ComfyUI-LTXVideo 完整上手指南：10 分钟跑通 LTX-2 AI 视频生成
【免费下载链接】ComfyUI-LTXVideoLTX-Video Support for ComfyUI项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo
把深度图和边缘图塞进同一个控制 LoRA（给模型叠加特定能力的轻量微调模块），让视频按轮廓和空间深浅动起来；把 SDR 素材升级成线性 HDR，直接导出 EXR 序列进调色流程——这是 ComfyUI-LTXVideo 在 LTX-2 上能做的事。LTX-2 已内置在 ComfyUI 核心里，这组自定义节点负责剩下的进阶部分：控制条件、HDR 输出、两阶段放大、低显存推理。本文覆盖装节点、备模型、跑通首条工作流，以及进阶玩法。
能生成什么效果：先看能力清单
装之前先心里有数。IC-LoRA 是做了图像/视频条件训练的 LoRA，让模型去参考并跟随你给的图片、深度图等。基于它，ComfyUI-LTXVideo 可以做到：
- 文本/图片生视频：full 与 distilled（少步数快采）模型，单阶段或两阶段（第二阶段做放大）
- 控制类 IC-LoRA：深度 + 人体姿态 + 边缘、运动跟踪、dolly 推拉、jib 升降等运镜
- HDR 视频：SDR 素材升成线性 HDR，导出 EXR 进调色
- Dub-It 配音：改口播内容或翻译成外语，人物和音色保持一致
- 生成式放大：Pixel Spatial Upscaler IC-LoRA 以 2×/4× 合成细纹理，不是简单像素插值
- 纯音频：
LTXVAudioOnlyModel节点只出音频不出画面 - V2V 精修：细节增强、修补、扩展画幅，以及日转夜、去模糊等场景化 LoRA
用 ComfyUI Manager 一键装好节点
先核对硬件，缺一项都白搭：
- 已安装 ComfyUI
- CUDA 兼容 GPU，显存建议 32GB 起
- 预留 100GB 以上磁盘空间，整套模型不小
安装步骤：
- 打开 ComfyUI 界面，按 Ctrl+M 唤出 Manager 面板
- 选 "Install Custom Nodes" 菜单项
- 输入 LTXVideo 搜索，点击安装
- 装完后重启 ComfyUI
重启后，节点菜单里会多出一个 LTXVideo 分类，模型会在首次运行时自动拉取。依赖没装全的话（diffusers、einops、huggingface_hub>=0.25.2、kornia、ninja~=1.11.1.4、transformers[timm]>=4.50.0，另有 openimageio 负责 EXR 读写，完整清单见 requirements.txt），跑一下pip install -r requirements.txt补齐即可。
模型下载清单：备齐再跑工作流
路径都相对 COMFYUI_ROOT_FOLDER（ComfyUI 安装根目录）：
| 用途 | 文件 | 存放位置 |
|---|---|---|
| 主模型，二选一 | ltx-2.3-22b-dev.safetensors或ltx-2.3-22b-distilled-1.1.safetensors | models/checkpoints |
| 空间上采样器，两阶段必装 | ltx-2.3-spatial-upscaler-x2-1.1.safetensors、ltx-2.3-spatial-upscaler-x1.5-1.0.safetensors | models/latent_upscale_models |
| 时间上采样器，两阶段必装 | ltx-2.3-temporal-upscaler-x2-1.0.safetensors | models/latent_upscale_models |
| 蒸馏 LoRA，两阶段需要（DistilledPipeline、ICLoraPipeline 除外） | ltx-2.3-22b-distilled-lora-384-1.1.safetensors | models/loras |
| Gemma 文本编码器，Gemma 3 的全部文件 | gemma-3-12b-it-qat-q4_0-unquantized仓库内容 | models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized |
| 功能 LoRA，按玩法选装 | ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors、ltx-2.3-22b-ic-lora-motion-track-control-ref0.5.safetensors、ltx-2.3-22b-ic-lora-hdr-0.9.safetensors、ltx-2-19b-ic-lora-detailer.safetensors、ltx-2-19b-ic-lora-pose-control.safetensors，相机控制系列等 | models/loras |
Gemma 编码器负责读懂提示词，是 12B 的 QAT 量化版。功能 LoRA 不必一次拉齐，玩到哪个场景再下哪个。
跑通第一条工作流：从示例图入手
示例图都在 example_workflows/ 目录，按模型版本 2.0 / 2.3 / 2.5 归档：
- 2.3 系列：文/图生视频单阶段（full 与 distilled）、文/图生视频两阶段带放大、IC-LoRA Union Control（深度 + 姿态 + 边缘）、I2V 运动跟踪、HDR、Dub-It 两阶段、像素空间放大、文本生成音频
- 2.0 系列：T2V full / distilled、I2V full / distilled、V2V detailer、IC-LoRA All（深度 + 姿态 + 边缘）、降采样参考 latent 版本（ref0.5）
操作就三步：把 .json 拖进 ComfyUI 页面载入图；核对各加载节点里的模型名和下载的文件对得上；点 "Queue Prompt" 出片。
功能详解：Union IC-LoRA、HDR 与 Tiled Fusion
Union IC-LoRA：一个 LoRA 扛住深度和边缘
按常理，两种控制信号要配两个 LoRA，Union IC-LoRA 把深度和 canny 边缘条件合并进一个统一 LoRA。训练目标是让模型自己识别输入里带着哪种控制信号，不用你手动切换。另一处设计：它在降采样后的 latent 尺寸上工作，显存占用更小、推理提速明显，质量基本不掉。对应工作流是 2.3 目录里的LTX-2.3_ICLoRA_Union_Control_Distilled.json。
HDR IC-LoRA：出片即线性 HDR
这条 LoRA 先在 LogC3 压缩空间里出帧，再由LTXVHDRDecodePostprocess节点解码回线性 HDR 数值。输出是双份的：一路 Reinhard 色调映射后的 SDR 预览，方便直接看效果；一路原始线性 HDR 张量，交给下游处理。还可以把线性 HDR 帧写成 16/32-bit EXR 图像序列，适合分级和母版交付。工作流入口：LTX-2.3_ICLoRA_HDR_Distilled.json。
Tiled Fusion：超出训练窗口的大画布
LTXVTiledFusionSampler在一块共享的 latent 画布上切重叠空间 tile，每个去噪步骤按 tile 执行，专治 IC-LoRA V2V 场景（guide 已由LTXAddVideoICLoRAGuide挂好）。搭配LTXVGetTilingSizes节点选合法的画布、tile 和帧数，规则细节在 tiled_fusion_sampler.md。注意别和LTXVTiledSampler混了：后者是各 tile 独立采样，玩法完全不同。一个坑：放大时提示词只写观感和风格（光线、色板、锐度、调色），别点名具体物体，否则名字里的细节可能在每个空间 tile 里都冒出来。
显存不够怎么跑：两个低显存手段
显存吃紧时，两个抓手可以叠着用：
- 换用 low_vram_loaders.py 里的低显存加载器节点：保证执行顺序正确、负责模型卸载，让生成过程塞进 32GB 显存
- 启动时加
--reserve-vram参数给系统留出余量：python -m main --reserve-vram 5，数字单位是 GB
前者管模型进出，后者管环境余量，双管齐下最稳。
第一步：今天就跑这张图
先别碰进阶功能。第一次运行走最快路径：下ltx-2.3-22b-distilled-1.1.safetensors检查点和 Gemma 编码器，把 2.3 目录里的LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json拖进 ComfyUI，改个提示词直接跑。单阶段、不用上采样器，一遍就能看到完整链路。跑通之后再回头按清单补模型，逐个试 Union、HDR 和 Tiled Fusion 玩法。
【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
