从安装到出片ComfyUI-LTXVideo 用 LTX-2 生成 AI 视频的实操教程【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 制作的 LTX-2 视频生成节点包负责把文本、静态图片或已有视频加工成可用的视频片段。它解决的是模型能力已有、但缺节点和流程的问题适合刚接触 LTX-2、想在 ComfyUI 里跑通第一条 AI 视频工作流的新手。开始前确认三件事已安装 ComfyUI、有 CUDA 兼容 GPU 且显存 32GB 以上、磁盘留有 100GB 以上空间给模型和缓存。十分钟拿到第一个结果安装步骤与出片主线打开 ComfyUI点击 Manager 按钮或按 CtrlM选择 Install Custom Nodes搜索 LTXVideo 并安装。更省事的替代路径是手动克隆到 ComfyUI 的 custom_nodes 目录并安装依赖cd custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt重启 ComfyUI。成功后节点菜单里会出现 LTXVideo 分类所有节点都挂在这里。加载示例工作流example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json。它同时覆盖文字生成视频和图片生成视频两种输入是最通用的入门起点。首次运行时所需模型主模型 checkpoint、Gemma 文本编码器等会自动下载你也可以按 README 的清单手动放入models/checkpoints、models/loras、models/text_encoders等目录。在提示词框里写入画面描述确认分辨率与帧数符合显存预算然后排队执行。第一次出片可能需要几分钟下载和加载属正常现象。ComfyUI-LTXVideo LTX-2 视频生成基础模型出图示例按输入类型看能力文字到视频单阶段工作流直接用提示词从噪声生成片段蒸馏版速度快、适合日常出片完整版细节更足。LTX-2 本身是音视频联合模型仓库里还有一条纯音频路径T2A 工作流配合LTXVAudioOnlyModel节点只用文本生成音频不产出画面。图片到视频把一张图接进条件输入首帧即被锁定模型负责补出后续运动。需要更强控制时选 IC-LoRA 工作流联合控制depth 人体姿态 边缘LTX-2.3_ICLoRA_Union_Control_Distilled.json运动轨迹跟踪LTX-2.3_ICLoRA_Motion_Track_Distilled.json两阶段带空间上采样LTX-2.3_T2V_I2V_Two_Stage_Distilled.json对已有视频再加工把输入换成一段已有视频同一套模型可以做定向修改而不必整段重画细节增强V2V Detailer 工作流局部重绘与扩边Inpaint / Outpaint 两阶段工作流配音与口型Lipdub 工作流换语言或改台词保留说话人音色二阶段中音频冻结后上采样高动态范围HDR IC-LoRA 输出 LogC3 线性 HDRLTXVHDRDecodePostprocess节点给出 SDR 预览并可选导出 EXR 序列创意放大Pixel Spatial Upscaler IC-LoRA 以 2× 或 4× 重新合成细节低倍数值更贴近原片高倍数值更自由出片问题排查现象、原因与调整项现象可能原因该调什么画面闪烁、帧间抖动采样步数不足缺少时序一致性约束启用 STG 引导器STGGuiderAdvanced并选预设延长片段时加大 Extend/Looping 节点的帧重叠细节模糊、发软用了蒸馏模型 基础分辨率单阶段换完整模型改两阶段工作流接空间/时间上采样生成速度太慢完整模型、高分辨率、步数偏高换蒸馏模型降分辨率改用单阶段工作流显存溢出OOM全流程常驻显存不足换 low_vram_loaders.py 里的 LowVRAM 加载节点启动时加--reserve-vram降低分辨率或改用分块采样长视频或高倍分辨率下出现接缝分块重叠不够增大 temporal_overlap 与空间 overlap提高 temporal_overlap_cond_strength显存优化与配置取舍32GB 档以蒸馏模型加单阶段工作流为主。加载环节改用low_vram_loaders.py提供的 LowVRAM 加载节点它们会排好执行顺序并做模型卸载官方说明可让全流程落在 32GB 内启动 ComfyUI 时加python -m main --reserve-vram 5给系统留出余量。48GB 及以上可放心跑完整模型与两阶段上采样工作流分辨率和帧数上限可以往上探长视频、超高分辨率交给 LTXVLoopingSampler 的时间/空间分块而不是硬扛。任何档位磁盘预留 100GB 以上同时只加载当前工作流需要的模型变体checkpoint、空间上采样器、时间上采样器、蒸馏 LoRA 各取其一即可。继续深入的路先跑通示例把 example_workflows/ 下 2.3 与 2.0 两套工作流各挑 2-3 个跑一遍重点观察每个节点连了哪些输入。再换参数从 guiders/ 和 STG 预设入手理解引导强度做长视频前通读 looping_sampler.md里面列全了 LTXVLoopingSampler 的帧块、重叠、条件帧参数。最后自建工作流参考 tricks/nodes/ 与 tricks/utils/ 里 FlowEdit、PAG、注意力缓存等高级节点的实现方式按需取用。第一条能稳定复现的工作流比十个没跑完的参数组合更有价值。下一步把单阶段 T2V 工作流的分辨率、帧数和步数各改一遍记录出片差异形成你自己的参数基线。【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 从安装到出片：ComfyUI-LTXVideo 用 LTX-2 生成 AI 视频的实操教程
从安装到出片ComfyUI-LTXVideo 用 LTX-2 生成 AI 视频的实操教程【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 制作的 LTX-2 视频生成节点包负责把文本、静态图片或已有视频加工成可用的视频片段。它解决的是模型能力已有、但缺节点和流程的问题适合刚接触 LTX-2、想在 ComfyUI 里跑通第一条 AI 视频工作流的新手。开始前确认三件事已安装 ComfyUI、有 CUDA 兼容 GPU 且显存 32GB 以上、磁盘留有 100GB 以上空间给模型和缓存。十分钟拿到第一个结果安装步骤与出片主线打开 ComfyUI点击 Manager 按钮或按 CtrlM选择 Install Custom Nodes搜索 LTXVideo 并安装。更省事的替代路径是手动克隆到 ComfyUI 的 custom_nodes 目录并安装依赖cd custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt重启 ComfyUI。成功后节点菜单里会出现 LTXVideo 分类所有节点都挂在这里。加载示例工作流example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json。它同时覆盖文字生成视频和图片生成视频两种输入是最通用的入门起点。首次运行时所需模型主模型 checkpoint、Gemma 文本编码器等会自动下载你也可以按 README 的清单手动放入models/checkpoints、models/loras、models/text_encoders等目录。在提示词框里写入画面描述确认分辨率与帧数符合显存预算然后排队执行。第一次出片可能需要几分钟下载和加载属正常现象。ComfyUI-LTXVideo LTX-2 视频生成基础模型出图示例按输入类型看能力文字到视频单阶段工作流直接用提示词从噪声生成片段蒸馏版速度快、适合日常出片完整版细节更足。LTX-2 本身是音视频联合模型仓库里还有一条纯音频路径T2A 工作流配合LTXVAudioOnlyModel节点只用文本生成音频不产出画面。图片到视频把一张图接进条件输入首帧即被锁定模型负责补出后续运动。需要更强控制时选 IC-LoRA 工作流联合控制depth 人体姿态 边缘LTX-2.3_ICLoRA_Union_Control_Distilled.json运动轨迹跟踪LTX-2.3_ICLoRA_Motion_Track_Distilled.json两阶段带空间上采样LTX-2.3_T2V_I2V_Two_Stage_Distilled.json对已有视频再加工把输入换成一段已有视频同一套模型可以做定向修改而不必整段重画细节增强V2V Detailer 工作流局部重绘与扩边Inpaint / Outpaint 两阶段工作流配音与口型Lipdub 工作流换语言或改台词保留说话人音色二阶段中音频冻结后上采样高动态范围HDR IC-LoRA 输出 LogC3 线性 HDRLTXVHDRDecodePostprocess节点给出 SDR 预览并可选导出 EXR 序列创意放大Pixel Spatial Upscaler IC-LoRA 以 2× 或 4× 重新合成细节低倍数值更贴近原片高倍数值更自由出片问题排查现象、原因与调整项现象可能原因该调什么画面闪烁、帧间抖动采样步数不足缺少时序一致性约束启用 STG 引导器STGGuiderAdvanced并选预设延长片段时加大 Extend/Looping 节点的帧重叠细节模糊、发软用了蒸馏模型 基础分辨率单阶段换完整模型改两阶段工作流接空间/时间上采样生成速度太慢完整模型、高分辨率、步数偏高换蒸馏模型降分辨率改用单阶段工作流显存溢出OOM全流程常驻显存不足换 low_vram_loaders.py 里的 LowVRAM 加载节点启动时加--reserve-vram降低分辨率或改用分块采样长视频或高倍分辨率下出现接缝分块重叠不够增大 temporal_overlap 与空间 overlap提高 temporal_overlap_cond_strength显存优化与配置取舍32GB 档以蒸馏模型加单阶段工作流为主。加载环节改用low_vram_loaders.py提供的 LowVRAM 加载节点它们会排好执行顺序并做模型卸载官方说明可让全流程落在 32GB 内启动 ComfyUI 时加python -m main --reserve-vram 5给系统留出余量。48GB 及以上可放心跑完整模型与两阶段上采样工作流分辨率和帧数上限可以往上探长视频、超高分辨率交给 LTXVLoopingSampler 的时间/空间分块而不是硬扛。任何档位磁盘预留 100GB 以上同时只加载当前工作流需要的模型变体checkpoint、空间上采样器、时间上采样器、蒸馏 LoRA 各取其一即可。继续深入的路先跑通示例把 example_workflows/ 下 2.3 与 2.0 两套工作流各挑 2-3 个跑一遍重点观察每个节点连了哪些输入。再换参数从 guiders/ 和 STG 预设入手理解引导强度做长视频前通读 looping_sampler.md里面列全了 LTXVLoopingSampler 的帧块、重叠、条件帧参数。最后自建工作流参考 tricks/nodes/ 与 tricks/utils/ 里 FlowEdit、PAG、注意力缓存等高级节点的实现方式按需取用。第一条能稳定复现的工作流比十个没跑完的参数组合更有价值。下一步把单阶段 T2V 工作流的分辨率、帧数和步数各改一遍记录出片差异形成你自己的参数基线。【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