LTX-2.5: ejemplos de flujos de trabajo en ComfyUI

• Text-to-Video (T2V): Genera videos a partir de prompts de texto
• Image-to-Video (I2V): Genera videos a partir de una imagen de entrada
• FLF2V: Interpola entre una imagen de primer fotograma y otra de último fotograma
• DFR: Genera un video con audio mediante el pipeline Diffusion Fidelity Rendering, a partir de una imagen o de texto

​

Características clave

• Diffusion Fidelity Rendering: generación que prioriza los fotogramas clave y construye cada escena sobre una cuadrícula de fotogramas clave de alta fidelidad
• Diffusion Video Decoder: rostros más nítidos, texto legible y menos arrastres en movimiento rápido
• Multishot nativo: una sola generación produce varias tomas conectadas que mantienen el personaje, el entorno, la iluminación, la voz y el estilo entre cortes
• Codificador de texto Gemma 4 12B: conserva varios sujetos, acciones, iluminación, detalle y dirección de cámara en prompts complejos
• Mejorador de prompt (opcional): un modelo ligero que amplía prompts cortos y los convierte en instrucciones detalladas
• Duración automática: predice la longitud correcta del clip a partir de la acción descrita antes de generar
• 4K HDR nativo: salida HDR de alta resolución pensada para el acabado profesional, con audio y video sincronizados a hasta 50 FPS

​

Primeros pasos

1. Actualiza ComfyUI a la última versión
2. Ve a Biblioteca de plantillas > Video > elige cualquier flujo de trabajo de LTX-2.5
3. Solicita acceso al repositorio del modelo en Hugging Face (consulta abajo) y luego sigue la ventana emergente para descargar los modelos y ejecutar el flujo de trabajo

​

Flujos de trabajo nativos de ComfyUI

​

LTX-2.5 Texto a video (T2V)

​

Descargas de modelos

​

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors
│   │   └── gemma4_e2b_it_int8_convrot.safetensors (optional)
│   ├── 📂 vae/
│   │   ├── ltx-2.5-video-vae-bf16.safetensors
│   │   └── ltx-2.5-audio-vae-bf16.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors

​

Consejos para el prompt

1. Describe toda la escena: incluye el tipo de plano, la escena, la acción, los personajes y el movimiento de cámara en un solo párrafo fluido
2. Audio: describe los sonidos y el diálogo que necesita la escena; el modelo genera audio sincronizado junto con el video
3. Usa el mejorador de prompt (opcional): el flujo de trabajo lo mantiene desactivado de forma predeterminada. Habilita prompt_enhance en el nodo LTX-2.5 para expandir prompts cortos en instrucciones cinematográficas detalladas. Requiere el modelo mejorador aparte (~5 GB) y añade entre 1 y 2 minutos al tiempo de generación

​

LTX-2.5 de imagen a video (I2V)

​

Descargas de modelos

​

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors
│   │   └── gemma4_e2b_it_int8_convrot.safetensors (optional)
│   ├── 📂 vae/
│   │   ├── ltx-2.5-video-vae-bf16.safetensors
│   │   └── ltx-2.5-audio-vae-bf16.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors

​

Consejos para escribir prompts

1. Describe lo que ocurre a continuación: escribe el movimiento, el movimiento de cámara y los sonidos que se derivan de la imagen de entrada; no vuelvas a describir lo que ya es visible
2. Ancla el primer fotograma: usa expresiones como “Usa la imagen de inicio proporcionada como primer fotograma” cuando escribas una continuación
3. Audio: describe el diálogo y los sonidos de la escena; el modelo genera audio sincronizado

​

LTX-2.5 FLF2V

​

Descargas de modelos

​

Almacenamiento de modelos

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors
│   │   └── gemma4_e2b_it_int8_convrot.safetensors (optional)
│   └── 📂 vae/
│       ├── ltx-2.5-video-vae-bf16.safetensors
│       └── ltx-2.5-audio-vae-bf16.safetensors

​

Consejos para el prompt

1. Describe la transición: escribe lo que ocurre entre los dos fotogramas, incluido el movimiento de cámara y el audio
2. Mantén los fotogramas alineados: usa imágenes con la misma relación de aspecto para lograr una interpolación suave
3. Audio: describe el diálogo y los sonidos de la escena; el modelo genera audio sincronizado

​

LTX-2.5 DFR: Imagen a video

​

Recursos

• Modelo en Hugging Face
• Página del modelo LTX
• Repositorio en GitHub
• ComfyUI-LTXVideo