精选国内外AI工具, 查看最新收录
ComfyUI · 视频

视频工作流:LTX2.3时间线控制单图生视频工作流

用一张参考图 + 一条带时间轴分镜的提示词,生成 25fps、最长 301 帧的带音频短视频。

ComfyUI单图 + 时间线提示词 → 带音频的叙事视频 免费获取 难度:中级 LTX2.3图生视频时间线提示词带音频视频AI视频生成
作者 ganai02 · v1.1 · 更新于 · 下载 2 次

效果预览

工作流说明

用一张参考图 + 一条带时间轴分镜的提示词,生成 25fps、最长 301 帧的带音频短视频。画面分区:

  • 模型选择:UNET(distilled 蒸馏版)+ 双 CLIP(Gemma 3 12B + LTX text projection)+ 双 VAE(主 VAE + 音频 VAE)+ Latent 放大模型
  • 提示词分镜:PromptRelay-main 的「提示词中继编码 (时间轴)」节点——在一个节点里按时间轴写多段镜头描述,模型按时间顺序演绎
  • 采样参数:NAG 标准化注意力引导(KJ)+ 自定义采样器 + LTXV条件设置 + 引导裁剪
  • 视频生成:LTXV 音频视频分离 Latent → 画面 Latent / 音频 Latent 分路 → VAE 解码 / LTXV音频VAE解码器 → VHS 合并为视频(h264-mp4,crf 19)
  • 辅助:LayerStyle 按宽高比缩放参考图 → LTXV预处理;LTX2采样预览覆盖(KJ)用微型 VAE 提速预览

下载渠道:HuggingFace 搜索文件名关键词,或 LTXVideo(Lightricks)节点包 README 的模型链接。

节点结构

节点结构截图待补充

运行环境与硬件要求

22B distilled 模型 fp8_scaled 量化权重加载量约 22GB 级(估算),建议大显存或依赖 offload
音频 VA模型同时生成画面与音频(音频 Latent 分路解码),显存压力高于纯视频 LTX
上下文长帧数(301 帧)单次采样,分段出片请用「无限时长」版工作流
最低显存16 GB
显存不够?查看 GPU 云主机 →

需要下载的模型

文件类型大小放置目录下载
ltx-2.3-22b-distilled_transformer_only…fp8_scaled.safetensorsUNET 主模型(蒸馏版)models/diffusion_models
gemma_3_12B_it_fp8_e4m3fn.safetensors双 CLIP 之一(文本理解)models/text_encoders
ltx-2.3_text_projection_bf16.safetensors双 CLIP 之二(text projection)models/text_encoders
ltx-2.3-spatial-upscaler-x2-1.0.safetensorsLatent 放大模型models/latent_upscale_models
LTX23_video_vae_bf16.safetensors视频 VAEmodels/vae
LTX23_audio_vae_bf16.safetensors音频 VAEmodels/vae
taeltx2_3.safetensors预览用微型 VAEmodels/vae

需要安装的自定义节点

节点包用途安装方式
LTXVideo(Lightricks)LTXV 预处理、 LTXV 条件设置、 LTXV 添加引导、 LTXV 引导裁剪、 LTXV 音频视频分离 Latent 、 LTXV 音频空 Latent 、 LTXV 音频 VAE 解码器、 LTXV 合并视频 Latent 、空 LTXVLatent 视频ComfyUI-Manager 搜索安装
ComfyUI-KJNodesLTX2 标准化注意力引导 (NAG) 、 LTX2 采样预览覆盖、 VAE 加载程序、视频最长边、总帧数、 LTX 视频将图像转换为视频ComfyUI-Manager 搜索安装
PromptRelay-main提示词中继编码(时间轴)ComfyUI-Manager 搜索安装
VideoHelperSuite合并为视频ComfyUI-Manager 搜索安装
LayerStyle图层工具:按宽高比缩放 _V2ComfyUI-Manager 搜索安装
essentials / Easy-Use / Custom-Scripts 等图像缩放、 K 采样器选择、可视化 sigma 值等ComfyUI-Manager 搜索安装

使用步骤

  1. 装节点、放模型

  2. 「模型选择」区把所有加载器填好模型文件名

  3. 上传参考图到「加载图像」

    LayerStyle 缩放后进 LTXV预处理。

  4. 在「提示词中继编码 (时间轴)」里按时间轴写分镜

    每段一个镜头描述,单段内含场景、人物动作、台词(台词用官方 [Chinese] 语法防乱读)。

  5. 确认视频参数

    「视频参数调节」确认总帧数 301 / 25fps / 最长边 1024。

  6. Queue 跑图

    输出为 h264-mp4(crf 19,前缀 ltx2.3)。

关键参数说明

参数所在节点设置说明
NAG alpha / tau / 缩放0.250 / 2.500 / 11.000标准化注意力引导三件套,控制提示词遵循度
CFG1.0蒸馏模型固定低 CFG
采样器 / 调度器euler_ancestral / linear_quadratic
步数见工作流(K 采样器选择区)蒸馏版步数少
最大帧数301约 12 秒 @25fps
帧率25.0
视频最长边1024KJNodes 节点统一控制
预览速率8.00采样预览覆盖,跳帧预览提速
图像压缩率18LTXV 预处理
epsilon0.0010VAE 加载程序参数
负面提示词text, subtitles, logo, stillimage… + 中文负面(相机移动、侧脸、变形嘴唇等)工作流里有完整默认负面词,直接沿用

常见问题与报错

音频轨是空/爆音

确认音频 VAE 走的是 LTXV音频VAE解码器,不要和视频 VAE 混接。

画面不动(still video)

检查负面词里是否误保留了 stillimage / frozen 类词(该负面词列表里故意包含这些词来抑制静止)。

分辨率报错

LTX 要求尺寸对齐,四舍五入到倍数 32 节点别断开。

单段时长不够用

本版上限 301 帧,更长内容改用「无限时长音频驱动数字人」版的分段循环方案。

更新记录

  • 单图生视频基础版
推荐工具↑ ↓ 选择 Enter 打开