LTX-2.5 DFR：ComfyUI 画像からビデオ生成ワークフロー

​

3つのステージ

​

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-bf16.safetensors
│   │   └── gemma4_e2b_it_bf16.safetensors（オプション）
│   ├── 📂 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

​

ワークフローの制御項目

• Start image (I2V)：最初のフレーム。Switch to T2V がオンの間は無視されます
• Output size (aspect / megapixels)：目標のアスペクト比とピクセル予算。32 の倍数に丸められます。ステージ1はこの半分のサイズで実行されます
• Switch to T2V：開始画像を使わず、テキストのみでパイプラインを実行します
• Float (fps) と Float (Duration)：既定は 24 fps・5 秒、つまり 121 フレームです
• Enable Prompt Enhancer：サンプリング前に小さな Gemma 4 エンコーダーでプロンプトを書き換えて拡張します
• Enable Tiled Decode：VAE をタイル単位でデコードして VRAM 使用量を抑えます。細部はわずかに柔らかくなります

​

プロンプトのヒント

1. 1つの連続したショットとして書く: DFR は生成したキーフレームを軸にクリップを組み立てるため、カットを重ねるのではなく、ワンテイクで展開するシーンを記述してください
2. オーディオも同じパスで: セリフは引用符で囲み、環境音や効果音も記述してください。モデルはビデオと一緒にオーディオを生成します
3. カメラの動きは穏やかに: ノイズの多いテクスチャや滑らかなグラデーションの上で速く動かすと、パイプラインが最も揺らぎ（boiling）やバンディングを起こしやすくなります