ComfyUI-LTXVideo：本地视频生成节点实战指南

【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 本地视频生成缺少完整控制与高分辨率输出的扩展节点集，覆盖文生视频、图生视频、IC-LoRA 控制与两阶段上采样，适合已在 ComfyUI 里跑过图像工作流、想产出完整 LTX-2 视频的人。

三步出片：克隆、装依赖、加载第一个工作流

先确认三件事：ComfyUI 已能启动、GPU 为 CUDA 且显存不低于 32GB（官方 Prerequisites 的口径）、磁盘留 100GB 以上给模型和缓存。然后：

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

重启 ComfyUI 后，节点会出现在节点菜单的 LTXV 分类下（LTX-2 主干已内置在 ComfyUI 核心里，本仓库只提供扩展节点）。接着按 README 的清单下载模型：checkpoint 放models/checkpoints，Gemma 文本编码器放models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized，其余上采样器和 LoRA 放models/latent_upscale_models与models/loras。

首次出片建议直接加载 example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json：把提示词换成你要的内容，EmptyLTXVLatentVideo默认 960×544、121 帧，ManualSigmas是蒸馏版专用的 9 步调度，点 Queue Prompt 即可得到带音频的成片。

文字变成 4 秒视频

效果：纯文字驱动生成带声音的视频。对应工作流：上面的单阶段蒸馏图。关键参数：ManualSigmas的步数（蒸馏模型 9 步就够，全量模型需要更密的调度）、LTXVScheduler的起止噪声范围、KSamplerSelect的采样器（示例用euler_ancestral_cfg_pp）。

注意：distilled 工作流里都挂着ltx-2.3-22b-distilled-lora-384-1.1.safetensors（LoraLoaderModelOnly节点加载），删掉它或换了非蒸馏 checkpoint，生成步数和画面节奏都会不对。

让静态图动起来

效果：一张参考图作为首帧，生成带运动的视频。对应工作流：同一张图，把LoadImage的输出接到LTXVImgToVideoConditionOnly。关键参数：strength（示例里是 0.7），值越高首帧贴得越死、运动越小；接上后走 I2V 分支，不接则是纯 T2V。

如果要多帧关键帧控制（比如指定第 0 帧和第 63 帧各用一张图），用 LTXVLoopingSampler 文档 里描述的optional_cond_image_indices，填"0, 63"这样的帧号列表即可。

用 IC-LoRA 精确控制画面

效果：按深度图、边缘图、运动轨迹或台词来约束生成，而不只靠文字。对应节点：LTXICLoRALoaderModelOnly加载对应 IC-LoRA，LTXAddVideoICLoRAGuide把参考素材挂到条件上。仓库提供现成示例：Union Control（深度+姿态+边缘）、Motion Track、DubIt（换台词并重新生成口型与语音，两阶段带音频上采样）。

坑在LTXAddVideoICLoRAGuide的参考位置参数：视频参考用 0 对齐生成片段，单张图参考用 -1 放到生成帧范围之外，填错会出现参考画面"穿"进结果里。

把短视频放大到 4K

效果：V2V 场景下做生成式上采样或细节精修，输出 FullHD/4K 甚至 8K。对应节点：LTXVTiledFusionSampler配LTXVGetTilingSizes，示例在 example_workflows/2.5/（V2V_TiledFusion_Upscale、Native_4K_8K）。它维护一张 latent 画布和一个噪声场，每个去噪步都在重叠的 crop 上跑模型再融合回画布，所以不会留缝——这和独立采样各 tile 的LTXVTiledSampler是两回事，别混用。

关键参数：tile_width/tile_height必须取 IC-LoRA 受训空间窗口（32 的倍数），overlap_frac保持 0.5 以上，低于它会在规则纹理上出周期性网格。另外它的详细说明在 tiled_fusion_sampler.md。

这里有一条反直觉的规则：提示词只写光影、色板、锐度这类风格词，不要点名画面里的具体物体，否则那个物体会在每个空间 tile 里各生成一份。

HDR 升级与纯音频生成

效果：把 SDR 视频升为 ACEScct 线性 HDR，或只出音频不出画面。HDR 链路用 HDR IC-LoRA 生成 LogC3 压缩空间帧，再经LTXVHDRDecodePostprocess解回线性 HDR，可选导出 16/32-bit EXR 序列（依赖 openimageio，已在 requirements.txt 里）。音频链路用LTXVAudioOnlyModel关掉视频的注意力分支，配合LTXVAudioOnlyEmptyVideoLatent（64×64 单帧占位符）经LTXVConcatAVLatent拼进 latent，再LTXVAudioVAEDecode解出声音——占位符不会被 attend 到，成本可忽略。

翻车自救手册

现象：生成中途 OOM 崩溃。可能原因：22B 主干 + 长时序窗口一次性占满显存。最小修复：把加载器换成LowVRAMCheckpointLoader（用 dependencies 输入串起多个 loader 强制顺序加载），并加启动参数：

python main.py --reserve-vram 5

再不行就降分辨率或改分块（下节）。

现象：分块输出有可见接缝或周期网格。可能原因：空间重叠不足，或采样器不兼容。最小修复：LTXVTiledFusionSampler的overlap_frac拉回 0.5+；采样器只选离散步方法（euler/heun/dpm_2），历史多步法会丢跨步记忆，ancestral 类每 tile 加独立噪声、必出缝。

现象：长视频后段过饱和、色彩漂移。可能原因：时序 tile 的统计量随片段累积。最小修复：LTXVLoopingSampler的adain_factor设 0.1–0.3，temporal_overlap保持 tile 长度的 1/3 左右。

现象：报 Q8 相关 ImportError。可能原因：LTXVQ8Patch需要 q8_kernels 包，仓库本身不捆绑它。最小修复：单独安装 q8_kernels 后再挂LTXVQ8Patch，或干脆移除该节点用默认精度。

现象：报 "Guider does not have negative conds"。可能原因：guider 没带负向条件。最小修复：把 guider 换成CFGGuider或MultimodalGuider再接采样器。

分块、量化与批量

分块有三档，按显存压力从上往下用：LTXVTiledFusionSampler适合 IC-LoRA V2V 的大画布精修；LTXVTiledSampler独立采样网格，适合普通 T2V/I2V 提分辨率；LTXVTiledVAEDecode只把解码阶段切开，最便宜，单阶段工作流里已经默认在用。长视频用LTXVLoopingSampler做时间分块：

temporal_tile_size: 80 temporal_overlap: 24 adain_factor: 0.1

提速上，Q8 量化是显存和速度的双收益：

pip install q8_kernels

装上后在图里挂LTXVQ8Patch，按quantization_preset选精度档位。批量跑图时，把LTXVSaveConditioning/LTXVLoadConditioning用起来，可以缓存文本条件结果，避免同一条提示词在多个实验里重复过 Gemma 编码器。

硬件怎么选

README 给的官方线是 32GB+ 显存加 100GB+ 磁盘，系统内存 16GB 以上。按这个口径，"舒服线"就是 32GB：全量模型、两阶段上采样、8K 分块融合都不用再绕路，显存只影响速度不影响可行性。"够用线"是 24GB：只能跑蒸馏模型，大画布必须走分块，长视频靠时间分块，并且建议叠加 Q8 量化。低于 24GB 就不建议硬上了——问题不在代码而在显存墙，换机器比调参数划算。

下一步

今天就做：跑通LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full，换一条提示词出 121 帧带音频的成片。本周再做：接上两阶段工作流（LTX-2.3_T2V_I2V_Two_Stage_Distilled），体会空间上采样器对分辨率和细节的提升，再对比一遍单阶段的输出质量。

【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo