ComfyUI-LTXVideo 使用指南LTX-2 视频生成节点包怎么装、怎么跑、怎么调【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 自定义节点包覆盖文本生视频、图像生视频、IC-LoRA 条件控制与两阶段上采样。本文按 ComfyUI 视频节点安装、跑通首条 LTX-2 工作流、显存优化到排错的顺序给出可直接照做的操作路径。32GB 显存能不能跑 LTX-2先对表项目要求说明显卡NVIDIA CUDA32GB 及以上显存两阶段模板按 32GB 设计不足时改用低显存加载器并预留系统显存磁盘100GB 以上空闲22B 检查点、上采样模型与 IC-LoRA 合集占用较大ComfyUI最新稳定版LTX-2 基础模型已内置于 ComfyUI 核心无需另装Python 依赖按仓库 requirements.txt 安装含 OpenCV 等解码与预处理依赖显存不足 32GB 时启动参数加python -m main --reserve-vram 5并把工作流中的模型加载节点换成low_vram_loaders.py提供的 LowVRAM 系列它们会按执行顺序自动卸载模型。用 Manager 装完节点后如何验证推荐路径打开 ComfyUI-Manager或按 CtrlM→ Install Custom Nodes → 搜索 LTXVideo → 安装 → 重启 ComfyUI。手动路径效果相同cd custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt验证方式重启后在节点菜单右键新建节点确认出现 LTXVideo 分类且能搜到LTXVPreprocess、STGGuiderAdvanced、LTXVLoopingSampler这几个节点。若启动日志报 import 错误多半是依赖没装齐重跑上面的pip install -r requirements.txt。三种输入对应哪些控制手段与输出整条数据流可以按输入 → 控制 → 输出三段看你给的输入决定起点IC-LoRA / STG / 分块采样决定过程质量输出是带音频的 MP4 视频。输入类型接入节点可用控制手段典型输出文本提示词CLIPTextEncode或 Gemma 文本编码节点负向提示词、CFG模板建议贴近 1T2V 视频 音频单张图片LoadImage接 I2V 条件节点如LTXVImgToVideoConditionOnly强度 0.7~1IC-LoRA 深度控制、运动轨迹约束I2V 视频既有视频V2V / Detailer / Lipdub 模板细节增强 IC-LoRA、区域编辑、对口型编辑后的视频过程控制四件套IC-LoRA 系列Union Control 合并了深度与边缘条件另含运动跟踪、HDR、像素上采样等变体LoRA 放models/lorasSTG 引导器STGGuiderAdvanced预设见presets/stg_advanced_presets.json用于压闪烁分块与循环采样LTXVLoopingSampler按时间和空间切块生成再融合突破单次显存上限低显存加载器保执行顺序与卸载。一条 LTX-2.3 两阶段工作流跑通实录选example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json这条模板四步走完打开模板ComfyUI 中拖入该 JSON首次运行会提示下载所需模型确认落位检查点ltx-2.3-22b-dev.safetensors在models/checkpoints空间上采样器ltx-2.3-spatial-upscaler-x2-1.1.safetensors在models/latent_upscale_modelsGemma 编码器在models/text_encoders。改参数EmptyLTXVLatentVideo默认 960×544、121 帧30fps 下约 4 秒把提示词换成你的场景描述。若做图生视频把参考图接到LoadImage并核对LTXVImgToVideoConditionOnly的条件强度模板默认 0.7。出片Queue Prompt。流程为第一阶段蒸馏采样euler_ancestral_cfg_ppManualSigmas 已配好 8 段→LTXVLatentUpsampler两倍上采样 → 第二阶段精修 →LTXVTiledVAEDecode2×2 分块解码→CreateVideo30fps 输出到output/。看效果抽几帧检查首尾一致性画面有闪烁时换 STG 引导器重跑一次对比。提示模板内注释建议 CFG 与采样器可尝试多种组合但建议保持在 1 附近这是该工作流的官方推荐值先别大幅偏离。踩坑速查重启后节点菜单没有 LTXVideo 分类→ 大概率依赖缺失 →pip install -r requirements.txt后重启看日志是否还有 import 报错。首报找不到模型 / 节点红框→ 模型放错目录 → 检查点进models/checkpoints、上采样模型进models/latent_upscale_models、IC-LoRA 进models/loras、Gemma 编码器整目录进models/text_encoders。画面闪烁、鬼影怎么消→ 引导器未启用 → 用STGGuiderAdvanced替换模板中的CFGGuider从presets/stg_advanced_presets.json选一个预设CFG 贴 1 重跑。采样中途 OOM→ 单次生成超出显存 → 降到 720p 以下、帧数减半或改用LTXVLoopingSamplertemporal_tile_size80、temporal_overlap24并加--reserve-vram 5。先跑通、再提质、后提速先跑通。用蒸馏检查点ltx-2.3-22b-distilled-1.1加蒸馏 LoRA模板里强度 0.5步数短、出片快适合验证构图和提示词。显存吃紧时按ComfyUI 显存优化三板斧LowVRAM 加载器节点、--reserve-vram、分块 VAE 解码LTXVTiledVAEDecode的 tile 数调少会更快但更吃显存按硬件折中。再提质。稳定出片后切两阶段基础分辨率锁构图与运动再用ltx-2.3-spatial-upscaler-x2上采样精修追求上限则换 full 检查点ltx-2.3-22b-dev并加采样步数。长视频用LTXVLoopingSampler关键参数temporal_tile_size默认 80、temporal_overlap默认 24步长 8、temporal_overlap_cond_strength默认 0.5控制上一块尾帧对下一块的约束力。后提速。单阶段蒸馏模板出 280p 级别的草稿构图满意后交给 Pixel Spatial Upscaler IC-LoRA2× 或 4×生成细节比直接高分辨率全流程快得多Union Control IC-LoRA 本身工作在降采样 latent 上深度与边缘控制场景下也比全分辨率控制省显存。下一步把example_workflows/2.3/下的模板逐条打开看一遍连线再改参数工作流模板example_workflows/2.0 与 2.3 两个子目录循环采样器文档looping_sampler.md进阶节点与工具tricks/、guiders/、stg.py问题反馈GitHub Issuesbug 与功能请求均走该渠道【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