ComfyUI-LTXVideo 上手指南:四步把 LTX 视频从模糊草稿拉到高清成片【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 ComfyUI 上围绕 LTX-2 视频生成模型的一组扩展节点,核心解决三件事:空间与时间上采样(把基础分辨率和帧率拉上去)、分块采样与 VAE 补丁(压低显存占用)、IC-LoRA 条件控制(约束画面走向)。读者面向第一次接触 LTX 系列、想在本机跑通生成→提画质完整流程的创作者和开发者。全文按装环境、跑通首条视频、拉高清、显存与排错四个环节推进,最后给出资源入口。装环境:目录、依赖与模型文件先放对位置,再装依赖硬件上官方建议 CUDA GPU 显存 32GB 以上、可用磁盘 100GB 以上(模型加缓存体积不小)。已装好 ComfyUI 的前提下,把仓库克隆进 custom_nodes 目录:cd /path/to/ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo进入目录安装依赖:cd ComfyUI-LTXVideo pip install -r requirements.txt重启 ComfyUI 后,节点菜单里会出现 LTXVideo 分类,所需模型会在首次使用时自动下载。下载这四类模型文件模型可选文件放置目录主检查点(LTX-2.3)ltx-2.3-22b-dev.safetensors(完整版)或 ltx-2.3-22b-distilled-1.1.safetensors(蒸馏版)models/checkpoints空间上采样器ltx-2.3-spatial-upscaler-x1.5-1.0.safetensors 或 x2 版本models/latent_upscale_models时间上采样器ltx-2.3-temporal-upscaler-x2-1.0.safetensorsmodels/latent_upscale_models文本编码器Gemma 3(gemma-3-12b-it-qat-q4_0-unquantized 目录下全部文件)models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized前四类文件齐了才能走双阶段流程,其中空间与时间上采样器只被两阶段工作流用到。跑通第一条视频:用单阶段工作流单阶段工作流怎么选示例图都在 example_workflows/ 下,按模型版本分成 2.0 / 2.3 / 2.5 三个子目录。第一条视频建议直接导入现成图:文生视频 / 图生视频:example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json,图生视频模式需额外提供首帧图像文本生成音频:LTX-2.3_T2A_Single_Stage_Distilled.json,配合 LTXVAudioOnlyModel 节点把模型切到纯音频模式,不产出视频音频驱动视频:A2V 流程见 example_workflows/2.5/LTX-2.5_A2V_Two_Stage_Distilled.json模型取舍:distilled 蒸馏版出图快,适合反复试参数;full 完整版质量上限更高但耗时明显更长第一次生成用这组参数首跑不用追求极限画质,按下表下限把流程走通即可:参数推荐值作用帧数120–240控制时长,越长计算量越大基础分辨率960x540草稿规格,后续再上采样帧率24fps标准视频帧率采样步数20–30出图偏糊时向 25–30 调指导强度7.5–15.0控制提示词的影响力度降噪强度0.8–1.2影响成片清晰度把画质拉上去:双阶段上采样与画面控制用双阶段工作流做空间和时间上采样单阶段出的是基础分辨率草稿,高清路线走双阶段:第一阶段照常生成,第二阶段分头做空间上采样(1.5x 或 2x,拉分辨率)和时间上采样(2x,24fps 变 48fps)。对应示例图 example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json。两个配套手段:画布超过模型训练窗口时,用 LTXVTiledSampler 分块去噪,重叠区域建议 8–16 像素,块与块之间衔接更自然需要强调局部细节时,可用 LTXAttentionBank 先存注意力权重,再用 LTXPerturbedAttention 在生成时注入,用于重点区域强化、跨帧风格一致或运动轨迹约束画面走向要受控时上 IC-LoRAIC-LoRA 工作流用条件信号约束生成结果,2.3 系列现成的有几类(均在 example_workflows/2.3/ 下):运动跟踪:LTX-2.3_ICLoRA_Motion_Track_Distilled.jsonHDR 生成:LTX-2.3_ICLoRA_HDR_Distilled.json,输出经 LTXVHDRDecodePostprocess 解码,可导出 EXR 序列口型重配音(Dub-It):LTX-2.3_ICLoRA_DubIt_Two_Stage_Distilled.json,第二阶段上采样时音频保持冻结深度 边缘联合控制:LTX-2.3_ICLoRA_Union_Control_Distilled.json像素级空间放大:Pixel Spatial Upscaler 有 2x / 4x 两档,属生成式上采样,会重新合成纹理细节而非单纯插值效果不对或显存不够:按这个顺序查效果不对:先改参数再怀疑环境现象优先排查项调整方向画面发糊、细节少采样步数、指导强度步数提到 25–30,指导强度 10–15动作不连贯时间上采样启用 2x 时间上采样颜色失真HDR 链路调整 HDR 参数,或退回 SDR 流程生成太慢模型版本草稿换蒸馏模型,成片再跑双阶段显存不够:四个减压手段LTXVPatcherVAE:VAE 补丁节点,可把 VAE 解码环节的显存占用降约一半LTXVTiledSampler:把大分辨率视频拆成重叠小块分别处理,压低单块峰值占用低显存加载器:low_vram_loaders.py 中的加载节点,自动处理模型卸载顺序,让生成塞进 32GB 显存启动参数 --reserve-vram:python -m main --reserve-vram 5(单位 GB),给系统留出余量兜底手段:调小基础分辨率、减少单批同时处理的帧数。还差什么去哪看example_workflows/:2.0 / 2.3 / 2.5 三套预设工作流,2.5 下含 HDR 子目录tricks/nodes/:注意力注入、模型修改等高级节点的源码实现tiled_fusion_sampler.md:大画布 Tiled Fusion 采样的说明文档looping_sampler.md:循环采样器说明presets/stg_advanced_presets.json:STG 预设参数配置【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
