LTX-2.5: ComfyUI ワークフロー例

• テキストから動画へ (T2V)：テキストプロンプトからビデオを生成
• 画像から動画へ (I2V)：入力画像からビデオを生成
• FLF2V：最初と最後のフレーム画像の間を補間

​

主な機能

• Diffusion Fidelity Rendering: キーフレーム優先の生成で、高忠実度キーフレームのグリッド上にすべてのシーンを構築し、ピクセル単位の品質を実現
• Diffusion Video Decoder: よりシャープな顔、読みやすいテキスト、速い動きでのスミアの低減
• Native multishot: 1回の生成で、カットをまたいでキャラクター、環境、照明、声、スタイルを保持した、接続された複数のショットを生成
• Gemma 4 12B text encoder: 複雑なプロンプト全体で、複数の被写体、アクション、照明、ディテール、カメラの方向を保持
• Prompt enhancer: 短いプロンプトを豊かな映画的な指示へと展開する軽量モデル
• Auto duration: 拡散の開始前に、記述されたアクションから適切なクリップの再生時間を予測
• Native 4K HDR: プロフェッショナルな仕上げに適した高解像度HDR出力、最大50 FPSでの同期オーディオ・ビデオ対応

​

はじめに

1. ComfyUIを最新バージョンにアップデート
2. テンプレートライブラリ > ビデオ > 任意のLTX-2.5ワークフローを選択
3. Hugging Faceでモデルリポジトリへのアクセスを申請し（下記参照）、ポップアップに従ってモデルをダウンロードし、ワークフローを実行します

​

ComfyUI ネイティブワークフロー

​

LTX-2.5 テキストからビデオ生成（T2V）

​

モデルのダウンロード

​

モデルの保存場所

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_bf16.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

​

プロンプト作成のヒント

1. シーン全体を説明する：ショットタイプ、シーン、アクション、キャラクター、カメラの動きを1つの流れるような段落に含めます
2. オーディオ：シーンに必要な音とダイアログを説明します。モデルはビデオと同期したオーディオを生成します
3. プロンプトエンハンサーを使用する：ワークフローは短いプロンプトを自動的に詳細な映画的指示へと拡張します。簡単なシーンのアイデアを書き、残りはエンハンサーに任せましょう

​

LTX-2.5 画像からビデオ（I2V）

​

モデルのダウンロード

​

モデルの保存場所

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_bf16.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

​

プロンプトのヒント

1. 次に起こることを説明する: 入力画像の後に続く動き、カメラの動き、サウンドを記述します。すでに表示されているものを再説明しないでください。
2. 最初のフレームを固定する: 続きを書くときは、「提供された開始画像を最初のフレームとして使用する」のような表現を使います。
3. オーディオ: シーンの会話とサウンドを記述します。モデルが同期したオーディオを生成します。

​

LTX-2.5 FLF2V

​

モデルのダウンロード

​

モデルの保存場所

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_bf16.safetensors
│   └── 📂 vae/
│       ├── ltx-2.5-video-vae-bf16.safetensors
│       └── ltx-2.5-audio-vae-bf16.safetensors

​

プロンプトのヒント

1. トランジションを説明する: 2つのフレーム間で何が起こるかを記述します。カメラの動きやオーディオを含めます
2. フレームを揃える: スムーズな補間のために、同じアスペクト比の画像を使用します
3. オーディオ: シーンの会話とサウンドを記述します。モデルが同期したオーディオを生成します

​

リソース

• Hugging Face モデル
• LTX モデルページ
• GitHub リポジトリ
• ComfyUI-LTXVideo