ComfyUI-LTXVideo 安装与配置完整指南

ComfyUI-LTXVideo 安装与配置完整指南

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

项目概述

ComfyUI-LTXVideo 是一套专为 ComfyUI 设计的强大自定义节点集合，为 LTX-2 视频生成模型提供全面的工具支持。该项目扩展了 ComfyUI 在视频处理领域的能力，让用户能够轻松创建复杂的视频生成工作流。

核心功能特性

• 多模态工作流：支持文本到视频、图像到视频、视频到视频等多种生成模式
• 高级节点系统：提供注意力控制、潜在空间引导、采样优化等专业节点
• 模型优化支持：包含完整模型和蒸馏模型两种版本，满足不同性能需求
• 扩展性设计：模块化架构便于功能扩展和定制开发

系统要求

在开始安装前，请确保您的系统满足以下要求：

• 硬件要求：

  • CUDA 兼容的 GPU，建议 32GB+ VRAM
  • 100GB+ 可用磁盘空间用于存储模型和缓存

• 软件环境：

  • Python 3.8+
  • ComfyUI 基础平台
  • pip 包管理工具

详细安装步骤

第一步：获取项目源码

将项目克隆到 ComfyUI 的自定义节点目录中：

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

第二步：安装项目依赖

进入项目目录并安装必要的 Python 依赖包：

cd custom-nodes/ComfyUI-LTXVideo pip install -r requirements.txt

第三步：配置模型文件

下载以下必需的模型文件并放置到指定目录：

LTX-2 模型检查点- 选择并下载一个模型到COMFYUI_ROOT_FOLDER/models/checkpoints文件夹：

• ltx-2-19b-dev-fp8.safetensors
• ltx-2-19b-distilled-fp8.safetensors
• ltx-2-19b-dev.safetensors
• ltx-2-19b-distilled.safetensors

空间上采样器- 下载到COMFYUI_ROOT_FOLDER/models/latent_upscale_models文件夹：

• ltx-2-spatial-upscaler-x2-1.0.safetensors

时间上采样器- 下载到COMFYUI_ROOT_FOLDER/models/latent_upscale_models文件夹：

• ltx-2-temporal-upscaler-x2-1.0.safetensors

蒸馏 LoRA- 下载到COMFYUI_ROOT_FOLDER/models/loras文件夹：

• ltx-2-19b-distilled-lora-384.safetensors

Gemma 文本编码器- 下载所有文件到COMFYUI_ROOT_FOLDER/models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized文件夹

控制 LoRAs- 选择并下载到COMFYUI_ROOT_FOLDER/models/loras文件夹：

• ltx-2-19b-ic-lora-canny-control.safetensors（边缘检测控制）
• ltx-2-19b-ic-lora-depth-control.safetensors（深度控制）
• ltx-2-19b-ic-lora-detailer.safetensors（细节增强）
• ltx-2-19b-ic-lora-pose-control.safetensors（姿态控制）
• 多种相机运动控制 LoRA 模型

示例工作流程

项目提供了丰富的示例工作流程，位于example_workflows/目录中：

• 文本到视频完整模型：使用完整模型进行文本到视频生成
• 文本到视频蒸馏模型：使用轻量化的蒸馏模型，生成速度更快
• 图像到视频完整模型：基于输入图像生成视频内容
• 图像到视频蒸馏模型：轻量化版本的图像到视频生成
• 视频到视频细节增强：对现有视频进行细节优化和增强
• IC-LoRA 蒸馏模型：支持深度、人体姿态、边缘等多种控制条件

高级配置技巧

低 VRAM 优化

对于 VRAM 有限的系统，可以采用以下优化策略：

• 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，使生成过程适应 32GB VRAM
• 使用 ComfyUI 的--reserve-vram参数：python -m main --reserve-vram 5（或其他GB数值）
• 合理配置模型加载策略，平衡性能与资源占用

节点类别说明

安装完成后，节点将出现在节点菜单的 "LTXVideo" 类别下，主要包括：

• 注意力控制节点：精确控制生成过程中的注意力机制
• 潜在空间引导节点：在潜在空间中引导视频生成方向
• 采样优化节点：提供多种采样策略以获得最佳生成效果
• 模型修改节点：动态调整模型参数和行为

故障排除

常见问题解决

1. 节点未显示：确保已正确安装并重启 ComfyUI
2. 模型加载失败：检查模型文件路径和完整性
3. 内存不足：启用低 VRAM 模式或减少生成分辨率

依赖包管理

项目依赖的核心 Python 包包括：

• diffusers：扩散模型框架
• einops：张量操作库
• huggingface_hub：Hugging Face 模型仓库访问
• ninja：构建系统
• transformers：预训练模型加载和推理

使用建议

新手入门

建议从示例工作流程开始，逐步熟悉各个节点的功能和使用方法。先从简单的文本到视频任务入手，然后尝试更复杂的图像到视频和控制条件生成。

性能优化

根据硬件配置选择合适的模型版本：

• 高性能硬件：使用完整模型获得最佳质量
• 中等配置：使用蒸馏模型平衡质量与速度
• 有限资源：启用低 VRAM 模式并适当降低分辨率

总结

ComfyUI-LTXVideo 为视频生成任务提供了强大而灵活的工具集。通过正确的安装和配置，您可以充分利用 LTX-2 模型的先进特性，创建出令人印象深刻的视频内容。遵循本指南的步骤，您将能够快速上手并开始您的 AI 视频创作之旅。

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