ComfyUI-LTXVideo 实战指南从克隆到出片LTX 视频生成 32GB 显存可跑【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 是面向 LTX-2 视频生成模型的 ComfyUI 插件合集。输入一句提示词或者一张图加一句话排队几分钟后就能拿到一段几秒的动态视频。LTX-2 是 220 亿参数的模型显存门槛高这个插件用低显存加载器和现成工作流把门槛压了下来。上手路径从克隆到第一条视频第 1 步获取代码并放进 ComfyUI。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo ComfyUI/custom_nodes/ComfyUI-LTXVideo这一步的意思是插件必须住在 ComfyUI 的 custom_nodes 目录下重启 ComfyUI 后节点菜单里会出现新的 LTXVideo 分类。如果你不想敲命令在 ComfyUI 的 Manager 里搜 “LTXVideo” 一键安装效果等价。第 2 步装依赖。pip install -r ComfyUI/custom_nodes/ComfyUI-LTXVideo/requirements.txt插件依赖 transformers、einops 等库缺了它们节点在启动时不会注册菜单就是空的。第 3 步下模型。这是最重的一步共 4 类各自放进 models 下对应的子目录主模型checkpointltx-2.3-22b-distilled-1.1.safetensors蒸馏版出片快或ltx-2.3-22b-dev.safetensors完整版细节好放models/checkpoints空间与时间上采样器ltx-2.3-spatial-upscaler-x2、ltx-2.3-temporal-upscaler-x2两个文件放models/latent_upscale_modelsGemma 3 文本编码器以整个目录的形式放models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized——LTX-2 用 Gemma 3 理解文本不是老的 T5蒸馏 LoRA仅两阶段流水线需要放models/loras。第 4 步跑第一条工作流。在 ComfyUI 里打开example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json填好提示词点排队几分钟后就出片。最容易卡住的是第 3 步主模型几十 GB、Gemma 编码器好几个 GB而且编码器如果只放单个文件节点会找不到务必是完整目录。LTX视频生成示例建筑场景图像转视频输出能力地图LTX 视频生成能做什么文字 → 视频2.3 单阶段工作流直接覆盖两阶段版本会在生成后自动做空间 时间上采样直接出高分辨率、高帧率。一张图 → 动起来用运动跟踪工作流LTX-2.3_ICLoRA_Motion_Track_Distilled.json靠 LTXVAddLatentGuide 节点把静帧“引导”进潜空间潜空间可以理解成图像的压缩数字表示视频从这帧起步运动走向跟着你的轨迹走。低清 → 高清/高帧率Pixel Spatial Upscaler IC-LoRA 做 2 倍/4 倍“生成式放大”——不是像素插值而是参照原片重新渲染纹理细节可以先在约 280p 定好构图再升上去2.0 还有个 V2V Detailer 工作流做细节增强。控制镜头和构图两条路线。一是相机控制 LoRAdolly in/out、jib up/down共六个方向二是 Union IC-LoRA把深度图和边缘 Canny 轮廓图融合进同一个 LoRA在下采样后的潜空间里工作省显存还提速。附加选项Lipdub IC-LoRA 做配音改台词嘴型同步重生成、HDR IC-LoRA 输出 ARRI LogC3 线性动态范围、可导出 EXRLTXVAudioOnlyModel 节点则做纯文本生成音频。两种模型模式按目标选完整版dev蒸馏版distilled主模型文件ltx-2.3-22b-dev.safetensorsltx-2.3-22b-distilled-1.1.safetensors步数与速度步数多、出片慢步数少、出片快适合场景最终成片草图、批量生成、先草后升LTX视频生成蒸馏模型效果蒸馏工作流输出对比调优手册最影响出片的 3 个杠杆 ⚡杠杆一两阶段先草后升。现象直接生成高分辨率很慢、显存吃紧。原因计算量随像素数近似平方增长。操作先用单阶段蒸馏工作流出低分辨率锁定构图和运动再用空间上采样器升 2 倍、时间上采样器补帧。效果总耗时更短、显存更低细节反而更多。杠杆二引导强度。现象视频偏离提示词或者画面过饱和发硬。原因引导缩放没和内容复杂度匹配。操作调 guider 节点里的cfg_scale引导值仍不稳定时换 stg.py 里的 STG/APG 高级引导两者都是抑制文本过度反应的引导技术。效果贴合度更高色彩更自然。杠杆三压闪烁。现象帧与帧之间跳变、光影不稳。原因每帧潜空间独立采样噪声微小差异被放大。操作潜空间过 LTXVStatNormLatent 或 LTXVAdainLatent 做逐帧统计归一化批量生成时用 tricks 目录里的注意力缓存复用关键帧的注意力。效果跨帧闪烁明显减少长镜头更稳。如果你只有 24GB 显存官方建议 32GB24GB 要靠下面这套组合蒸馏版 checkpoint LTXVQ8Patch节点做量化推理换用 low_vram_loaders.py 里的 LowVRAMCheckpointLoader 管理模型上下卡再用python -m main --reserve-vram 5参数启动 ComfyUI。跑起来你会发现出片质量略逊于完整流水线但显存能装下。避坑与延伸坑一节点不显示。现象菜单里没有 LTXVideo 分类。排查grep -i ltxvideo execution.log看导入报错。修复九成是依赖缺失补跑第 2 步的安装命令后重启即可。坑二模型下拉框为空、节点标红。现象找不到 checkpoint 或文本编码器。排查ls ComfyUI/models/checkpoints看文件在不在。修复按第 3 步的清单核对四类模型位置Gemma 3 必须是完整目录文件名与工作流要求一致。想抠原理的话两个源码文件最值得读low_vram_loaders.py——读完能理解 22B 模型在 32GB 显存下如何加载、卸载和重排执行顺序以及怎么套用到更低显存tricks/nodes/attn_bank_nodes.py——读完能理解注意力权重的缓存与复用机制以及批量生成时怎么省掉重复计算。下一步建议先把 2.3 单阶段蒸馏工作流跑通、出第一条视频再逐步换上两阶段上采样和各种控制 LoRA。【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 ComfyUI-LTXVideo 实战指南：从克隆到出片，LTX 视频生成 32GB 显存可跑
ComfyUI-LTXVideo 实战指南从克隆到出片LTX 视频生成 32GB 显存可跑【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 是面向 LTX-2 视频生成模型的 ComfyUI 插件合集。输入一句提示词或者一张图加一句话排队几分钟后就能拿到一段几秒的动态视频。LTX-2 是 220 亿参数的模型显存门槛高这个插件用低显存加载器和现成工作流把门槛压了下来。上手路径从克隆到第一条视频第 1 步获取代码并放进 ComfyUI。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo ComfyUI/custom_nodes/ComfyUI-LTXVideo这一步的意思是插件必须住在 ComfyUI 的 custom_nodes 目录下重启 ComfyUI 后节点菜单里会出现新的 LTXVideo 分类。如果你不想敲命令在 ComfyUI 的 Manager 里搜 “LTXVideo” 一键安装效果等价。第 2 步装依赖。pip install -r ComfyUI/custom_nodes/ComfyUI-LTXVideo/requirements.txt插件依赖 transformers、einops 等库缺了它们节点在启动时不会注册菜单就是空的。第 3 步下模型。这是最重的一步共 4 类各自放进 models 下对应的子目录主模型checkpointltx-2.3-22b-distilled-1.1.safetensors蒸馏版出片快或ltx-2.3-22b-dev.safetensors完整版细节好放models/checkpoints空间与时间上采样器ltx-2.3-spatial-upscaler-x2、ltx-2.3-temporal-upscaler-x2两个文件放models/latent_upscale_modelsGemma 3 文本编码器以整个目录的形式放models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized——LTX-2 用 Gemma 3 理解文本不是老的 T5蒸馏 LoRA仅两阶段流水线需要放models/loras。第 4 步跑第一条工作流。在 ComfyUI 里打开example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json填好提示词点排队几分钟后就出片。最容易卡住的是第 3 步主模型几十 GB、Gemma 编码器好几个 GB而且编码器如果只放单个文件节点会找不到务必是完整目录。LTX视频生成示例建筑场景图像转视频输出能力地图LTX 视频生成能做什么文字 → 视频2.3 单阶段工作流直接覆盖两阶段版本会在生成后自动做空间 时间上采样直接出高分辨率、高帧率。一张图 → 动起来用运动跟踪工作流LTX-2.3_ICLoRA_Motion_Track_Distilled.json靠 LTXVAddLatentGuide 节点把静帧“引导”进潜空间潜空间可以理解成图像的压缩数字表示视频从这帧起步运动走向跟着你的轨迹走。低清 → 高清/高帧率Pixel Spatial Upscaler IC-LoRA 做 2 倍/4 倍“生成式放大”——不是像素插值而是参照原片重新渲染纹理细节可以先在约 280p 定好构图再升上去2.0 还有个 V2V Detailer 工作流做细节增强。控制镜头和构图两条路线。一是相机控制 LoRAdolly in/out、jib up/down共六个方向二是 Union IC-LoRA把深度图和边缘 Canny 轮廓图融合进同一个 LoRA在下采样后的潜空间里工作省显存还提速。附加选项Lipdub IC-LoRA 做配音改台词嘴型同步重生成、HDR IC-LoRA 输出 ARRI LogC3 线性动态范围、可导出 EXRLTXVAudioOnlyModel 节点则做纯文本生成音频。两种模型模式按目标选完整版dev蒸馏版distilled主模型文件ltx-2.3-22b-dev.safetensorsltx-2.3-22b-distilled-1.1.safetensors步数与速度步数多、出片慢步数少、出片快适合场景最终成片草图、批量生成、先草后升LTX视频生成蒸馏模型效果蒸馏工作流输出对比调优手册最影响出片的 3 个杠杆 ⚡杠杆一两阶段先草后升。现象直接生成高分辨率很慢、显存吃紧。原因计算量随像素数近似平方增长。操作先用单阶段蒸馏工作流出低分辨率锁定构图和运动再用空间上采样器升 2 倍、时间上采样器补帧。效果总耗时更短、显存更低细节反而更多。杠杆二引导强度。现象视频偏离提示词或者画面过饱和发硬。原因引导缩放没和内容复杂度匹配。操作调 guider 节点里的cfg_scale引导值仍不稳定时换 stg.py 里的 STG/APG 高级引导两者都是抑制文本过度反应的引导技术。效果贴合度更高色彩更自然。杠杆三压闪烁。现象帧与帧之间跳变、光影不稳。原因每帧潜空间独立采样噪声微小差异被放大。操作潜空间过 LTXVStatNormLatent 或 LTXVAdainLatent 做逐帧统计归一化批量生成时用 tricks 目录里的注意力缓存复用关键帧的注意力。效果跨帧闪烁明显减少长镜头更稳。如果你只有 24GB 显存官方建议 32GB24GB 要靠下面这套组合蒸馏版 checkpoint LTXVQ8Patch节点做量化推理换用 low_vram_loaders.py 里的 LowVRAMCheckpointLoader 管理模型上下卡再用python -m main --reserve-vram 5参数启动 ComfyUI。跑起来你会发现出片质量略逊于完整流水线但显存能装下。避坑与延伸坑一节点不显示。现象菜单里没有 LTXVideo 分类。排查grep -i ltxvideo execution.log看导入报错。修复九成是依赖缺失补跑第 2 步的安装命令后重启即可。坑二模型下拉框为空、节点标红。现象找不到 checkpoint 或文本编码器。排查ls ComfyUI/models/checkpoints看文件在不在。修复按第 3 步的清单核对四类模型位置Gemma 3 必须是完整目录文件名与工作流要求一致。想抠原理的话两个源码文件最值得读low_vram_loaders.py——读完能理解 22B 模型在 32GB 显存下如何加载、卸载和重排执行顺序以及怎么套用到更低显存tricks/nodes/attn_bank_nodes.py——读完能理解注意力权重的缓存与复用机制以及批量生成时怎么省掉重复计算。下一步建议先把 2.3 单阶段蒸馏工作流跑通、出第一条视频再逐步换上两阶段上采样和各种控制 LoRA。【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