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-LTXVideo

ComfyUI-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：

安装方式二选一：

1. 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。
2. 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 ComfyUI，Manager 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