Skip to main content
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 fotogramas de la etapa 2. El audio se arrastra desde la etapa 1 por 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 escalador 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 esté 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 por defecto, lo que da 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 en mosaicos para reducir el uso de VRAM, con un pequeño costo en el detalle fino

​
Consejos para escribir prompts

  1. Escribe para un solo plano continuo: DFR construye el clip a partir de fotogramas clave 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 tiene más probabilidades de mostrar ebullición o banding