理解为"视频的缩略图"。所有去噪、引导、上采样都在这个缩略图层面进行，最后一步才放大回像素。这就是LTXVBaseSampler、LTXVInContextSampler、LTXVNormalizingSampler这些采样器（见 easy_samplers.py）的工作空间：同样的画质，显存和算力开销远小于像素级处理。

ComfyUI-LTXVideo LTX-2 基础模型视频生成效果示例

两阶段生成：先画草稿，再上高清

两阶段工作流的思路类似印刷流程：第一版用蒸馏模型在低分辨率下快速出稿，验证构图、运动、提示词是否满意；确认后第二版把潜在空间放大 2 倍再精炼一遍细节。对比两版输出能直观看到上采样带来的纹理增益：

ComfyUI-LTXVideo 蒸馏模型视频生成效果对比

蒸馏模型步数少、速度明显更快，适合迭代；对最终交付质量要求高时再切全量模型。

进阶玩法：三个高频技巧

IC-LoRA 联合控制：深度+边缘+姿态一起上

LTXAddVideoICLoRAGuide节点支持 Union IC-LoRA：同一个 LoRA 内部学会解析深度图和 Canny 边缘图两种信号，还能在下采样后的潜在尺寸上工作，省显存又提速。适合场景：你有一段参考视频，希望新视频严格保持空间结构和轮廓，只替换材质或风格。示例图如下，画在第一帧上的轨迹点就是运动控制的输入形态：

不想画轨迹时，Motion Track 工作流（LTX-2.3_ICLoRA_Motion_Track_Distilled.json）+LTXVSparseTrackEditor节点可以直接在画布上点出运动路径。

TiledFusionSampler：32GB 显存出 4K/8K

LTXVTiledFusionSampler和LTXVTiledSampler不是一回事，别混用：后者把每块 tile 独立采样，前者保持同一张潜在画布、同一份噪声场，每个去噪步都在重叠裁剪上跑模型，再用高斯混合写回画布——因为各 tile 共享轨迹，接缝不会出现，峰值显存只跟 tile 大小相关，而不是整张 4K 画布。配套 tiled_fusion_sampler.md 有完整参数说明，记住两条铁律：overlap_frac保持 0.5 以上；上采样阶段的提示词只描述光影风格，别点名具体物体，否则该物体会被"盖"进每一块 tile。2.5 代的 4K/8K 示例见 example_workflows/2.5/LTX-2.5_V2V_TiledFusion_Native_4K_8K.json。

长视频与低显存

要超过模型原生时长窗口时，用LTXVLoopingSampler：把时间轴切成重叠片段逐段生成，再按temporal_overlap_cond_strength强度衔接上一段的末尾帧，官方说明在 looping_sampler.md；配LTXVMultiPromptProvider还能给不同时间段写不同提示词。显存吃紧时优先做三件事：换LowVRAMCheckpointLoader加载器、启动参数加--reserve-vram 5、把 VAE 解码换成LTXVTiledVAEDecode分块解码。

常见问题与避坑

现象	可能原因	处理办法
帧数报错 / 无法运行	帧数不是 1+8n	改成 97、105 这类值；时长由 fps×秒数换算，可能和手填值略有出入
OOM 显存不足	直接跑全分辨率两阶段	低显存加载器 +`--reserve-vram`；上采样改走 TiledFusion 而非整图放大
上采样后出现周期网格纹	`overlap_frac`过低	调回 0.5 以上，`grid_cycle`设 4 让网格随步移动
4K 输出里同一物体重复出现在各 tile	上采样提示词点名了具体物体	二阶段提示词只写光影、色彩、质感类描述
时间上不连贯、跳帧	只用了空间上采样没配时间上采样	加载`ltx-2.3-temporal-upscaler-x2-1.0.safetensors`，走完整两阶段
HDR 色彩发灰或溢出	缺 EXR 依赖或解码链不全	`pip install openimageio`，用`LTXVHDRDecodePostprocess`解码，参考 hdr_nodes.py

下一步

装好之后最有价值的动作只有一个：把 example_workflows/ 里 2.3 目录的八个工作流逐个拖进画布跑一遍，感受文生视频、Union Control、HDR、Dub-It 配音各自的能力边界。节点总览见init.py 的NODE_CLASS_MAPPINGS，高级技巧节点集中在 tricks/nodes/，文档目录 docs.ltx.video/open-source-model/integration-tools/comfy-ui 的本地补充说明散落在各模块 md 文件里，遇到具体节点查对应源码注释通常最快。

【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

企业官网建设流程全解析