> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# LTX-2.5 DFR en ComfyUI: imagen a video con audio

> Ejecuta el flujo de trabajo LTX-2.5 DFR en ComfyUI: tres etapas Diffusion Fidelity Rendering que generan video con audio sincronizado desde una imagen.

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](https://docs.comfy.org/es/tutorials/video/ltx/ltx-2-5.md).

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_5_dfr_i2v.mp4" />

> **[Ejecutar en Comfy Cloud](https://cloud.comfy.org/?template=video_ltx2_5_dfr_i2v\&utm_source=docs\&utm_medium=referral\&utm_campaign=ltx-2-5)**
>
> Abrir en Comfy Cloud

> **[Descargar flujo de trabajo](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_ltx2_5_dfr_i2v.json)**
>
> Descarga el JSON o busca "LTX-2.5 DFR" en la Biblioteca de plantillas

> **[Imagen de entrada: office\_garden\_169\_outpaint.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/office_garden_169_outpaint.png)**
>
> Descarga la imagen de entrada predeterminada o usa tu propia imagen.

## Las tres etapas

| Etapa | Se ejecuta a | Pasos | Qué hace |
| :- | :- | :- | :- |
| 1. Generar | La mitad del tamaño de salida | 8 | Aplica denoising al video, con un fotograma clave de detalle por segundo, y al audio juntos en una sola pasada |
| 2. Espacial x2 | El tamaño de salida | 3 | Aplica upscale al latent de la etapa 1 y lo vuelve a muestrear con el IC-LoRA de detalle espacial de píxeles, usando el latent de media resolución como referencia |
| 3. Temporal x2 | 241 fotogramas a 48 fps | 4 | Duplica la frecuencia de fotogramas en la misma duración, con los fotogramas clave de la etapa 2 fijados como guías |

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](https://huggingface.co/Lightricks/LTX-2.5/blob/main/diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors)**
>
> Colócalo en `ComfyUI/models/diffusion_models/`

> **[Text Encoder: gemma4-12b-with-proj-ltx-2.5-bf16](https://huggingface.co/Lightricks/LTX-2.5/blob/main/text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors)**
>
> Colócalo en `ComfyUI/models/text_encoders/`

> **[Text Encoder: gemma4\_e2b\_it\_bf16](https://huggingface.co/Comfy-Org/gemma-4/blob/main/text_encoders/gemma4_e2b_it_bf16.safetensors)**
>
> 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](https://huggingface.co/Lightricks/LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler/blob/main/ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0.safetensors)**
>
> Colócalo en `ComfyUI/models/loras/`

> **[Upscaler: ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0](https://huggingface.co/Lightricks/LTX-2.5/blob/main/latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors)**
>
> Colócalo en `ComfyUI/models/latent_upscale_models/`

> **[Upscaler: ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0](https://huggingface.co/Lightricks/LTX-2.5/blob/main/latent_upscale_models/ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors)**
>
> Colócalo en `ComfyUI/models/latent_upscale_models/`

> **[VAE: ltx-2.5-video-vae-bf16](https://huggingface.co/Lightricks/LTX-2.5/blob/main/vae/ltx-2.5-video-vae-bf16.safetensors)**
>
> Colócalo en `ComfyUI/models/vae/`

> **[VAE: ltx-2.5-audio-vae-bf16](https://huggingface.co/Lightricks/LTX-2.5/blob/main/vae/ltx-2.5-audio-vae-bf16.safetensors)**
>
> Colócalo en `ComfyUI/models/vae/`

## 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-bf16.safetensors
│   │   └── gemma4_e2b_it_bf16.safetensors (optional)
│   ├── 📂 loras/
│   │   └── ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0.safetensors
│   ├── 📂 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
│       └── ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors
```

## 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


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.