ComfyUI-LTXVideo

这是一个功能强大的自定义节点集合，用于扩展 ComfyUI 对 LTX-2 视频生成模型的支持能力。

LTX-2 已内置在 ComfyUI 核心中（请参见此处），所有 ComfyUI 用户均可直接使用。本仓库托管了额外的节点和工作流，旨在帮助您充分利用 LTX-2 的高级功能。

要了解更多关于 LTX-2 的信息，请访问主 LTX-2 仓库以获取模型详情和其他资源。

前提条件

在 ComfyUI 中使用 LTX-2 工作流之前，请确保您已具备：

已安装 ComfyUI（在此下载）
支持 CUDA 且显存大于等于 32GB 的 GPU
100GB 以上的可用磁盘空间，用于存放模型和缓存

快速开始 🚀

我们建议使用 Comfy Manager 中提供的 LTX-2 工作流。

打开 ComfyUI
点击 Manager 按钮（或按 Ctrl+M）
选择 Install Custom Nodes
搜索 “LTXVideo”
点击 Install
等待安装完成
重启 ComfyUI

节点将出现在您的节点菜单中，位于 “LTXVideo” 类别下。所需的模型将在首次使用时下载。

示例工作流

ComfyUI-LTXVideo 安装包包含多个示例工作流。
您可以在以下位置查看所有工作流：

ComfyUI/custom_nodes/ComfyUI-LTXVideo/example_workflows/

LTX-2.3 工作流：

旧版工作流（LTX-2.0）：

联合 IC-LoRA 模型

我们引入了一个新的 联合 IC-LoRA 模型，它将深度和边缘（Canny）控制条件整合到一个统一的 LoRA 中。

主要特性

统一控制：一个支持多种控制条件（深度或边缘）的单一 LoRA。
下采样潜变量处理：该联合 LoRA 在下采样后的潜变量尺寸上运行，这降低了内存使用量，并在保持质量的同时显著加快了推理速度。

工作原理

联合 LoRA 经过训练，能够在一个模型中理解和响应两种控制信号（深度图和边缘图）。该模型学习：

解析多种条件：识别输入中存在哪些控制信号。
在降低的分辨率下处理：在下采样的潜变量上工作以提高效率。

所需模型

请下载以下模型：

LTX-2.3 模型检查点 - 选择并下载其中一个模型到 COMFYUI_ROOT_FOLDER/models/checkpoints 文件夹。
* ltx-2.3-22b-dev.safetensors
* ltx-2.3-22b-distilled.safetensors

空间上采样器 - 本仓库中当前两阶段流程实现所需。下载到 COMFYUI_ROOT_FOLDER/models/latent_upscale_models 文件夹。
* ltx-2.3-spatial-upscaler-x2-1.0.safetensors
* ltx-2.3-spatial-upscaler-x1.5-1.0.safetensors

时间上采样器 - 本仓库中当前两阶段流程实现所需。下载到 COMFYUI_ROOT_FOLDER/models/latent_upscale_models 文件夹。
* ltx-2.3-temporal-upscaler-x2-1.0.safetensors

蒸馏 LoRA - 本仓库中当前两阶段流程实现所需（DistilledPipeline 和 ICLoraPipeline 除外）。下载到 COMFYUI_ROOT_FOLDER/models/loras 文件夹。
* ltx-2.3-22b-distilled-lora-384.safetensors

Gemma 文本编码器 - 下载该仓库中的所有文件到 COMFYUI_ROOT_FOLDER/models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized。
* Gemma 3

高级技巧

低显存模式

对于显存较低的系统，您可以使用 low_vram_loaders.py 中的模型加载器节点。这些节点确保正确的执行顺序，并执行模型卸载，使得生成过程能够适应 32 GB 的显存。
使用 ComfyUI 的 --reserve-vram 参数：python -m main --reserve-vram 5（或其他以 GB 为单位的数字）。
有关在 ComfyUI 中使用 LTX-2 模型、工作流和节点的完整信息，请访问我们的开源文档。

项目地址：https://github.com/Lightricks/ComfyUI-LTXVideo

8 次点击 ∙ 0 人收藏

登录后收藏

0 条回复

ComfyUI-LTXVideo — 基于工作流的视频生成扩展组件