ComfyUI视频生成实战：5步搭通LTXVideo工作流

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

想搭一条AI视频工作流却不知从哪下手？这篇实践指南以ComfyUI-LTXVideo为主角，带你走完ComfyUI视频生成从环境安装到出片调参的最短路径，并给出LTXVideo工作流里高频翻车点的排查方法。

1. 跑通第一条视频

先说好前提：LTX-2 本体已经内置在 ComfyUI 核心里，这个仓库提供的是扩展节点和示例工作流。按 README 的要求，建议准备一块 32GB 以上显存的 CUDA 显卡，磁盘留 100GB 放模型和缓存。步骤如下：

1. 确认已装好 ComfyUI，再把本仓库克隆进custom_nodes目录：

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

2. 模型文件按目录归类下载：主模型 checkpoint 放models/checkpoints，空间/时间 upscaler 放models/latent_upscale_models，蒸馏 LoRA 放models/loras，Gemma 3 文本编码器整个仓库放到models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized。

3. 首次跑图时如果模型还没就位，按节点提示下载即可，或者提前按 README 的 "Required Models" 清单手动拉好。

4. 重启 ComfyUI，在工作流目录example_workflows/下加载一条入门图，比如example_workflows/2.3/LTX-2.3_T2V_I2V_Single_Stage_Distilled_Full.json（文本/图像到视频，单阶段）。

5. 点 Queue Prompt 跑一把看看效果，第一次会慢（要过一遍文本编码），之后同参数出片就稳定了。

跑通之后别急着调参，先花十分钟看清楚这张图里节点是怎么串的。下面这张建筑场景示例帧展示了 LTXVideo工作流里图像驱动生成能达到的空间运动效果：


2. 工作流节点链：从Prompt到MP4

以最通用的 T2V 链路为例，数据流其实就是一条直线，中间分叉出文本和音频两路：

CheckpointLoaderSimple → LoraLoaderModelOnly → LTXVConditioning → 采样器(Sampler) → LTXVTiledVAEDecode → CreateVideo → SaveVideo CLIPTextEncode →（进入 LTXVConditioning 的文本条件） LTXVAudioVAELoader →（解码音频轨）

每个节点干的事一句话就够：

• CheckpointLoaderSimple加载蒸馏模型（如ltx-2.3-22b-distilled-1.1.safetensors），同时吐出 MODEL 和 VAE；
• LoraLoaderModelOnly只给模型挂 LoRA，不动 CLIP，适合叠风格或控制类 LoRA；
• 提示词有两条路：旧版 2.0 工作流用LTXVGemmaEnhancePrompt先把口语化输入扩写成带音频描述的细节 prompt 再送CLIPTextEncode；2.3 及以上版本内置了 Gemma 增强，原始 prompt 直接写进去就行；
• LTXVConditioning把帧率等视频级参数编进条件；
• 采样环节由LTXVScheduler产出 sigmas，交给SamplerCustomAdvanced之类的采样器迭代去噪；
• 解码用LTXVTiledVAEDecode分块解 VAE，比整帧解码省显存，最后SaveVideo落盘。

工作流 JSON 里对应的接线大致长这样（只保留主干）：

{ "MODEL": "CheckpointLoaderSimple -> LoraLoaderModelOnly -> Sampler", "CONDITIONING": "CLIPTextEncode -> LTXVConditioning -> Sampler", "SIGMAS": "LTXVScheduler -> Sampler", "NOISE": "RandomNoise -> Sampler", "LATENT": "EmptyLTXVLatentVideo -> Sampler -> LTXVTiledVAEDecode -> SaveVideo" }

想加 LoRA 就在 MODEL 线上再串一个LoraLoaderModelOnly，改强度只动第二个参数，不会碰坏文本条件。


3. 参数怎么选：按场景定

LTXVideo工作流里真正值得动的参数就那么几个：帧数（num_frames）、分辨率（width/height）、模型档位和 upscaler。按三档来定就行。

快速预览：用蒸馏模型（distilled checkpoint），帧数砍到 32~49，分辨率压到 768×512 量级。目的只有一个——在几分钟内确认 prompt 方向对不对，画面糙一点无所谓。

标准出片：分辨率上到 1920×1088 左右（注意边长按 32 的倍数、帧数按 8 的步长递增，这是LTXVBaseSampler的默认约束），帧数给到 97 左右（约 5 秒@20fps 的量级），LoRA 强度保持 1.0。这一档适合大多数交付场景。

高质量交付：走仓库里的 two-stage 工作流（如example_workflows/2.3/LTX-2.3_T2V_I2V_Two_Stage_Distilled.json），思路是"低分锁定构图和运动 → upscaler 提档"。仓库同时给了空间 upscaler（x1.5/x2）和时间 upscaler，空间管分辨率、时间管帧密度，按需组合，比一步硬怼高分辨率省显存得多。

参数定完，剩下的麻烦事基本集中在显存、闪烁和速度这三件事上。

4. 显存不够 / 画面闪烁 / 出片太慢

现象一：生成中途报 OOM 或卡死。可能原因：一次把分辨率、帧数都拉满了；或者 VAE 解码阶段整帧一次性展开（这是解码比采样更吃显存的点）。 解法：仓库自带 low_vram_loaders.py 的低显存加载节点，它负责按正确顺序做模型 offload，官方说法是能压到 32GB 显存内跑完；启动参数加--reserve-vram 5给 ComfyUI 留一点余量；解码侧优先用LTXVTiledVAEDecode而不是整帧 decode；实在不行就回到"标准出片"档把帧数减半再试。

现象二：画面闪烁、帧间不连贯。可能原因：相邻帧各自独立去噪导致时间一致性差；条件强度没设对。 解法：优先用仓库的两级工作流让时间 upscaler 补帧，而不是直接生成密集帧；采样侧试试LTXVBaseSampler的strength（控制图像条件强度，默认 0.9）和crf/blur预处理参数，给条件图加一点平滑能明显减轻闪；如果用了 IC-LoRA 控制流，参考 latent 的强度（ref 系数）调低一些再看效果。

现象三：出片太慢，慢到怀疑人生。可能原因：用了 full 模型跑单阶段；分辨率一步到位。 解法：切 distilled 模型加蒸馏 LoRA，这是仓库工作流里标 "Fast" 的那条路；或者直接用 two-stage 结构——低分辨率阶段锁构图，第二阶段 upscaler 提档，总时间通常比硬跑高分辨率短，显存还低。想要极限速度可以看 tiled_fusion_sampler.md 里的LTXVTiledFusionSampler，分块共享一张 latent 画布去噪，专为大画布 V2V 场景设计。


5. 延伸

整套流程其实就三件事：把模型放进对目录、按 MODEL→CONDITIONING→Sampler→Decode→Save 的直线把节点串起来、再用"低分锁构图、高分出片"的两级思路控制显存和速度。掌握这三点之后，仓库里 I2V、V2V、Dub-It、HDR 这些变体工作流只是同一根骨架上的不同挂件。

想继续深挖，两个入口：

• 本仓库的 looping_sampler.md 和 tiled_fusion_sampler.md，讲长视频循环采样与分块融合这两块进阶玩法；
• LTX-2 模型主仓库（Lightricks/LTX-2，ComfyUI 核心已内置其推理代码）的开源文档，覆盖模型细节与更多 ComfyUI 集成说明。

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