LTX-2.3 en ComfyUI: flujos de video y audio

LTX-2.3 es la última evolución del modelo de generación de audio y video de código abierto de Lightricks, ahora compatible de forma nativa con ComfyUI. Tomando como base LTX-2, esta versión ofrece mejoras importantes de calidad en los detalles finos, el video de retrato, la calidad de audio, la consistencia de imagen a video, la comprensión de prompts y el renderizado de texto. ComfyUI incluye seis flujos de trabajo nativos para LTX-2.3, cada uno diseñado para un modo de generación específico:

Texto a video (T2V): Genera videos a partir de prompts de texto
Imagen a video (I2V): Genera videos a partir de una imagen de entrada
FLF2V: Interpola entre una imagen inicial y una imagen final
Imagen y audio a video (IA2V): Genera videos con sincronización labial a partir de una imagen y audio
IC-LoRA Union Control: Controla la generación de video con orientación de profundidad, pose o bordes
ID-LoRA: Genera videos personalizados con audio sincronizado a partir de una imagen de referencia y un clip de audio

Usuarios locales
Usuarios de Cloud

Asegúrate de que tu ComfyUI esté actualizado.

Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:

No estás usando la última versión de ComfyUI (versión nocturna)
Algunos nodos fallaron al importarse durante el inicio

Características clave

Detalles más finos: nuevo espacio latente y VAE actualizado para texturas más nítidas, bordes más limpios y visuales más precisos
Soporte para 9:16 vertical: calidad muy mejorada en videos en formato retrato
Mejor audio: sonido más limpio, con menos ruido y diálogos mejorados
Imagen a video mejorado: movimiento más consistente y menos fallos
Comprensión de prompts más inteligente: codificador de texto mejorado para una interpretación más precisa
Soporte nativo en ComfyUI: todos los flujos de trabajo están integrados y no necesitas nodos personalizados

Primeros pasos

LTX-2.3 es compatible de forma nativa con ComfyUI. Para empezar:

Actualiza ComfyUI a la última versión
Ve a Biblioteca de plantillas > Video > elige cualquier flujo de trabajo de LTX-2.3
Sigue las indicaciones de la ventana emergente para descargar los modelos y ejecutar el flujo de trabajo

Elegir una plantilla de flujo de trabajo

ComfyUI incluye seis plantillas nativas de LTX-2.3 en Biblioteca de plantillas > Video (ejemplos, no una lista exhaustiva).

Texto a vídeo (T2V)

Prompts de texto con mejor comprensión y renderizado de texto.

Imagen a vídeo (I2V)

Anima una imagen fija con movimiento más suave.

Primer-último fotograma (FLF2V)

Interpola entre una imagen inicial y una final.

Imagen + audio (IA2V)

Vídeo con lipsync a partir de una imagen y un clip de audio.

IC-LoRA Union Control

Guía de vídeo de control por profundidad, pose, bordes u otros.

ID-LoRA

Vídeo personalizado con audio sincronizado desde imagen y voz de referencia.

Flujos de trabajo nativos de ComfyUI

LTX-2.3 Texto a video (T2V)

Genera videos a partir de prompts de texto con una mejor comprensión de los prompts y renderizado de texto.

LTX-2.3 Texto a video

Genera videos a partir de prompts de texto con mejor comprensión de prompts y renderizado de texto. LTX-2.3 Texto a video ( vista previa del flujo de trabajo

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 T2V” en la Biblioteca de plantillas

Descargas de modelos

Checkpoint: ltx-2.3-22b-dev-fp8

Colócalo en ComfyUI/models/checkpoints/

LoRA: distilled 1.1

Colócalo en ComfyUI/models/loras/

LoRA: gemma abliterated

Colócalo en ComfyUI/models/loras/

Codificador de texto: gemma 12B

Colócalo en ComfyUI/models/text_encoders/

Upscaler: spatial x2

Colócalo en ComfyUI/models/latent_upscale_models/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

Consejos para escribir prompts

Acciones principales: Describe los eventos y las acciones tal como ocurren a lo largo del tiempo
Detalles visuales: Describe todos los detalles visuales que quieres que aparezcan en el video
Audio: Describe los sonidos y el diálogo necesarios para la escena

LTX-2.3 Imagen a video (I2V)

Genera videos a partir de una imagen de entrada con un movimiento más consistente y animaciones más fluidas.

LTX-2.3 Imagen a video

Genera videos a partir de una imagen de entrada con una consistencia de movimiento mejorada. LTX-2.3 Imagen a video ( vista previa del flujo de trabajo

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 I2V” en la Biblioteca de plantillas

Imagen de entrada: egyptian_queen.png

Descarga la imagen de entrada predeterminada o usa tu propia imagen.

Descargas de modelos

El flujo de trabajo I2V usa el mismo conjunto de modelos que texto a video.

Checkpoint: ltx-2.3-22b-dev-fp8

Colócalo en ComfyUI/models/checkpoints/

LoRA: distilled 1.1

Colócalo en ComfyUI/models/loras/

LoRA: gemma abliterated

Colócalo en ComfyUI/models/loras/

Codificador de texto: gemma 12B

Colócalo en ComfyUI/models/text_encoders/

Upscaler: spatial x2

Colócalo en ComfyUI/models/latent_upscale_models/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

LTX-2.3 FLF2V

Interpola entre una imagen inicial y una imagen final para generar una transición de video suave.

LTX-2.3: convertir de primer y último fotograma a video

Interpola entre una imagen inicial y una final. LTX-2.3: primer y último fotograma a video (vista previa del flujo de trabajo)

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 FLF2V” en la biblioteca de plantillas

Imagen inicial: high_view_classic_car.png

Primer fotograma del video.

Imagen final: low_view_classic_car.png

Último fotograma del video.

Descargas de modelos

El flujo de trabajo FLF2V usa el checkpoint destilado en lugar del checkpoint dev.

Checkpoint: ltx-2.3-22b-distilled-fp8

Colócalo en ComfyUI/models/checkpoints/

Codificador de texto: gemma 12B

Colócalo en ComfyUI/models/text_encoders/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-distilled-fp8.safetensors
│   └── 📂 text_encoders/
│       └── gemma_3_12B_it_fp4_mixed.safetensors

LTX-2.3 Imagen y audio a video (IA2V)

Sube una imagen y un archivo de audio para generar un video de alta calidad con movimientos de labios sincronizados.

LTX-2.3 Imagen y audio a video

Genera videos con sincronización de labios a partir de una imagen y un audio. LTX-2.3 Imagen y audio a video ( vista previa del flujo de trabajo

Ejecutar en Comfy Cloud

Abre en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 IA2V” en la Biblioteca de plantillas

Imagen de entrada: cactus_man.png

Imagen de referencia para el personaje que habla.

Audio de referencia: ltx_23_audio.mp3

Pista de audio para la sincronización de labios.

Descargas de modelos

El flujo de trabajo IA2V usa el mismo conjunto de modelos que el de texto a video.

Checkpoint: ltx-2.3-22b-dev-fp8

Coloca en ComfyUI/models/checkpoints/

LoRA: destilado 1.1

Coloca en ComfyUI/models/loras/

LoRA: gemma abliterated

Coloca en ComfyUI/models/loras/

Codificador de texto: gemma 12B

Coloca en ComfyUI/models/text_encoders/

Upscaler: spatial x2

Coloca en ComfyUI/models/latent_upscale_models/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

Control Union con IC-LoRA de LTX-2.3

Genera videos de LTX-2.3 con IC-LoRA usando entradas de control alineadas como profundidad, pose o bordes. IC-LoRA es un LoRA en contexto entrenado sobre LTX-2.3 que aplica orientación estructural a partir de un video de referencia. Acepta señales de control de varios preprocesadores, incluidos mapas de profundidad, bordes Canny y esqueletos de pose. Este flujo de trabajo usa un subgrafo para el procesamiento modular. Vista previa de LTX-2.3 IC-LoRA

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 IC-LoRA” en la Biblioteca de plantillas

Acerca de Subgraph

Este flujo de trabajo usa un nodo Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar el flujo de trabajo.

Materiales de entrada

Video de control: stone_ruins.mp4

Video guía para extraer la señal de control.

Imagen de referencia: the_forgotten_gate.png

Imagen de referencia para el estilo y el contenido.

Descargas de modelos

Checkpoint: ltx-2.3-22b-distilled-fp8

Colócalo en ComfyUI/models/checkpoints/

LoRA: IC-LoRA Union Control

Colócalo en ComfyUI/models/loras/

LoRA: gemma abliterated

Colócalo en ComfyUI/models/loras/

Codificador de texto: gemma 12B

Colócalo en ComfyUI/models/text_encoders/

Geometría: MoGe Normal

Colócalo en ComfyUI/models/geometry_estimation/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-distilled-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 geometry_estimation/
│       └── moge_2_vitl_normal_fp16.safetensors

Descargar flujo de trabajo

Descargar JSON o buscar “Googly Eyes” en la biblioteca de plantillas

Para los IC-LoRA de la comunidad, coloca el LoRA de edición en ComfyUI/models/loras/ y cárgalo con un LoRA loader junto al checkpoint LTX-2.3; luego ejecuta el flujo de trabajo con tu video como entrada y un prompt como este:

Remove subtitles, captions, and related text occlusions from the video, restoring a clean and natural underlying image.

LTX-2.3 ID-LoRA

Genera videos personalizados con audio sincronizado a partir de un prompt de texto, una imagen de referencia y un clip de audio corto. Usa ID-LoRA para adaptar la apariencia y la voz de una persona en un solo modelo generativo.

LTX-2.3 ID LoRA

Genera videos personalizados con audio sincronizado a partir de una imagen de referencia y un clip de audio. LTX-2.3 ID LoRA (vista previa del flujo de trabajo

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.3 ID-LoRA” en la Biblioteca de plantillas

Imagen de referencia: vintage_thinker.png

Imagen de referencia para la apariencia del personaje.

Audio de referencia: ltx23_reference_audio.mp3

Clip de audio para la clonación de voz y la sincronización labial.

Descargas de modelos

Checkpoint: ltx-2.3-22b-dev-fp8

Colócalo en ComfyUI/models/checkpoints/

LoRA: distilled 1.1

Colócalo en ComfyUI/models/loras/

LoRA: ID-LoRA TalkVid

Colócalo en ComfyUI/models/loras/

Codificador de texto: gemma 12B

Colócalo en ComfyUI/models/text_encoders/

Upscaler: spatial x2

Colócalo en ComfyUI/models/latent_upscale_models/

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── ltx-2.3-id-lora-talkvid-3k.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

Consejos para los prompts

Cuando escribas prompts para LTX-2.3, enfócate en descripciones detalladas y cronológicas de las acciones y las escenas:

Acciones principales: Describe los eventos y las acciones tal como ocurren a lo largo del tiempo
Detalles visuales: Describe todos los detalles visuales que quieras que aparezcan en el video
Audio: Describe los sonidos y el diálogo que necesita la escena