ComfyUI-LTXVideo 实战LTX-2 AI视频生成从零到出片的完整手册【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo下午三点你的 ComfyUI 画布里还只有一堆文生图节点。三小时后一条由一句中文提示词生成的动态短片躺在输出目录里——这就是 ComfyUI-LTXVideo 能带给你的体验它把 LTX-2 这套 22B 参数的 AI视频生成模型完整搬进 ComfyUI 的节点画布用拖拽连线就能完成文字转视频、图像转视频甚至唇形同步。这篇文章不按安装—功能介绍—常见问题的老套路来而是跟着一位新手用户用一个下午从零出片踩过的坑也一并拆给你看。开工之前先想清楚这三件事别急着点安装先花三分钟回答三个问题能省掉你至少一小时的折腾。你的显卡多大显存完整版模型建议 32GB 以上显存16GB 也能玩但必须配合低显存加载器具体打法见后面显存告急一节。第一单跑什么强烈建议从文字转视频 蒸馏模型入手。出片快、显存压力小、失败成本低最适合建立信心。模型放对目录了吗LTX-2 的依赖模型要按 ComfyUI 的约定各归各位模型类型放置目录负责什么主模型models/checkpoints22B 视频生成主模型选 dev 或 distilled 版文本编码器models/text_encodersGemma 3 编码器负责理解你的提示词LoRAmodels/lorasIC-LoRA 等控制模型统一放这里插件安装本身很简单ComfyUI 里按 CtrlM 打开 Manager搜索 LTXVideo 一键安装重启后节点菜单就会多出 LTXVideo 分类。喜欢命令行的也可以手动拉取git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo custom_nodes/ComfyUI-LTXVideo这行命令把插件克隆进 ComfyUI 的 custom_nodes 目录首次运行工作流时会自动下载缺失的模型权重。第一镜把一句话变成五秒画面装好插件打开示例工作流目录你会看到一长串 json 文件。新手别贪多直接选LTX-2_T2V_Distilled_wLora.json位于 example_workflows/2.0/。它同时满足三个条件蒸馏模型快、带了 LoRA质量好、纯文字输入门槛最低。跑之前先搞懂蒸馏 vs 完整这对概念它们是这个项目的两条主线对比项蒸馏模型完整模型生成速度快几步出片慢需要更多步数细节质感良好优秀显存压力较低较高适用场景快速验证创意、调参数最终成片、交付级质量一个朴素但好用的经验先用蒸馏模型把构图、运镜、提示词全部敲定最后换完整模型重跑一遍拿成片。许多进阶用户都是这么干的既省钱又省时间。工作流的连线逻辑也值得花两分钟看懂加载器读入模型 → Gemma 编码器把提示词转成条件向量 → 采样器逐帧去噪 → VAE 解码成画面 → 保存节点写出视频。整条链路没有任何黑盒你随时可以插一个节点进去调整中间结果——这正是 ComfyUI 相对一键出片工具最值钱的地方。第二镜让照片动起来再给它装个遥控器文字生成的随机性太大那就给模型一个明确的起点。打开LTX-2_I2V_Full_wLora.json把一张图片喂进去模型会基于画面内容想象出后续运动。项目资源目录里的example_workflows/assets/就自带了一批测试素材懒得找图时可以直接拿它们试手。但真正的杀手锏是IC-LoRA上下文 LoRA——它是 LTX-2 的遥控器让视频生成从随缘变成可控Union Control一个 LoRA 同时吃下深度图和边缘图Canny两种控制条件还能在降采样后的低分辨率上处理显存和速度双友好Motion Track给定轨迹点让画面里的人物严格沿着你画的路径运动Pixel Spatial Upscaler用生成的方式把低分辨率视频脑补成 2×/4× 高清而不是简单插值HDR 与 Lipdub前者输出可调色的线性 HDR 视频后者能让视频里的人物说出你指定的话、甚至换一种语言。这还不是全部Instant Shave、Colorization、Day-to-Night 等趣味 LoRA 都在官方模型清单里。控制力是这套插件和普通文生视频工具的本质区别——你不再只能描述而是可以指定。显存告急这套组合拳按顺序打如果你的显卡在 24GB 上下跑完整模型大概率会撞上 CUDA out of memory。按下面的顺序逐条尝试换低显存加载器——项目提供了专门的 low_vram_loaders.py它会精确控制各组件文本编码器、模型、VAE的加载与卸载顺序保证 32GB 显存内稳定运行。这是最省心的第一步。给 ComfyUI 预留显存——启动时加上python -m main --reserve-vram 5数字按需调整相当于提前告诉系统这块显存别动给视频解码等突发的显存需求留出缓冲。这一招对偶发性的爆显存特别有效。降分辨率、缩帧数——从 1024×576 降到 512×288、把 121 帧砍到 61 帧显存占用几乎腰斩。先用低参数确定创意最后再升回去出正式版。使用分块采样与分块解码——项目里的 tiled_sampler.py 和 tiled_vae_decode.py 会把大图拆成小块分别处理再拼回让整块装不下的画面也能出。这是压箱底的招通常放到最后用。新手最容易翻的五个车这几件事几乎每个新用户都遇到过现象、原因、解法一次说清。① 装完插件节点面板里找不到 LTXVideo 分类原因插件路径不对或依赖没装全。 解法确认它位于 ComfyUI 的 custom_nodes 目录下再执行pip install -r requirements.txt补装依赖最后重启 ComfyUI 并检查启动日志有无红色报错。② 加载模型时一直报错或直接卡死原因模型文件不完整或放错了目录。 解法对照上文模型目录表格逐一核对路径用下载工具校验文件大小与官方一致磁盘剩余空间保持在 100GB 以上。③ 出片全黑或全是噪点原因提示词与模型理解脱节或采样参数不匹配工作流。 解法先把示例工作流原封不动跑通确认能出正常结果再逐项改参数——一次只改一个变量否则你根本不知道是哪个环节出了问题。④ 视频像幻灯片物体明显跳变原因帧间一致性差常见于步数不足或引导强度设置过高。 解法增加采样步数适当降低引导系数进阶用户还可以试试 tricks/nodes/ 里的注意力库与潜在引导节点它们在长视频、多镜头场景中效果显著。⑤ 视频有了但画面细节糊成一片原因在低分辨率下追求细节属于显卡和质量的正常博弈。 解法先按第四节组合拳腾出显存再跑完整模型 像素空间放大工作流最后用质量增强节点收尾。下一步去跑通你的第一条视频现在关掉这篇文章做一件具体的事打开 example_workflows/ 目录把LTX-2_T2V_Distilled_wLora.json拖进 ComfyUI 画布点下 Queue 按钮。等你看到第一帧画面渲染出来你对这套系统的理解就已经超过一半的观望者了。跑通之后探索路线我已经帮你排好先玩透蒸馏模型控制参数再上 IC-LoRA 做图像控制然后挑战唇形同步或 HDR 这类两阶段流程最后再钻进 tricks/nodes/ 和 guiders/ 玩多模态引导与高级采样。LTX-2 的能力上限远高于你看到的示例但所有进阶都建立在你先跑通一条这个起点上。动手吧你的第一条 AI 视频正在画布里等你。【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