Skip to main content
LTX-2.5 是 Lightricks 推出的一款开放权重视频与世界模型，现已获得 ComfyUI 原生支持。它以 LTX-2.3 为基础，采用 Diffusion Fidelity Rendering pipeline，根据场景复杂度分配渲染算力。该模型保留了 LTX-2.3 的音频与视频同步生成能力，并新增了原生多镜头（multishot）功能：一次生成即可产出多个连接式镜头，在剪辑切换之间保持角色、环境、光影与声音的一致性。 LTX-2.5 内置定制的 Gemma 4 12B 文本编码器，面对复杂提示词时仍能保留多个主体、动作、光影与相机方向；同时还配备了提示词增强器，可将简短提示词扩展为详细指令。自动时长功能会在扩散开始之前，根据所描述的动作预测片段长度。蒸馏模型提供更快的生成速度，输出支持原生 4K HDR、最高 50 FPS，并为专业后期精修 pipeline 提供 RAW 工作流。 ComfyUI 为 LTX-2.5 内置了三个原生工作流：
  • 文生视频（T2V）：根据文本提示词生成视频
  • 图生视频（I2V）：根据输入图像生成视频
  • FLF2V：在首帧图像与末帧图像之间进行插值
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新版（每夜版）。
  2. 启动时有些节点导入失败。

​
主要功能

  • 扩散保真渲染：关键帧优先生成，在高质量关键帧网格上构建每个场景，实现像素级画质
  • 扩散视频解码器：快速运动下呈现更清晰的面部、可读的文本和更少的拖影
  • 原生多镜头：一次生成即可产出多个连接式镜头，在镜头切换中保持角色、环境、光照、声音和风格一致
  • Gemma 4 12B 文本编码器：在复杂提示词中保留多个主体、动作、光照、细节和相机方向
  • 提示词增强器：一个轻量级模型，可将简短提示词扩展为丰富的电影级指令
  • 自动时长：在扩散开始之前，根据所描述的动作预测正确的片段长度
  • 原生 4K HDR：专为专业后期制作打造的高分辨率 HDR 输出，支持最高 50 FPS 的音频与视频同步

​
入门

ComfyUI 原生支持 LTX-2.5。开始使用：
  1. 将 ComfyUI 更新到最新版本
  2. 前往 模板库 > 视频 > 选择任意 LTX-2.5 工作流
  3. 在 Hugging Face 上申请模型仓库的访问权限（见下文），然后按照弹出窗口提示下载模型并运行工作流
LTX-2.5 模型文件托管在 Hugging Face 上受控访问（gated）的 Lightricks/LTX-2.5 仓库中。打开仓库页面，接受模型许可协议，并等待访问申请获批后再下载模型。未获得访问权限时，模型下载会失败。

​
ComfyUI 原生工作流

​
LTX-2.5 文生视频 (T2V)

根据文本提示生成视频，可选择使用空间放大以获得更高分辨率。

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索“LTX-2.5 T2V”

​
模型下载

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

放入 ComfyUI/models/diffusion_models/

文本编码器：gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot

放入 ComfyUI/models/text_encoders/

文本编码器：gemma4_e2b_it_bf16

放入 ComfyUI/models/text_encoders/

VAE：ltx-2.5-video-vae-bf16

放入 ComfyUI/models/vae/

VAE：ltx-2.5-audio-vae-bf16

放入 ComfyUI/models/vae/

放大模型：ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0

放入 ComfyUI/models/latent_upscale_models/

​
模型存储

​
提示词技巧

  1. 描述完整场景：用一段连贯的文字描述镜头类型、场景、动作、角色和相机移动
  2. 音频：描述场景所需的声音和对话；模型会与视频一同生成同步音频
  3. 使用提示词增强器：工作流会自动将简短提示词扩展为详细的电影级指令；写下简单的场景构思，剩下的交给增强器处理

​
LTX-2.5 图生视频 (I2V)

根据输入图像生成视频，模型以提供的第一帧为起点对场景进行动画处理。

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索“LTX-2.5 I2V”

输入图像：neon_cyborg_portrait.png

下载默认输入图像，或使用你自己的图像。

​
模型下载

I2V 工作流使用的模型与文生视频相同。

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

放入 ComfyUI/models/diffusion_models/

文本编码器：gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot

放入 ComfyUI/models/text_encoders/

文本编码器：gemma4_e2b_it_bf16

放入 ComfyUI/models/text_encoders/

VAE：ltx-2.5-video-vae-bf16

放入 ComfyUI/models/vae/

VAE：ltx-2.5-audio-vae-bf16

放入 ComfyUI/models/vae/

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

放入 ComfyUI/models/latent_upscale_models/

​
模型存储

​
提示技巧

  1. 描述接下来发生的事情：写出输入图像之后发生的运动、相机移动和声音；不要重复描述画面中已可见的内容
  2. 锚定第一帧：续写时使用类似“将提供的起始图像作为第一帧”的措辞
  3. 音频：描述场景中的对话和声音；模型会生成同步音频

​
LTX-2.5 FLF2V

在首帧图像和末帧图像之间生成视频，将两帧融合为单个动画序列。

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON 或在模板库中搜索 “LTX-2.5 FLF2V”

首帧：robot_hand_back.png

视频的首帧。

末帧：robot_hand_energy.png

视频的末帧。

​
模型下载

FLF2V 工作流使用与文生视频相同的模型集，但不包含空间放大模型。

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

放到 ComfyUI/models/diffusion_models/

文本编码器：gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot

放到 ComfyUI/models/text_encoders/

文本编码器：gemma4_e2b_it_bf16

放到 ComfyUI/models/text_encoders/

VAE：ltx-2.5-video-vae-bf16

放到 ComfyUI/models/vae/

VAE：ltx-2.5-audio-vae-bf16

放到 ComfyUI/models/vae/

​
模型存储

​
提示词技巧

  1. 描述过渡：写出两帧之间发生的内容，包括相机移动和音频
  2. 保持帧对齐：使用相同宽高比的图像以获得平滑的插值效果
  3. 音频：描述场景中的对话和声音；模型会生成同步的音频

​
资源