★ FEATURED ARTICLE 完整跑通 ComfyUI-LTXVideo从装节点到 4K 出片的一条路径【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideoLTX-2 视频模型已经内置在 ComfyUI 核心里但长视频、4K/8K 超分、控制生成这些进阶玩法得靠 ComfyUI-LTXVideo 这套自定义节点。它给 LTX-2 补齐了采样器、IC-LoRA 控制和低显存支持装上就能出片。什么情况下你会需要它一条提示词出分钟级视频LTX-2 单次推理的帧数有限LTXVLoopingSampler把时间轴切成重叠的时间块自回归推进块与块加权融合长视频不爆显存也不跳帧。在 32GB 显存里出 4K/8KLTXVTiledFusionSampler在超过模型训练窗口的画布上做分步分块去噪峰值显存只跟 tile 尺寸走、不跟整张画布走FullHD/4K/8K 细节增强没有接缝。按图说话地改视频IC-LoRA 系列把深度/边缘、运动轨迹、口型Dub-It、HDR、日夜转换、去模糊这些控制信号接进生成过程一条视频进去改完出来。环境要求与最短安装路径项目要求ComfyUI已安装LTX-2 模型本身已内置在 ComfyUI 核心显卡CUDA GPU官方推荐 32GB 显存磁盘100GB 可用空间模型与缓存最短路径是用 ComfyUI Manager 装ComfyUI 里按CtrlM打开 ManagerInstall Custom Nodes → 搜LTXVideo→ Install然后重启。节点菜单会出现LTXVideo分类所需模型首次使用时自动下载。想手动装也行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依赖不多主要是transformers、diffusers、kornia、openimageioHDR EXR 读写用。模型按功能分四个目录放别放错位置文件目标目录ltx-2.3-22b-dev.safetensors或ltx-2.3-22b-distilled-1.1.safetensorsmodels/checkpoints空间/时间上采样器ltx-2.3-spatial-upscaler-*、ltx-2.3-temporal-upscaler-x2-1.0.safetensorsmodels/latent_upscale_modelsDistilled LoRAltx-2.3-22b-distilled-lora-384-1.1.safetensorsmodels/lorasGemma 3 文本编码器gemma-3-12b-it-qat-q4_0-unquantized全部文件models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized各功能对应的 IC-LoRAunion-control、motion-track、HDR、Dub-It、pixel-spatial-upscaler 等同样放models/loras用到哪个下哪个。核心能力拆解采样器长视频与超训练窗口画布两个采样器解决 LTX-2 的两个硬限制帧数上限和分辨率上限。LTXVLoopingSamplerlooping_sampler.pytemporal_tile_size定每块帧数默认 80temporal_overlap定块间重叠帧默认 24新块用上一块的尾帧做条件temporal_overlap_cond_strength控制条件强度。配MultiPromptProvider还能给每个时间块单独写提示词做出前半段日景、后半段夜景这种长叙事。LTXVTiledFusionSamplertiled_fusion_sampler.py和LTXVTiledSampler独立采样一块块再拼不同它保持一张 latent 画布加一个噪声场每个去噪步对重叠 crop 分别跑模型再高斯融合回画布。tile 共享同一条轨迹所以不出缝。tile_width/tile_height填 LoRA 训练时的空间窗口32 的倍数overlap_frac保持 0.5 以上。输入输出很直观一条 FullHD 视频 union-control LoRA → 进 Tiled Fusion → 出 4K 细节增强版显存占用只由 HD tile 决定。IC-LoRA 控制一个 LoRA 多种玩法所有控制走同一套接口LTXICLoRALoaderModelOnly加载 LoRALTXAddVideoICLoRAGuideiclora.py把参考视频和控制信号绑成 guidelatent 从 guide 节点出来。几个代表Union Control深度 canny 边缘塞进同一个 LoRA且在下采样 latent 上跑省显存还提速模型自己识别输入里有哪些控制信号。Motion Track参考帧加轨迹点LTXVSparseTrackEditor可视化绘制生成视频按轨迹运动。**Dub-It参考视频 目标台词文本 → 重新生成口型和语音参考音频 token 保证说话人身份一致两阶段流水线第二阶段放大画面时冻结音频。HDRSDR 视频 → ACEScct 工作空间的线性 HDRLTXVHDRDecodePostprocess同时输出 Reinhard 色调映射的 SDR 预览和原始线性 HDR 张量可选导出 16/32 位 EXR 序列。Pixel Spatial Upscaler2x/4x 生成式放大。注意它是创造性的会合成新细节而不是像素级保真LoRA 强度越低越贴近原片越高越自由。低显存与提示词增强显存吃紧时LowVRAMCheckpointLoader、LowVRAMLatentUpscaleModelLoader这些节点low_vram_loaders.py会保证正确的执行顺序并做模型 offload官方目标是让生成稳定 fit 在 32GB 显存内再配合 ComfyUI 启动参数--reserve-vram 5效果更稳。提示词方面LTXVPromptEnhancerprompt_enhancer_nodes.py接 Gemma 编码器自动扩写提示词仓库里自带 gemma_configs/ 的 tokenizer 配置和 system_prompts/ 的 I2V/T2V 系统提示词不用自己折腾。 实战两条典型流程流程一两阶段文生/图生视频2.3 distilled装好节点、放好模型加载工作流example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json。改提示词设分辨率和帧数。蒸馏模型步数少出图快。Queue Prompt。第一阶段在基础分辨率出视频第二阶段用空间上采样器放大。预期输出一段构图和运动稳定的视频末段细节更锐利。图生视频就把参考帧接进 I2V 输入其余不变。流程二Tiled Fusion 细节增强到 4K/8K加载example_workflows/2.5/LTX-2.5_V2V_TiledFusion_Upscale.json选output_sizeFullHD/4K/8K。输入 FullHD 视频guide 节点保持默认use_tiled_encodefalse。视频超过训练窗口时长时把 guide 和 sampler 的use_streaming都打开tile_frames设成同一个值通常 97。提示词只写光照、色调、锐度、调色这类风格不要点名画面里的具体物体。出片4K/8K 细节增强视频tile 之间无可见接缝。 踩坑与调优4K/8K 直接 OOM→ 整张画布超过训练窗口还一次性推 → 换LTXVTiledFusionSampler峰值显存只跟 tile 尺寸和tile_frames走。成片出现周期性网格或接缝→overlap_frac低于 0.5或 guide 的use_tiled_encode被开成 true → overlap 保持 0.5 以上guide 的 tiled encode 保持 false。Tiled Fusion 结果糊掉、轨迹断裂→ 用了历史类dpmpp_2m、lms或 ancestral 采样器fusion 只支持离散步法 →KSamplerSelect选euler/heun/dpm_2。放大后画面里凭空多出提示词里的物体→ 每个空间 tile 都独立响应了物体级描述 → 细节增强流程的提示词只写 look 和 style不写具体名词。重启后报模型缺失→ 模型放错目录 → 对照上面的模型表格逐项核对Gemma 目录名一个字符都不能少。延伸节点和参数的完整文档都在仓库里tiled_fusion_sampler.md 讲清了 fusion 每个旋钮的含义looping_sampler.md 有完整参数表example_workflows/下 2.0/2.3/2.5 三代工作流可以直接照着改。想深挖 LTX-2 模型本身或看社区玩法去 LTX 官方开源文档和 Discord 社区转一圈那里有作者团队的一手信息。【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
阅读完成 · 觉得有帮助？
