ComfyUI-LTXVideo 安装与配置完全指南3步跑通 LTX-2 视频生成按需解锁 4K 长视频与 HDR【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 是一套为 LTX-2 视频生成模型扩展 ComfyUI 能力的自定义节点集LTX-2 的推理核心已内置于 ComfyUI 本体而这个仓库提供的是让它更好用的部分——图像/文本/视频多模态条件控制、IC-LoRA 控制生成、大画布 4K/8K 分块融合采样、长视频循环采样、低显存加载器和现成的工作流示例。适合已经装好 ComfyUI、想把 LTX-2 跑起来并逐步深入控制视频生成细节的新手和进阶用户。它能帮你做什么先建立预期避免装完不知道能干嘛文本/图像生成视频纯文字或配一张首帧图生成带音频的视频LTX-2 是音视频联合模型一次生成画面和声音。控制生成IC-LoRA给一段参考视频或一张参考图用深度图、边缘图、姿态、运动轨迹等引导生成结构一致的短视频也能做局部重绘Inpaint、扩画幅Outpaint、SDR 转 HDR、配音改口型Dub-It等编辑任务。大画布与长视频分块融合采样把视频做到 FullHD/4K/8K循环采样把片段接成更长的序列且显存占用只跟分块大小走不跟整幅画布走。提示词增强用内置 LLM 把一句话提示扩写成电影感描述提升生成质量。低显存运行专用加载器把多个模型串行加载、按需卸载让 32GB 显存也能跑。官方推荐从 2.5 版本工作流说明 入手它同时给出了该用哪个工作流的完整决策树。最小可用配置3 步跑通第一个视频第一步安装节点前置条件已安装 ComfyUI显卡为 CUDA 且官方建议 32GB 以上显存磁盘预留 100GB 以上给模型和缓存。推荐路径最省事打开 ComfyUI点 Manager或按CtrlM。选择Install Custom Nodes搜索LTXVideo点安装。重启 ComfyUI。安装完成后新节点会出现在节点菜单的 LTXVideo 分类下节点显示名带前缀。首次运行工作流时所需模型会自动下载到对应目录。手动路径需要自定义安装位置时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依赖清单见 requirements.txtdiffusers、transformers、kornia、openimageio等其中openimageio是 HDR 工作流出 EXR 文件所必需。第二步下载模型模型不必逐个手动找加载工作流后打开Workflow Overview面板它会列出Missing Models点Download all一键拉取到正确的models/子目录只做一次后续复用。如果想手动下载对照 README 的 Required Models 一节关键几类及放置位置模型放置目录LTX-2.3 检查点ltx-2.3-22b-dev或ltx-2.3-22b-distilled-1.1二选一models/checkpoints空间/时间上采样器两阶段流程必需models/latent_upscale_models蒸馏 LoRA两阶段流程必需models/lorasGemma 文本编码器gemma-3-12b-it-qat-q4_0-unquantized整个目录models/text_encoders各类 IC-LoRA控制/编辑功能按需下载models/loras2.5 系列工作流统一使用蒸馏版 transformerltx-2.5-22b-distilled-transformer-bf16.safetensors步数少、迭代快每个工作流内部的Model Links注释写明了它精确需要哪些文件照单下载即可。第三步打开工作流填输入运行从 example_workflows/ 目录选一个.json用Workflow → Open打开或直接拖进画布。推荐起点LTX-2.5_T2V_I2V_Two_Stage_Distilled.json文本/图像生成视频带 2 倍空间上采样和精修同时生成视频与音频。在左侧 Inputs 区填写提示词、可选首帧图、时长等参数。点Run。一个必须记住的规则帧数必须是1 8 的倍数如 8、17、25、97图里的时长由 fps × 秒数换算可能与输入值略有出入。选对工作流按你的输入类型对号入座工作流分 2.0 / 2.3 / 2.5 三个目录2.5 是默认调优最低显存的新系列建议优先用。不必背清单按你手里有什么选你手里有用哪个均在 example_workflows/2.5/只有文字想要最稳的默认效果LTX-2.5_T2V_I2V_Two_Stage_Distilled.json两阶段空间细节更好只有文字想快、省显存LTX-2.5_T2V_I2V_Single_Stage_Distilled.json单阶段预览向一段音频画面要跟它走LTX-2.5_A2V_Two_Stage_Distilled.json只要音频不要画面LTX-2.5_T2A_Single_Stage_Distilled.json参考视频按深度/边缘/姿态控制LTX-2.5_ICLoRA_Union_Control_Distilled.json保留原画面改外观换装、风格 LoRALTX-2.5_V2V_ICLoRA_Single_Stage_Distilled.json补全蒙版区域 / 扩展画幅LTX-2.5_ICLoRA_Inpaint_Two_Stage_Distilled.json/..._Outpaint_...一张素材表角色/道具/场景排布图LTX-2.5_ICLoRA_Ingredients_Single_Stage_Distilled.json首帧图上画运动轨迹LTX-2.5_ICLoRA_Motion_Track_Distilled.json4K/8K 大画布LTX-2.5_V2V_TiledFusion_Native_4K_8K.json等 Tiled Fusion 系列HDR 相关SDR 转 HDR、HDR 修图HDR_workflows/子目录下的对应工作流2.0/2.3 系列适合老模型或特定 LoRA 场景命名规律相同T2V文本到视频、I2V图像到视频、V2V视频到视频、T2A文本到音频Distilled表示蒸馏快速版清单见 README 的 Example Workflows 一节。按需扩展四个进阶能力IC-LoRA 控制生成给模型一份约束图纸IC-LoRA 把参考信号深度图、Canny 边缘、人姿、运动轨迹、蒙版编码后挂到生成过程上让画面结构跟随参考而风格由提示词决定。核心节点是LTXAddVideoICLoRAGuide见 iclora.py。一个值得知道的设计Union IC-LoRA把深度和边缘控制合并进单个 LoRA并在降采样后的 latent 上工作省显存、提速明显。做视频到视频时提示词只描述光影、色调、锐度这类观感不要点名场景里的具体物体否则放大后这些细节可能被盖进每个空间分块。大画布 4K/8KTiled Fusion 分块融合LTXVTiledFusionSampler让模型在超过其训练窗口的画布上工作始终保持一张 latent 画布和一个噪声场每个去噪步骤只在重叠的空间分块上跑模型再高斯混合回画布——分块共享同一条去噪轨迹所以不会出现拼缝。配合LTXVGetTilingSizes节点可以直接得到合法的画布/分块尺寸组合。三个要点overlap_frac保持 0.5 以上否则结构化内容上会出现周期性网格、引导节点上的use_tiled_encode必须为 false、超长片段才需要打开use_streaming。详见 tiled_fusion_sampler.md。注意区分LTXVTiledSampler是各分块独立采样用途不同。长视频与高分辨率Looping SamplerLTXVLoopingSampler 把时间和空间两个方向都切开时间上按重叠片段自回归延长每段以上一段的末尾帧为条件空间上按重叠区域切分高分辨率帧加权混合后无缝拼接。支持关键帧条件指定若干帧必须长什么样、IC-LoRA 引导 latent、以及负位置编码的长记忆参考 latent 来抑制长序列漂移。配套MultiPromptProvider可用竖线分隔的多段提示词让画面内容随时间演进。调参经验时间重叠取分块大小的 25%~30%长序列把adain_factor设到 0.1~0.3 防过饱和出现可见接缝就加大 overlap。提示词增强与低显存设置提示词增强LTXVPromptEnhancer节点用 LLMLlama-3.2-3B-Instruct加图像描述模型把简短提示扩写成电影感长提示I2V 时还能理解首帧图。注意跑原生 HDR 工作流对标基准结果时官方建议关掉它。低显存设置方法把工作流里的加载节点替换为 low_vram_loaders.py 提供的LowVRAMCheckpointLoader等版本通过dependencies输入把多个模型加载串成先后执行配合启动参数把生成压进 32GB 显存python -m main --reserve-vram 5纯音频LTXVAudioOnlyModel让模型进入 audio-only 模式配LTXVAudioOnlyEmptyVideoLatent64×64 占位帧LTXVConcatAVLatent拼上音频 latent最后LTXVAudioVAEDecode出音频用内置Save Audio保存即可。HDR 管线LTXVSDRToHDRWorkingSpace把 SDR 转进 ACEScct 工作空间LTXVHDRDecodePostprocess解出线性 HDR 值可选经 OpenImageIO 导出 16/32-bit EXR 序列再用LTXVSaveHLG出 HLG 成品。原生 HDR 输入记得把img_compression设为 0避免压缩压暗高光。常见问题排查节点装了但菜单里找不到重启 ComfyUI 是安装流程的一部分不是可选项确认节点出现在 LTXVideo 分类前缀下而不是全局搜索节点类名。报错缺模型 / 节点红框打开 Workflow Overview 面板查看 Missing Models点 Download all 自动补齐或按工作流内的 Model Links 注释手动下载。两阶段流程最容易漏的是空间/时间上采样器和蒸馏 LoRA这两个是两阶段管线硬性依赖单阶段则不需要上采样器。显存不足OOM按顺序尝试换单阶段工作流 → 换用低显存加载器节点 → 启动时加--reserve-vram→ 2.5 系列工作流中调小 decode tile size默认值就是为低显存调的显存富余时才调大求快。帧数相关报错帧数必须是1 8 的倍数生成参数里的tile_frames类值同理如 97。循环采样的接缝/漂移/过饱和接缝 → 加大时间或空间 overlap长序列主体漂移 → 提供optional_negative_index_latents参考 latent 并调高temporal_overlap_cond_strength颜色过饱和或偏移 → 调高adain_factor或提供归一化参考 latent。Tiled Fusion 出现规则网格状伪影overlap_frac降到 0.5 以下是最常见原因其次是误开了引导节点的use_tiled_encode。依赖装不上确认用的是 ComfyUI 环境对应的 Python 解释器便携版安装要指定python_embeded\python.exe -m pipninja版本被锁在~1.11.1.4与系统其他包的依赖冲突时优先隔离环境安装。收尾装好节点、下齐模型、打开一个 2.5 两阶段工作流跑通第一条视频就是 ComfyUI-LTXVideo 的完整最小闭环。之后的路径很清晰想要结构控制上 IC-LoRA想要更长的片子上 Looping Sampler想要更大画布上 Tiled Fusion显存吃紧就换低显存加载器。工作流选择细节持续更新在 example_workflows/2.5/README.md节点与文档以仓库内 README 为准。【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