Saltar al contenido principal
Genera un video con audio sincronizado a partir de una sola imagen mediante la ruta Diffusion Fidelity Rendering de LTX-2.5. DFR es la receta con calidad de producción: un transformer destilado combinado con un IC-LoRA de detallado, con keyframes generados dentro del clip y reutilizados como guías por las pasadas posteriores. Activa Switch to T2V para ejecutar el mismo pipeline solo desde texto. Para los demás flujos de trabajo de LTX-2.5, consulta la descripción general de LTX-2.5.

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “LTX-2.5 DFR” en la Biblioteca de plantillas

Imagen de entrada: office_garden_169_outpaint.png

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

Las tres etapas

Todas las etapas muestrean con el sampler euler, cfg 1.0 y una programación fija de ManualSigmas. El checkpoint está destilado, así que el número de pasos y las programaciones son parte de la receta: cambiarlos cambia el aspecto del resultado. La tercera etapa es opcional. Desactiva Run 3rd stage - Temporal Upscale para saltarla y obtener en su lugar un clip con la frecuencia de cuadros de la etapa 2. El audio se conserva desde la etapa 1 en todo el pipeline, así que el sonido no cambia cuando se ejecuta la pasada temporal.

Descargas de modelos

El flujo de trabajo DFR carga el codificador de texto de precisión completa y añade el IC-LoRA de detallado más el upscaler temporal, por lo que su conjunto de modelos difiere del de los demás flujos de trabajo de LTX-2.5.

Diffusion Model: ltx-2.5-22b-distilled-transformer-comfy-int8-convrot

Colócalo en ComfyUI/models/diffusion_models/

Text Encoder: gemma4-12b-with-proj-ltx-2.5-bf16

Colócalo en ComfyUI/models/text_encoders/

Text Encoder: gemma4_e2b_it_bf16

Opcional: solo es necesario cuando el mejorador de prompts está activado. Colócalo en ComfyUI/models/text_encoders/

LoRA: ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0

Colócalo en ComfyUI/models/loras/

Upscaler: ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0

Colócalo en ComfyUI/models/latent_upscale_models/

Upscaler: ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0

Colócalo en ComfyUI/models/latent_upscale_models/

VAE: ltx-2.5-video-vae-bf16

Colócalo en ComfyUI/models/vae/

VAE: ltx-2.5-audio-vae-bf16

Colócalo en ComfyUI/models/vae/

Almacenamiento de modelos

Controles del flujo de trabajo

  • Start image (I2V): el primer fotograma. Se ignora mientras Switch to T2V está activado.
  • Output size (aspect / megapixels): la relación de aspecto y el presupuesto de píxeles objetivo, redondeados a múltiplos de 32. La etapa 1 se ejecuta a la mitad de este tamaño.
  • Switch to T2V: ejecuta el pipeline solo a partir de texto, sin una imagen inicial.
  • Float (fps) y Float (Duration): 24 fps durante 5 segundos de forma predeterminada, lo que equivale a 121 fotogramas.
  • Enable Prompt Enhancer: reescribe y amplía el prompt con el pequeño codificador Gemma 4 antes del muestreo.
  • Enable Tiled Decode: decodifica el VAE por mosaicos para reducir el uso de VRAM, a costa de un pequeño sacrificio en el detalle fino.

Consejos para escribir prompts

  1. Escribe para una sola toma continua: DFR construye el clip a partir de keyframes generados, así que describe una escena que se desarrolla en una sola toma en lugar de una secuencia de cortes
  2. Audio en la misma pasada: pon las líneas habladas entre comillas y describe el ambiente y los efectos; el modelo genera el audio junto con el video
  3. Mantén los movimientos de cámara suaves: los movimientos rápidos sobre texturas con ruido y degradados suaves son donde el pipeline es más propenso a mostrar ebullición o banding