ComfyUI-LTXVideo视频生成工作流完全指南：从安装到高级应用

一、准备阶段：环境搭建与组件准备

1.1 环境要求与前置条件

在开始安装ComfyUI-LTXVideo之前，请确保您的系统满足以下基本要求：

• 已安装ComfyUI主程序（建议使用最新稳定版本）
• Python 3.10+环境
• 足够的磁盘空间（至少20GB，用于模型文件和工作数据）
• 支持CUDA的NVIDIA显卡（推荐8GB以上显存）

注意：虽然该项目可在CPU环境下运行，但视频生成功能强烈建议使用GPU加速，否则生成速度会显著降低。

1.2 两种安装方式对比与选择

ComfyUI-LTXVideo提供两种安装方式，您可以根据自己的技术背景和需求选择：

安装方式	适用人群	操作难度	优势
自动安装	新手用户、追求便捷性	低	一键操作，自动处理依赖关系
手动安装	高级用户、需要自定义配置	中	可灵活调整安装参数，适合特殊环境

自动安装流程（推荐）：

1. 启动ComfyUI并打开ComfyUI-Manager插件
2. 在节点列表中搜索"ComfyUI-LTXVideo"
3. 点击"安装"按钮并等待完成
4. 重启ComfyUI使插件生效

手动安装流程：

1. 打开终端，导航至ComfyUI的custom_nodes目录
2. 执行克隆命令：

   git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo custom_nodes/ComfyUI-LTXVideo
   

3. 进入目录并安装依赖：

   cd custom_nodes/ComfyUI-LTXVideo && pip install -r requirements.txt
   

4. 对于便携版ComfyUI，使用以下命令安装依赖：

   .\python_embeded\python.exe -m pip install -r .\ComfyUI\custom_nodes\ComfyUI-LTXVideo\requirements.txt
   

1.3 硬件配置建议

根据不同模型类型，推荐以下硬件配置以获得最佳体验：

模型类型	最低配置	推荐配置	适用场景
2B Distilled	8GB显存，4核CPU	12GB显存，6核CPU	快速原型验证，教学演示
13B Distilled	12GB显存，6核CPU	16GB显存，8核CPU	高质量视频生成，商业应用
13B Distilled 8-bit	8GB显存，6核CPU	12GB显存，8核CPU	平衡性能与资源消耗

注意：使用视频放大功能时，建议配置16GB以上显存以避免内存溢出。

二、实施阶段：模型部署与基础使用

2.1 核心模型部署策略

LTX-Video提供多种模型版本，您可以根据项目需求和硬件条件选择合适的模型：

模型类型	特点	适用场景	模型大小
13B Distilled	电影级质量，仅需4-8步生成	高质量视频创作，专业输出	约25GB
13B Distilled 8-bit	内存占用低，速度更快	中端硬件设备，实时预览	约13GB
2B Distilled	轻量级，适合快速迭代	移动设备，快速原型	约4GB

模型部署步骤：

1. 下载所选模型文件
2. 将模型文件放置到ComfyUI的models/checkpoints目录下
3. 确认文件权限正确，确保ComfyUI可以读取

2.2 辅助组件安装

除主模型外，还需安装以下辅助组件以启用完整功能：

T5文本编码器

T5文本编码器用于将文本提示转换为模型可理解的向量表示，推荐使用google_t5-v1_1-xxl_encoderonly版本。可通过ComfyUI Model Manager进行安装，安装后会自动放置到正确目录。

视频放大模型

如需使用视频分辨率提升功能，需下载并部署：

• 空间 upscale 模型：放置到models/upscale_models目录
• 时间 upscale 模型：放置到models/upscale_models目录

提示：所有辅助模型安装完成后，建议重启ComfyUI以确保组件正确加载。

2.3 基础工作流使用指南

ComfyUI-LTXVideo提供了多个示例工作流，覆盖从简单到复杂的各种应用场景。基础图片转视频工作流的核心节点关系如下：

输入 → 增强 → 采样 → 输出

使用步骤：

1. 在ComfyUI界面点击"Load"按钮
2. 导航到example_workflows目录
3. 选择基础工作流文件（如LTX-2_I2V_Distilled_wLora.json）
4. 加载后，工作流包含以下核心节点：
   • 图片输入节点：用于加载起始图片
   • LTXV Prompt Enhancer：优化文本提示
   • LTXV Sampler：核心视频生成节点
   • LTXV VAE Patcher：处理视频输出
5. 添加输入图片，调整参数
6. 点击"Queue Prompt"开始生成

注意：首次运行可能需要较长时间加载模型，请耐心等待。生成过程中可以在控制台查看进度信息。

三、进阶阶段：高级功能与优化技巧

3.1 长视频生成技术

对于需要生成超过10秒的长视频，推荐使用带循环采样器的工作流（如LTX-2_ICLoRA_All_Distilled.json）。该工作流使用LTXV Looping Sampler节点实现无限视频生成，核心特点包括：

• 支持任意长度视频生成
• 多提示词控制视频内容变化
• 基于时间轴的平滑过渡

使用技巧：

• 为不同时间段设置不同提示词，控制场景变化
• 调整"循环强度"参数控制视频连贯性
• 使用关键帧功能标记场景转换点

3.2 ICLoRA控制技术应用

ICLoRA（上下文LoRA控制技术）允许通过深度图、姿态估计或边缘检测来精确控制视频生成。目前支持的ICLoRA模型类型：

• 深度控制：通过深度图控制场景立体感
• 姿态控制：控制人物或物体的运动姿态
• 边缘控制：基于边缘检测结果生成视频

应用步骤：

1. 加载ICLoRA工作流（如LTX-2_ICLoRA_All_Distilled_ref0.5.json）
2. 添加控制输入（深度图、姿态图或边缘图）
3. 调整控制强度参数（建议从0.3开始尝试）
4. 设置生成参数并运行

提示：ICLoRA控制效果与输入控制图质量密切相关，建议使用高质量的控制图以获得最佳效果。

3.3 性能优化与问题解决

性能优化技巧

• 使用8位量化模型减少内存占用
• 调整采样步数（4-8步平衡质量与速度）
• 降低分辨率进行预览，确认效果后再生成高分辨率版本
• 关闭不必要的后台程序释放系统资源

常见错误代码速查表

错误代码	可能原因	解决方案
CUDA out of memory	显存不足	降低分辨率、使用8位模型或增加虚拟内存
Model not found	模型文件缺失或路径错误	检查模型文件是否在正确目录，文件名是否正确
ImportError	依赖包未安装	重新运行pip install -r requirements.txt
Timeout	生成时间过长	减少视频长度或降低分辨率

VAE Patcher问题解决

LTXV Patcher VAE节点可以提高解码性能并减少内存消耗，但在Windows系统上可能需要配置环境变量：

在Windows上，可能需要将MSVC编译器(cl.exe)和ninja.exe的路径添加到系统环境变量PATH中。

相关实现模块：vae_patcher.py

四、总结与后续探索

通过本指南，您已经掌握了ComfyUI-LTXVideo的安装配置、模型部署和基础使用方法。以下是进一步探索的建议：

1. 尝试不同的示例工作流，熟悉各种功能特点
2. 调整提示词和参数，探索视频生成效果的变化
3. 结合ICLoRA模型，实现更精确的视频控制
4. 参考presets/stg_advanced_presets.json调整STG参数获得更好效果

随着版本更新，LTX-Video会不断推出新功能和模型，建议定期查看项目更新以获取最新特性。官方文档：README.md

希望本指南能帮助您顺利搭建视频生成工作流，创造出令人惊艳的视频内容！