> ## 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：ComfyUI 图生视频工作流
> 在 ComfyUI 中运行 LTX-2.5 DFR 工作流：三段式 Diffusion Fidelity Rendering pipeline，从单张图像生成带同步音频的视频。
通过 LTX-2.5 的 Diffusion Fidelity Rendering 路径，从单张图像生成带同步音频的视频。DFR 是面向生产品质的配方：蒸馏 transformer 搭配细节化 IC-LoRA，并在片段内部生成关键帧，供后续阶段复用为引导。打开 `Switch to T2V`，即可仅凭文本运行同一条 pipeline。
其他 LTX-2.5 工作流请参见 [LTX-2.5 总览](/zh/tutorials/video/ltx/ltx-2-5)。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索“LTX-2.5 DFR”
下载默认输入图像，或使用你自己的图像。
## 三个阶段
| 阶段 | 运行分辨率 | 步数 | 作用 |
| :- | :- | :- | :- |
| 1. 生成 | 输出尺寸的一半 | 8 | 在一次采样中同时去噪视频、每秒一个的细节关键帧和音频 |
| 2. 空间 x2 | 输出尺寸 | 3 | 对阶段 1 的 latent 进行放大，并用像素空间细节化 IC-LoRA 重新采样，以半分辨率 latent 作为参考 |
| 3. 时间 x2 | 241 帧、48 fps | 4 | 在相同时长内把帧率翻倍，并将阶段 2 的关键帧固定为引导 |
每个阶段都使用 `euler` 采样器、`cfg` 1.0 和固定的 `ManualSigmas` 调度。该 checkpoint 是蒸馏模型，因此步数与调度本身就是配方的一部分：改动它们会改变成片效果。
第三个阶段是可选的。关闭 `Run 3rd stage - Temporal Upscale` 即可跳过，得到阶段 2 帧率的片段。音频从阶段 1 一直贯穿整条 pipeline，因此时间放大不会改变声音。
## 模型下载
DFR 工作流加载全精度文本编码器，并额外需要细节化 IC-LoRA 与时间放大器，因此其模型集与其他 LTX-2.5 工作流不同。
放入 ComfyUI/models/diffusion\_models/
放入 ComfyUI/models/text\_encoders/
可选：仅在启用提示词增强器时需要。放入 ComfyUI/models/text\_encoders/
放入 ComfyUI/models/loras/
放入 ComfyUI/models/latent\_upscale\_models/
放入 ComfyUI/models/latent\_upscale\_models/
放入 ComfyUI/models/vae/
放入 ComfyUI/models/vae/
## 模型存储
```
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（可选）
│ ├── 📂 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
```
## 工作流控制项
* `Start image (I2V)`：第一帧。开启 `Switch to T2V` 时该输入会被忽略
* `Output size (aspect / megapixels)`：目标宽高比与像素预算，取 32 的倍数。阶段 1 以该尺寸的一半运行
* `Switch to T2V`：不使用起始图像，仅从文本运行该 pipeline
* `Float (fps)` 与 `Float (Duration)`：默认 24 fps、5 秒，即 121 帧
* `Enable Prompt Enhancer`：采样前用小型 Gemma 4 编码器改写并扩展提示词
* `Enable Tiled Decode`：分块解码 VAE 以降低显存占用，细节会略微变软
## 提示词技巧
1. **按单一连续镜头来写**：DFR 围绕生成的关键帧构建片段，因此请描述一个一镜到底展开的场景，而不是一连串镜头切换
2. **音频同批生成**：把台词放在引号中，并描述环境声与音效；模型会与视频一同生成音频
3. **相机运动保持平缓**：在噪点纹理与平滑渐变上快速移动时，pipeline 最容易出现沸腾或条带
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.