AI 视频生成领域最近迎来了一个重磅炸弹——Lightricks 开源的 LTX-Video（通常被社区称为 LTX2.3 或最新高阶版本）。相比于之前的 HunyuanVideo 或 SVD，LTX-Video 以极快的推理速度**、**低显存占用（单卡轻量运行）**以及**极高的画面运动流畅度**瞬间引爆了 AI 社区。
今天，我们就来手把手搭建一个基于 **ComfyUI** 的 LTX-Video 完整文生视频工作流。本文不仅包含核心节点的连接，更包含**模型下载、节点报错、参数调优等全套避坑指南**，助你一键生成大片！
🛠 一、 准备工作：环境与模型下载
在开始搭建工作流之前，我们需要准备好最新的 ComfyUI 环境以及 LTX-Video 的核心模型。
1. 核心插件安装
确保你的 ComfyUI 已经更新到最新版本。打开 **ComfyUI Manager**，搜索并安装以下核心节点插件（如已安装可跳过）：
ComfyUI-VideoHelperSuite（视频前后处理、加载与保存的必备神器）
ComfyUI-Post-Processing（用于视频后期的色彩与锐化调整，可选）
2. 模型下载与存放路径
LTX-Video 需要核心的 Diffusion 模型、文本编码器（Text Encoder）以及 VAE。请前往 Hugging Face 或 Liblib 下载，并严格按照以下路径存放：
| 模型类型 | 官方推荐模型文件名 | ComfyUI 存放路径 |
|---|---|---|
| Diffusion Model | ltx-video-2v-v0.9.safetensors (或最新2.3版) | ComfyUI/models/checkpoints/ 或 unet/ |
| Text Encoder | t5xxl_fp16.safetensors 或 t5xxl_fp8_e4m3fn.safetensors | ComfyUI/models/clip/ |
| VAE Model | ltx_video_vae.safetensors | ComfyUI/models/vae/ |
> 💡 避坑提示：如果你的显存小于 16GB，强烈建议文本编码器使用 t5xxl_fp8 版本，可以大幅降低起步显存，防止 OOM（显存溢出）。
>
🏗 二、 ComfyUI 完整工作流搭建步骤
LTX-Video 的工作流逻辑与常规的 SDXL/SD3 类似，分为**加载 -> 编码 -> 采样 -> 解码 -> 视频输出**五个核心板块。
核心节点连接逻辑图解
*(注：此处可插入你的 ComfyUI 全景流向截图)*
1. 基础模型加载模块 (Loaders)
添加 Load Checkpoint 节点：选择你下载的 LTX-Video 核心模型。
添加 Load CLIP 节点：选择 t5xxl 文本编码器。
添加 Load VAE节点：选择 ltx_video_vae。
2. 条件控制模块 (Conditioning)
正向提示词与反向提示词：创建两个 **CLIP Text Encode (Prompt)** 节点。
将 Load CLIP 的 CLIP 输出连接到这两个节点的 CLIP 输入。
正向提示词示例：A cinematic shot of a futuristic cyberpunk city, neon lights, flying cars, rain on the street, 4k, highly detailed.*
反向提示词示例：*low quality, blurry, static, deformed, text, watermark.*
3. 空白潜空间设置 (Empty Latent)
由于是视频生成，我们需要使用 **Empty Latent Image** 或专门的视频潜空间节点。
参数推荐设置：
Width (宽): 768
Height (高): 512 （LTX-Video 在 768x512 或 512x512 下训练最稳定）
Batch_size (帧数): 65 或 97（代表视频的帧数，LTX 通常以 4n+1 帧运行，如 65 帧大约是 2-3 秒视频）。
4. 核心采样模块 (KSampler)
* 添加 KSampler (高级或普通均可)。
连线方式：
* Model ⬅ Load Checkpoint 的 MODEL
* Positive ⬅ 正向提示词的 CONDITIONING
* Negative ⬅ 反向提示词的 CONDITIONING
* Latent ⬅ Empty Latent 的 LATENT
核心参数调优（重要！）：
Steps (步数): 20 - 30 步（LTX 收敛极快，25步效果最佳）。
CFG (无分类器指导): 3.0 - 4.5（**注意：LTX-Video 绝对不能用常规文生图的 7.0，CFG 过高会导致画面严重烧焦、色彩饱和度畸变**）。
Sampler (采样器): euler 或 flow_match（取决于你使用的节点包封装）。
Scheduler (调度器): normal 或 simple。
5. VAE 解码与视频生成 (Decode & Output)
* 添加 VAE Decode 节点：将 KSampler 的 LATENT 和 Load VAE 的 VAE 连接进来。
* 添加 VHS Video Combine 节点（来自 VideoHelperSuite 插件）：
* 将 VAE Decode 的 IMAGE 连接到 images 输入。
* frame_rate (帧率): 设置为 24 或 30。
* format (格式): 选择 video/h264-mp4。
🚀 三、 独家进阶调优与避坑指南

1. 色彩死板/灰暗怎么办？
LTX-Video 原始解码出来的色彩有时偏淡。你可以在 VAE Decode 后面接入一个 Image post processing 节点，稍微提高 **0.1 的饱和度（Saturation）** 和 **对比度（Contrast）**，画面瞬间具备电影质感。
2. 动作幅度控制
如果觉得视频里的物体“动得太厉害”导致变形，可以在提示词中加入权重控制，或者在采样器中微调 CFG。CFG 越低（如 2.5），动作越丝滑但可能不听指挥；CFG 略高（如 4.0），画面更清晰但动作幅度会变大。
3. 显存爆掉 (OOM) 的终极解法
在 ComfyUI 启动快捷方式中，加入 --lowvram 或 --fp8_e4m3fn-text-enc 参数。LTX-Video 对显卡非常友好，优化后 8G 显存亦可强行运转！
🎯 四、 总结与工作流下载
LTX-Video (LTX2.3) 的推出彻底拉低了高品质 AI 视频生成的门槛。通过本文的 ComfyUI 工作流搭建，你可以轻松实现不输于商业软件的短视频创作。