LTX-2.3-FP8 是 LTX-2.3 音视频生成大模型的 FP8/INT8 量化版本，可大幅降低显存占用。本文给出完整参数速查表：视频分辨率必须被 32 整除、帧数遵循 8+1 规则（如 81、161 帧），以及不满足条件时的 Pad 填充+裁剪技巧，帮助你一次配置成功。

📦 一、LTX-2.3-FP8 量化模型有哪些文件？

本仓库由 Unsloth 团队构建，基于 diffusers 格式的 LTX-2.3 密集权重，通过 torchao 动态激活量化生成，提供两种量化方案、两种文件格式：

💡 每个检查点都经过位级一致性验证：与"加载时即时量化密集权重"结果完全相同（4186 个张量比对，0 处不一致），因此直接加载量化文件不会引入额外误差。

仓库中还附带官方模型卡 README.md，其中保留了 LTX-2.3 完整模型的说明与全部参数规则，是官方唯一权威出处。

📏 二、分辨率设置：必须被 32 整除

LTX-2.3 采用 DiT 架构，视频在潜空间（latent）中被大幅压缩，因此宽度与高度必须同时被 32 整除，否则推理流水线无法对齐潜空间网格。

✅ 常见合规分辨率速查：

⚠️ 常见踩坑值：720（32×22.5，不整除）、544×960 中的 544（=32×17 ✅ 可用）、640×360中的 360（不整除）。判断方法很简单：宽 % 32 == 0 且 高 % 32 == 0。

🎞️ 三、帧数设置：8+1 规则详解

视频扩散模型的时序压缩器会保留第 1 帧作为锚点，其后每 8 帧折叠为 1 个时序潜变量，因此帧数必须等于 8 的倍数再加 1，即满足：

帧数 = 8 × N + 1 （N ≥ 1）

✅ 合法帧数速查：

❌ 错误示例：25 帧、100 帧、60 帧都不满足 8N+1，需就近取 33、97、57。

✂️ 四、Pad 填充 + 裁剪：不满足规则怎么办？

当你想生成768×432或100 帧这类"不合规"输出时，官方给出的标准做法是：

1. 向上取整到合规尺寸：把输入 pad 到最近的 32 的倍数和 8N+1 帧数（如 768×432 → 768×448，100 帧 → 105 帧）；
2. 按合规参数生成完整视频；
3. 裁剪回目标尺寸与帧数：裁掉多余的行、列和尾部帧，即得到精确的 768×432 × 100 帧。

在 ComfyUI 中对应流程是"LTX 采样节点 +Image Crop/ 视频裁剪节点"；在 PyTorch 侧则是对输出张量做切片即可。注意 README 原文提示 pad 值为-1（即先用 -1 填充再裁剪），这是官方代码路径中的约定行为，按官方流水线执行即可自动处理。

🎯 经验法则：优先直接选合规参数，比生成后再裁剪更省显存和算力；Pad 裁剪只用于必须匹配特定画幅（如 16:9 精确比例）的场合。

⚙️ 五、配套检查点怎么选？

量化 DiT 需要与官方检查点搭配使用，仓库内提供了完整的配套权重：

• ltx-2.3-22b-dev.safetensors：完整版 22B 模型（bf16），灵活且可训练，步数与 CFG 可调；
• ltx-2.3-22b-distilled.safetensors：蒸馏版，8 步、CFG=1，速度极快；
• ltx-2.3-22b-distilled-1.1.safetensors：蒸馏 v1.1，美学与音质进一步提升。

⚠️ 注意：22B 蒸馏 DiT 比基础 LTX-2 对量化更敏感（同种子首帧 LPIPS：0.42 INT8 / 0.50 FP8，基础模型为 0.24/0.26）。帧面保持清晰、构图完整，但构图漂移略多；追求画质可优先 FP8，追求显存优先 INT8。

🧩 六、一键上手：ComfyUI 与 PyTorch 两条路径

路径 A：ComfyUI（推荐新手）

使用 ComfyUI Manager 中内置的 LTXVideo 节点，导入上述量化权重文件后，在 LTX 视频条件节点中填入合规的宽高与帧数即可，无需写代码。

路径 B：PyTorch 官方代码库

LTX-2 代码库要求 Python ≥3.12、CUDA >12.7、PyTorch ≈2.7，安装完成后参考其ltx-pipelines包的说明进行推理。加载 FP8 检查点时注意：底层使用torch._scaled_mm，需将动态激活 scale 下限设为activation_value_lb=1e-12（torchao 0.13+），避免全零激活 token 行产生零 scale。

❓ 七、常见问题（FAQ）

Q1：为什么我设置的 720p 分辨率报错？720 不能被 32 整除（720 = 32×22.5）。换成 704、736、768 这类 32 的倍数即可。

Q2：8 步、CFG=1 是必须的吗？这是蒸馏版模型（distilled）的设定；dev 完整模型可以自行调整步数与 CFG。

Q3：量化文件能用于训练吗？不能。训练请使用 bf16 完整模型 ltx-2.3-22b-dev.safetensors；量化文件仅用于推理。

Q4：INT8 和 FP8 画质差多少？仓库给出同种子首帧 LPIPS（越低越好）：INT8 0.42、FP8 0.50。两者都明显优于"零额外误差"的位级一致性，FP8 综合更稳，INT8 显存更省。

Q5：帧数 8N+1 与 FPS 是什么关系？规则只约束总帧数，FPS 可自由选择。想要 5 秒 @25FPS 的 125 帧视频？不合规——请改为 121 帧（≈4.8 秒）或 129 帧（≈5.2 秒），或采用第四节的 Pad 裁剪方案。

📌 总结

记住这三条核心规则——32 整除、8+1、Pad 裁剪——再配合本仓库的量化检查点，你就能在低显存显卡上流畅跑起 LTX-2.3 音视频生成。更多细节请查阅官方模型卡 README.md。