Lightricks/ComfyUI-LTXVideo

它是做什么的

ComfyUI-LTXVideo 是一组用于可视化编程界面 ComfyUI 的自定义节点，让您能在 ComfyUI 内运行 Lightricks 的 LTX-2 视频生成模型。该仓库整合了额外的节点、示例工作流程和辅助脚本，让用户可以进行文本转视频、图片转视频、视频转视频、纯音频生成、HDR 转换、配音、放大以及许多基于 LoRA 的控制技巧。

适用对象

• 已经使用 ComfyUI 并希望尝试最先进视频生成技术的艺术家、创作者和开发者。
• 拥有高端 GPU (32 GB VRAM) 且磁盘空间充足 (≈100 GB) 以托管大型 LTX-2 检查点 (checkpoints) 的用户。
• 任何有兴趣将基于 LoRA 的控制 (深度、姿势、HDR、配音等) 应用于生成视频的人。

如何开始

1. 安装 ComfyUI (从官方网站下载)。
2. 打开 ComfyUI → 按下 Ctrl + M → Manager → 搜索 “LTXVideo” 并安装自定义节点包。
3. 重启 ComfyUI；节点菜单中会出现一个新的 LTXVideo 分类。
4. 首次使用时，系统会自动下载所需的 LTX-2 模型文件 (或者您可以从 README 中列出的 HuggingFace 链接预先下载)。
5. 打开 custom_nodes/ComfyUI-LTXVideo/example_workflows/ 下的任何示例工作流程 JSON 文件，查看现成的管线，然后根据需要编辑提示词或参数。

您可以用它做什么

功能	作用	常见用途
文本转视频 / 图片转视频	从文本提示或单张图片生成完整视频片段。	快速分镜、视觉特效模拟。
IC-LoRA 控制	为基础模型增加深度、姿势、边缘、HDR、配音、水流模拟等的 LoRA 适配器。	细致的艺术控制、风格迁移、视觉特效。
HDR 转换	将 SDR 视频转为 ACEScct HDR 帧；可导出 16/32-bit EXR 序列。	高动态范围调色管线。
Dub-It	重新生成口型同步和音频以匹配新对话 (多语言或同语言)。	本地化、配音制作。
Pixel Spatial Upscaler	生成式放大 (2× 或 4×)，增加新细节而非简单插值。	将低分辨率草稿转为高分辨率最终渲染。
纯音频生成 (T2A)	在纯音频模式下使用联合音频/视频 Transformer，输出 wav/FLAC 文件。	音效设计、音乐生成。
Tiled Fusion Sampler	通过分块采样大画布 (FullHD-8K) 同时保持单一潜空间画布，实现高分辨率视频转视频工作。	放大或细节优化 4K/8K 视频。
低 VRAM 加载器	将模型部分卸载以适应 32 GB VRAM 的辅助节点。	内存较少的使用者。

运作原理 (高阶概述)

• LTX-2 是一个联合预测视频帧和音频的大型 Transformer。核心模型位于官方 ComfyUI 仓库内，因此本包仅添加了 封装节点，用以公开额外功能 (LoRA 注入、控制信号处理、放大、HDR 后处理等)。
• 工作流程通过连接节点建立：模型加载器节点将检查点载入内存，选用的 LoRA 节点附加控制适配器，采样器节点执行扩散过程，解码节点将潜空间张量转为图像帧或音频波形。
• 对于高分辨率工作，Tiled Fusion Sampler 将画布分割为重叠的块，在每个块上执行扩散同时共享单一噪声场，然后将结果拼接在一起。

何时可能不适合您

• 如果您缺乏 ≥32 GB VRAM 的 GPU，基础模型 (22 B 参数) 将无法载入；您需要依赖低 VRAM 加载器并接受较慢的生成速度。
• 本仓库与 ComfyUI 紧密耦合；无法作为独立脚本或与其他 UI 框架一起使用。
• 它需要手动下载许多大型检查点文件 (模型、放大器、LoRAs)，因此设置可能非常占用存储空间。

---

以上所有信息均直接取自该仓库的 README；未添加任何外部假设。