企业官网建设流程全解析

ComfyUI-LTXVideo 新手完全指南：5 步在 ComfyUI 里跑通 LTX-2 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

装好插件却报显存溢出，节点菜单里找不到 LTXVideo 分类，模型下载完却加载失败——新手第一次折腾 LTX-2 视频生成，卡住的往往不是模型，而是环境本身。本文带你从零把 ComfyUI-LTXVideo 装好、放对模型、出第一条片，并附一份"现象 → 解法"的排查对照表，翻车时直接检索。

动手前的环境自检表

先把硬性条件过一遍，能提前排掉八成低级错误。LTX-2 本体已经内置在 ComfyUI 核心里，ComfyUI-LTXVideo 是配套的功能节点包，所以你的前提是 ComfyUI 本身已经装好能启动。

显存不足 32GB 也别直接放弃，后面"出问题先看这里"一节给了挤显存的三条路。

最快出片闭环：装插件 → 放模型 → 点 Run

这一节只留必要动作，跟着做大约 20 分钟能出第一条片。

第 1 步：装好 ComfyUI-LTXVideo 插件

优先走 ComfyUI Manager：按Ctrl+M打开 Manager → Install Custom Nodes → 搜索LTXVideo→ Install → 重启 ComfyUI。装完后在节点菜单里应出现LTXVideo分类（节点名前缀是 🅛🅣🅧），能看到这个分类才算安装成功。

Manager 装不上时走手动克隆，把仓库放进 ComfyUI 的 custom_nodes 目录：

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt

装完重启 ComfyUI，再看一眼节点菜单确认 LTXVideo 分类存在。

第 2 步：给模型放对"房间"

每个模型都有固定目录，放错位置必然加载失败。最省心的方式是让工作流面板的Missing Models → Download all替你下到位；手动下载时对照这张表：

首次使用工作流时 ComfyUI 也会自动拉取缺失模型，自动下载与手动放置二选一即可，但手动放置能保证文件名和目录完全正确。

第 3 步：打开官方工作流，出第一条片

打开 example_workflows/2.3/ 下的 LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json（菜单 Workflow → Open，或直接把 json 拖进画布）。官方图例已经把所有节点连好，你只需做三件事：填提示词 → 点Run→ 等。第一次运行要加载模型，多等几分钟属正常；模型下载和加载完成后，后续每次出片就快得多。

能出片后，恭喜——你的环境已经闭环，剩下就是按需求换工作流。

按需求选功能：我想做什么，用哪个工作流

不罗列全部能力，按需求归类。所有工作流都在 example_workflows/ 下，按版本分了2.0/、2.3/、2.5/三个目录。

快速出预览：单阶段蒸馏

迭代提示词、试镜头时选 LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json 这类单阶段蒸馏图例，步数少、出片快。成片要细节就上两阶段版 LTX-2.3_T2V_I2V_Two_Stage_Distilled.json：第一阶段在基础分辨率锁定构图和运镜，第二阶段用空间超分模型补细节，不用反复调参数重跑第一阶段。

锁住构图和动作：Union IC-LoRA 控制

Union IC-LoRA 把深度、Canny 边缘、人体姿态三种控制信号合进同一个 LoRA，一次加载就能切换控制类型，图例见 LTX-2.3_ICLoRA_Union_Control_Distilled.json。它在下采样后的 latent 上运算，显存占用更低、速度更快。想让人物元素沿指定轨迹运动，换 LTX-2.3_ICLoRA_Motion_Track_Distilled.json，在第一帧上画稀疏轨迹即可。

改造已有视频：V2V、Inpaint、Outpaint

手里已有素材时，按"改什么"选图例：

• 保持原片框架、只换外观：LTX-2.5_V2V_ICLoRA_Single_Stage_Distilled.json，原音频全程冻结保留
• 替换某个区域：Inpaint 两阶段工作流（LTX-2.5_ICLoRA_Inpaint_Two_Stage_Distilled.json）
• 把画布往外扩：Outpaint 工作流（LTX-2.5_ICLoRA_Outpaint_Two_Stage_Distilled.json）

HDR 电影感与 EXR 交付

HDR IC-LoRA 产出 ACEScct 工作空间的线性 HDR 画面。经 hdr_nodes.py 里的LTXVHDRDecodePostprocess解码后，同时得到两路输出：Reinhard 色调映射的 SDR 预览，和原始线性 HDR 张量，后者可以直接进调色。要交 EXR 序列时，EXR 读写走 OpenImageIO（pip install openimageio，已列在 requirements.txt 中），单阶段入口是 LTX-2.3_ICLoRA_HDR_Distilled.json，大画布版本在 example_workflows/2.5/HDR_workflows/。

给视频换台词：Lipdub（配音换词）

LTX-2.3_ICLoRA_DubIt_Two_Stage_Distilled.json 里的 Dub-It IC-LoRA 会按目标文本重新生成唇形和音频，同时靠参考音频 token 保住说话人身份——可以跨语言翻译，也可以同语言改词。两阶段管线先出基础分辨率的音视频，第二阶段冻结音频通道只放大画面。

只要声音不要画面：纯音频生成

用 LTX-2.3_T2A_Single_Stage_Distilled.json 即可。底层原理见 audio_only.py：LTXVAudioOnlyModel把模型切到音频单模态，LTXVAudioOnlyEmptyVideoLatent提供一个 64×64 单帧占位 latent 占住采样器的第 0 个输入位，最后LTXVAudioVAEDecode解出音频，用内置的音频保存节点导出。

低清素材创意放大

Pixel Spatial Upscaler IC-LoRA 有 2× 和 4× 两档（LTX-2.3_ICLoRA_Pixel_Spatial_Upscaler_Distilled.json）。它不是插值放大，而是基于参考画面"重新画"细节，属于创意型超分：LoRA 强度、引导强度和步数越低越贴源片，越高越放飞。推荐节奏：先以约 280p 定稿构图，再上超分出终稿。

提示词写得不好：用 Gemma 3 润色

LTXVGemmaEnhancePrompt节点（gemma_encoder.py）会让 Gemma 3 改写并扩写你的提示词，系统提示词模板在 system_prompts/ 目录，t2v 和 i2v 各一份。

出问题先看这里：高频报错对照表

按"现象 → 原因 → 解法"整理，遇到哪条看哪条。

另外记一条硬约束：帧数必须是1 + 8 的倍数（如 33、97 帧），写错会直接被采样器拒掉。

下一步往哪走：进阶地图

跑通第一条片之后，按兴趣挑一个方向深入：

• 选工作流：example_workflows/2.5/README.md 里有一棵完整的"我该用哪个图例"选择树，比翻文件夹高效得多
• 高级控制：tricks/nodes/ 下的注意力库节点（保存并回灌注意力权重，跨片段保持场景一致）、PAG 扰动注意力引导、Feta 增强
• 改善运动质量：stg.py 的 STG 引导器，配合 presets/stg_advanced_presets.json 的现成预设
• 突破显存上限：LTXVLoopingSampler 把超长视频切段拼接；LTXVTiledFusionSampler 让画布超过模型训练窗口做 4K/8K；tiled_vae_decode.py 分块解码省显存
• 省内存细节：LTXVQ8LoraModelLoader降低 LoRA 内存占用；LTXVLoadConditioning/LTXVSaveConditioning可以把生成过的条件存盘复用，免去重复编码

LTX-2 真正的好用之处在于这些节点可以自由拼装。建议现在就打开单阶段蒸馏工作流，用 512×288 的草稿分辨率把第一条视频跑出来——先跑通，再谈画质。

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