ComfyUI-LTXVideo 上手指南：AI视频生成节点集合实战

ComfyUI-LTXVideo 上手指南AI视频生成节点集合实战【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 是一组为 LTX-2 视频生成模型配套的 ComfyUI 自定义节点集合。LTX-2 本体已内置于 ComfyUI 核心而这个仓库提供的是进阶能力图生视频、深度/边缘控制、SDR 转 HDR、视频换声Dub-It、生成式超分、纯音频生成以及 4K/8K 分块采样。装好它你的 ComfyUI 就从能出视频升级到可控地出好视频。环境准备与安装步骤先确认硬件门槛再动手项目要求显卡CUDA 兼容 GPU显存 32GB磁盘100GB 空闲空间模型与缓存ComfyUI稳定版即可安装 ComfyUI Manager主模型ltx-2.3-22b-dev.safetensors或ltx-2.3-22b-distilled-1.1.safetensors放入models/checkpoints文本编码器Gemma 3gemma-3-12b-it-qat-q4_0-unquantized放入models/text_encoders上采样器spatial x2/x1.5、temporal x2放入models/latent_upscale_models安装方式二选一推荐方式打开 ComfyUI Manager进入 Install Custom Nodes搜索 LTXVideo 安装完成后重启 ComfyUI节点菜单中会出现 LTXVideo 分类所需模型在首次使用时下载。手动方式把插件代码放入custom_nodes目录仓库地址https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo 进入插件目录执行pip install -r requirements.txt安装依赖再重启 ComfyUI。仓库自带示例工作流位于example_workflows/目录按 2.0 / 2.3 / 2.5 版本分区直接导入即可对照学习节点接法。按场景选择功能这套节点不是菜单式堆功能而是围绕几类真实需求组织首次出片T2V / I2V从example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json这类单阶段蒸馏流程起步追求更高分辨率时改用两阶段流程Two_Stage_Distilled第二阶段会上采样并需要加载 spatial/temporal 上采样器。可控生成IC-LoRA 系列Union Control 把深度图和 Canny 边缘控制合并进同一个 LoRA并在降采样 latent 上运行省显存、推理更快Motion Track 用于图生视频时的运动跟踪控制。后期向任务HDR IC-LoRA 把 SDR 视频升级为 ACEScct 色域LTXVHDRDecodePostprocess节点同时输出 Reinhard 色调映射的 SDR 预览和原始线性 HDR 张量安装openimageio后还能导出 EXR 序列Dub-It IC-LoRA 根据文本重新生成口型与语音支持跨语言配音且保留说话人音色。超分辨率Pixel Spatial Upscaler 是生成式上采样2x / 4x 两个版本靠模型合成细节而不是插值。常见用法是先在 ~280p 低分辨率上锁定构图与运动再跑上采样器出成片LoRA 强度越低越贴近原片越高越自由。纯音频生成LTXVAudioOnlyModel节点让模型进入 audio-only 模式做 T2A配合LTXVAudioOnlyEmptyVideoLatent占位 latent 与LTXVAudioVAEDecode解码即可。超高分辨率LTXVTiledFusionSampler在单个 latent 画布上用重叠空间分块去噪可处理超出模型训练窗口的大画布官方提供了 4K/8K 的 V2V 示例图注意提示词只写光影、色调等风格描述不要点名具体物体否则每个分块都可能长出一样的细节。低显存用户可以改用low_vram_loaders.py里的加载器节点它负责模型卸载顺序让 32GB 显存跑通流程启动 ComfyUI 时加上--reserve-vram 5单位 GB能进一步留余地。 实操避坑现象节点菜单里没有 LTXVideo 分类。原因插件未装进custom_nodes或没重启。解法确认目录位置后完整重启 ComfyUIManager 装的话等依赖拉完再重启。现象模型加载失败或报找不到模型。原因文件放错目录。解法checkpoint、LoRA、上采样器、Gemma 编码器分别对应checkpoints/loras/latent_upscale_models/text_encoders四个目录逐一核对。现象显存溢出OOM。原因22B 模型显存占用高。解法换蒸馏版模型 蒸馏 LoRA启用低显存加载器节点并配合--reserve-vram。现象生成速度明显偏慢。原因全量模型步数多。解法优先用 distilled 版本必要时降低分辨率、时长与采样步数。现象画面细节或一致性不佳。原因提示词信息不足或参数没调。解法在提示词里补细节描述调整 guidance 与步数或改跑两阶段工作流把基础构图和精修分开。从示例图开始动手建议路径先用单阶段蒸馏流程跑通一条文生视频 → 挑一个 IC-LoRA 控制流Union Control 最通用体验可控生成 → 有余力再试 4K 分块融合或 Dub-It。仓库内 example_workflows/ 每个 JSON 都是可导入的完整接法配合 tiled_fusion_sampler.md、looping_sampler.md 两篇说明文档和 LTX 官方开源文档docs.ltx.video查阅细节。遇到问题可以去 LTX 的 Discord 社区提问社区里对节点行为的第一手解释最及时。【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