ComfyUI-LTXVideo 安装教程：LTX-2 视频生成从部署到出片的完整指南
【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo
ComfyUI-LTXVideo 是一组 ComfyUI 视频节点，为 LTX-2 视频生成模型补齐上采样、控制条件与低显存运行所需的工具。LTX-2 本体已并入 ComfyUI 核心，这个插件负责让完整工作流跑起来。如果你已有 ComfyUI 环境，想用文字、图片或现有视频生成动态画面，这篇指南按环境、文件、工作流的顺序带你跑通第一次生成。
它具体能做什么
该插件把 LTX-2 的常见用法封装成节点图，你在画布上连接节点即可运行，不需要写代码。按任务类型划分，覆盖以下能力：
- 文本到视频：只输入文字描述，直接生成带声音的视频片段，不需要任何画面素材。
- 图像到视频：用一张图片作首帧或参考，生成以它开头的动态视频。
- 视频增强与改写：对已有视频做细节增强、扩边、补色、去模糊、HDR 转换等处理。
- 控制类生成：通过 IC-LoRA（一种给模型附加特定引导能力的微调组件）接入深度、边缘、姿态等条件图，约束画面走向。
- 文本到音频：用 LTXVAudioOnlyModel 节点单独生成音频，不输出视频画面。
更多场景的节点组合可以对照 example_workflows/ 目录，里面按 2.0、2.3、2.5 三个版本分好了工作流文件。
动手前检查环境
开始前确认三件事，避免装到一半发现硬件不满足：
- Python 版本：3.9 及以上。插件依赖较新版本的 transformers 和 diffusers，过老的解释器会装不上依赖。
- ComfyUI 基座：已安装并能正常打开 Web 界面。LTX-2 的推理代码在 ComfyUI 核心里，这个插件不替代基座。
- 磁盘空间：预留 100GB 以上，模型文件和推理缓存占用不小。
显存是主要瓶颈。官方基线是 32GB VRAM，低于这个配置也能跑，但要换蒸馏模型并降分辨率。按硬件分档，参考如下：
| 档位 | 显存 | 推荐做法 |
|---|---|---|
| 高性能 | 32GB 及以上 | 完整模型（dev）+ 两阶段上采样，质量优先 |
| 平衡 | 20~24GB | 蒸馏模型单阶段生成，速度优先 |
| 入门 | 16GB 及以下 | 蒸馏模型 + 低显存加载器，降低分辨率与帧数 |
安装 ComfyUI-LTXVideo 并放置 LTX-2 模型文件
克隆仓库并安装依赖
插件本体很小，在 ComfyUI 根目录的 custom_nodes 下执行：
git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo custom_nodes/ComfyUI-LTXVideo cd custom_nodes/ComfyUI-LTXVideo pip install -r requirements.txtrequirements.txt 里列了 diffusers、transformers、openimageio 等依赖，pip 会一次装完。重启 ComfyUI 后，节点菜单会出现 LTXVideo 分类。
模型文件应该放在哪个目录
模型文件是部署的大头。每个文件对应一个目录，放错位置节点里就不会出现：
| 文件名 | 类型 | 存放目录 |
|---|---|---|
| ltx-2.3-22b-dev.safetensors | 完整模型检查点 | models/checkpoints |
| ltx-2.3-22b-distilled-1.1.safetensors | 蒸馏模型检查点 | models/checkpoints |
| ltx-2.3-spatial-upscaler-x2-1.1.safetensors | 空间上采样器 | models/latent_upscale_models |
| ltx-2.3-temporal-upscaler-x2-1.0.safetensors | 时间上采样器 | models/latent_upscale_models |
| ltx-2.3-22b-distilled-lora-384-1.1.safetensors | 蒸馏 LoRA | models/loras |
| IC-LoRA 系列（union-control、detailer、hdr 等） | 控制与增强 LoRA | models/loras |
| Gemma 3 文本编码器（仓库内全部文件） | 文本编码器 | models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized |
两个概念先说明白。蒸馏模型是用小模型模仿大模型效果得到的版本，采样步数更少、速度更快，画质略降。LoRA是体积小、针对特定任务的附加文件，加载在主模型上提供新能力。另外，旧版 2.0 工作流也可使用 19b 的 fp8 检查点（ltx-2-19b-dev-fp8.safetensors、ltx-2-19b-distilled-fp8.safetensors），与上表放在同一目录即可。
跑通第一条文本到视频工作流
第一条工作流建议走最简单的文本到视频路径，步骤如下：
- 在 ComfyUI 界面把 example_workflows/2.3/ 下的 LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json 拖进画布加载。显存紧张时可以改用 2.0 目录下的 LTX-2_T2V_Distilled_wLora.json，结构更简单。
- 检查加载节点里的模型名与你下载的文件一致，检查点、上采样器分别对应各自的目录。
- 在正向提示词节点输入英文描述，写明画面内容和镜头运动。负向提示词保持默认即可。
- 点击 Queue Prompt 排队。生成过程包含采样、VAE 解码和音频解码几个阶段。
- 完成后视频自动写入 outputs 目录，直接打开查看。
基础模型生成的视频帧效果如下：
如果更看重速度，切到蒸馏版工作流。同样的提示词，步数明显减少，出片时间缩短：
低显存如何跑 LTX-2：加载器与模型选型
显存不够时，按两个方向做取舍：换加载方式，换模型版本。
换加载方式。low_vram_loaders.py 提供一组带 dependencies 输入的低显存加载器节点。把前一个加载器的输出接到后一个的 dependencies 上，模型会按顺序加载，而不是同时驻留显存，峰值占用可压到 32GB 以内。另外，ComfyUI 启动时加参数--reserve-vram 5能给系统预留 5GB 显存，避免解码阶段爆显存。
换模型版本。选型逻辑对应你的目标：
| 场景 | 建议 |
|---|---|
| 追求画质，显存 32GB 以上 | 完整模型 dev + 两阶段上采样工作流 |
| 速度优先，显存 20GB 左右 | 蒸馏模型单阶段，跳过空间和时间上采样 |
| 显存 16GB 及以下 | 低显存加载器 + 蒸馏模型 + 降低分辨率和帧数 |
| 两阶段工作流报错、单阶段正常 | 检查上采样器是否放在 models/latent_upscale_models |
卡住了先查这里：高频问题排查
部署阶段最常见的问题集中在文件路径和显存上，对照下表处理：
| 现象 | 处理方式 |
|---|---|
| 节点菜单没有 LTXVideo 分类 | 确认仓库在 custom_nodes 目录下，执行 pip install -r requirements.txt 后重启 ComfyUI |
| 检查点下拉框看不到模型 | 核对文件名与目录，主模型放 models/checkpoints，上采样器放 models/latent_upscale_models |
| 运行时报显存不足 | 换低显存加载器，改用蒸馏模型，降低分辨率与帧数 |
| 文本编码器加载失败 | 确认 Gemma 3 的全部文件在 models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized 目录下 |
| 两阶段工作流报错 | 补齐空间与时间上采样器，并确认蒸馏 LoRA 已放入 models/loras |
模型文件较多，首次部署需要一点耐心，但都是一次性工作。文件就位之后，日常使用只剩下调整提示词、LoRA 权重和采样参数。每条工作流的输入素材可以在 example_workflows/assets/ 对照查看，节点实现细节可查阅 tricks/ 目录下的模块源码。
【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
