LTX-2 ComfyUI 指南：完整本地部署教程

本地运行LTX-2相比云端解决方案有几个显著优势。您获得完全的隐私——您的提示词和生成的视频永远不会离开您的机器。在初始硬件投资后，您消除了每次生成的成本。您可以使用LoRA模型自定义工作流程，并为特定风格微调基础模型。而且您可以在没有网络延迟或排队时间的情况下更快地迭代。ComfyUI为LTX-2提供了理想的界面，提供基于节点的可视化工作流程，使复杂的视频生成流程变得直观和可重复。本指南将引导您完成从初始设置到高级优化技术的所有内容。

开始之前，确保您的系统满足最低要求。对于GPU，您需要至少24GB显存的NVIDIA显卡（推荐RTX 4090、A6000或A100）。为获得4K分辨率的最佳性能，48GB+显存是理想的。您的系统应该至少有32GB内存和100GB可用磁盘空间用于模型。软件要求包括：Python 3.10或更高版本，CUDA 12.0或更高版本及兼容驱动程序，用于克隆仓库的Git，以及用于视频处理的FFmpeg。Windows用户确保已安装Visual Studio Build Tools。Linux用户使用标准构建工具即可。Mac用户注意，LTX-2目前需要NVIDIA CUDA，不原生支持Apple Silicon。

首先克隆ComfyUI仓库：git clone https://github.com/comfyanonymous/ComfyUI。进入目录并使用pip install -r requirements.txt安装依赖。接下来，从Hugging Face下载LTX-2模型权重。将主模型文件放在ComfyUI/models/checkpoints/，VAE放在ComfyUI/models/vae/。对于音频生成，单独下载音频模型并放在相应文件夹中。通过将扩展克隆到ComfyUI/custom_nodes/来安装LTX-2自定义节点。安装后重启ComfyUI，验证LTX-2节点出现在节点菜单中。初始模型加载可能需要几分钟，取决于您的存储速度。

通过添加以下节点创建基本的文字转视频工作流：LTX-2模型加载器（连接到您的checkpoint）、CLIP文本编码器（用于提示词）、LTX-2视频采样器（核心生成节点）、VAE解码器（将latents转换为视频帧）和视频合并器（输出最终视频文件）。按顺序连接节点并配置采样器设置。为获得最佳效果，使用30-50个去噪步骤，CFG比例在7-9之间，选择目标分辨率（测试用720p，最终输出用4K）。帧数决定视频长度——在25 FPS下，150帧给您6秒视频。如果需要同步音频输出，在视频采样器后添加音频生成器节点。

对于静态图片动画，通过添加图片加载器节点来修改文字转视频工作流。图片提供第一帧参考，确保整个视频的视觉一致性。将图片连接到LTX-2视频采样器的图片输入。调整图片影响强度——较高的值（0.7-0.9）保持与源图片更紧密的保真度，较低的值（0.3-0.5）允许更有创意的运动。提示词应该描述所需的动画而不是图片内容。例如，'镜头缓慢向右平移，头发轻微风动'而不是描述图片中的人物。这个工作流程非常适合产品动画、肖像动画和风格一致的视频系列。

LTX-2的突破性功能是与视频内容完美同步的原生音频生成。通过在视频采样器后添加LTX-2音频生成器节点来启用音频。音频节点分析生成的视频并产生匹配的声音——具有精确口型同步的对话、环境氛围和背景音乐。配置音频类型：'full'生成所有音频类型，'dialogue'专注于语音，'ambient'创建环境音，'music'添加背景曲目。对于对话，在提示词中包含说话者描述：'一个声音低沉的男人缓慢地谈论技术'。音频采样率默认为44.1kHz——如果下游工作流需要不同的速率，请调整。输出格式支持WAV和MP3。

使用这些优化最大化您的生成速度和质量。在模型加载中启用FP16精度，以最小的质量损失将显存使用减半。使用xformers或flash-attention加快注意力计算——使用pip install xformers安装。对于多GPU设置，ComfyUI支持跨设备的模型分布。批处理：排队多个生成任务，让它们在夜间运行。分辨率策略：以720p生成测试提示词，然后以4K重新生成优胜者。缓存：启用模型缓存以避免在生成之间重新加载。显存管理：在生成期间关闭其他GPU密集型应用程序。对于4K 50 FPS，预计在RTX 4090上每10秒片段需要3-5分钟，在A100上需要1-2分钟。

CUDA内存不足：降低分辨率或启用内存高效注意力。尝试每批生成更少的帧。模型无法加载：验证文件放置在正确的模型目录中。检查模型文件没有损坏（比较校验和）。黑色或损坏的输出：将GPU驱动程序更新到最新版本。确保CUDA版本与PyTorch CUDA版本匹配。音频不同步：使用显式音频时序参数重新生成。检查视频FPS是否与音频采样率计算匹配。生成缓慢：启用所有推荐的优化。考虑升级GPU显存。ComfyUI无法启动：删除ComfyUI/custom_nodes/__pycache__文件夹并重启。将所有自定义节点更新到最新版本。对于持续的问题，LTX-2社区Discord和GitHub issues是解决特定配置问题的极好资源。