ltx-2-19b-distilled-lora-384 完整使用指南

一、硬件配置（分类型）

1. 最低配置（勉强运行，速度慢）

• GPU：NVIDIA CUDA 显卡，≥12GB 显存（如 RTX 3060 12GB、RTX 4060 Ti 16GB）
• 系统内存：≥16GB RAM
• 存储：≥80GB 可用 SSD 空间（模型 + 缓存 + 输出）
• 系统：Windows 10+/Ubuntu 20.04+，仅支持 NVIDIA 显卡

2. 推荐配置（流畅运行，效率高）

• GPU：RTX 4090/3090/4080 Ti，≥24GB 显存（优先 32GB+）
• 系统内存：≥64GB RAM
• 存储：≥100GB 高速 SSD（NVMe 最佳）
• 软件依赖：Python 3.10.x、CUDA 11.7+、PyTorch 2.0+

3. 高端配置（专业级，全功能）

• GPU：RTX 6000 Ada/ A100，48GB + 显存
• 系统内存：≥128GB RAM
• 存储：≥200GB NVMe SSD
• 优势：支持高分辨率（1024×768）、多帧并行、完整采样步数

二、使用说明

1. 模型定位

• ltx-2-19b-distilled-lora-384 是 LTX-2 19B 模型的蒸馏版 LoRA，专为384 分辨率视频生成优化，大幅降低显存占用、提升生成速度，适合中低端显卡。
• 核心作用：轻量化微调，在保持基础生成能力的同时，适配低显存设备，生成 384 高度的短视频。

2. 核心功能

• 适配 ComfyUI 框架，支持文生视频（T2V）、图生视频（I2V）。
• 搭配蒸馏主模型（ltx-2-19b-distilled-fp8），12GB 显存即可运行，速度比完整模型快 30%-50%。
• 支持 LoRA 强度调节（0-1），控制生成风格与细节的融合度。

3. 适用场景

• 短视频创作（10-30 秒，384×512/512×384 分辨率）
• 低显存设备本地部署、快速迭代测试
• 批量生成低成本视频素材

三、安装教程（ComfyUI 环境）

前置准备

1. 安装 ComfyUI（版本≥1.7.0），并配置好 Python 3.10、CUDA 11.7+ 环境。
2. 下载核心文件：
   • 蒸馏主模型：ltx-2-19b-distilled-fp8.safetensors（约 27GB）
   • 目标 LoRA：ltx-2-19b-distilled-lora-384.safetensors（约数 GB）
   • 辅助模型：Gemma 文本编码器、空间 / 时间上采样器（按需）

安装步骤（2 种方式）

方式 1：ComfyUI Manager 安装（推荐）

1. 启动 ComfyUI，按 Ctrl+M 打开 Manager。
2. 选择 Install Custom Nodes，搜索 LTXVideo 并安装。
3. 重启 ComfyUI，完成扩展加载。
4. 将下载的模型文件放入对应目录（见下文）。

方式 2：手动安装

1. 打开终端，进入 ComfyUI 的 custom-nodes 目录：
   bash

   运行

   cd ComfyUI/custom-nodes
   git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-LTXVideo.git
   cd ComfyUI-LTXVideo
   pip install -r requirements.txt --no-cache-dir
   
2. 重启 ComfyUI，确认扩展加载成功。

📂 ComfyUI 完整安装目录（核心结构）

📁 ComfyUI_windows_portable
├── 📁 ComfyUI  # 主程序根目录（核心）
│   ├── 📁 custom_nodes  # 自定义节点/插件目录
│   │   └── 📁 ComfyUI-LTXVideo  # LTX-2 视频生成插件（必须）
│   ├── 📁 models  # 所有模型存放总目录（重点）
│   │   ├── 📁 checkpoints  # 主模型（蒸馏版）
│   │   │   └── ltx-2-19b-distilled-fp8.safetensors
│   │   ├── 📁 loras  # LoRA 模型（384 专用）
│   │   │   └── ltx-2-19b-distilled-lora-384.safetensors
│   │   ├── 📁 text_encoders  # 文本编码器（Gemma）
│   │   │   └── 📁 gemma-3-12b-it-qat-q4_0-unquantized  # 完整文件夹
│   │   ├── 📁 latent_upscale_models  # 上采样器（空间/时间）
│   │   │   ├── ltx-2-spatial-upscaler-x2-1.0.safetensors
│   │   │   └── ltx-2-temporal-upscaler-x2-1.0.safetensors
│   │   └── 📁 vae  # VAE 模型（可选，LTX-2 内置）
│   ├── 📁 input  # 输入图片/视频目录
│   ├── 📁 output  # 生成视频输出目录
│   └── run_nvidia_gpu.bat  # 启动脚本（N 卡）
├── 📁 python_embeded  # 内置 Python 环境
└── run_nvidia_gpu.bat  # 根目录启动脚本

🎯 关键文件路径（直接复制对照）

1. 主模型（蒸馏版）

• 路径：ComfyUI/models/checkpoints/ltx-2-19b-distilled-fp8.safetensors
• 作用：LTX-2 19B 蒸馏主模型，FP8 量化，适配低显存。

2. LoRA 模型（384 专用）

• 路径：ComfyUI/models/loras/ltx-2-19b-distilled-lora-384.safetensors
• 作用：384 分辨率优化 LoRA，降低显存占用、提升速度。

3. 文本编码器（Gemma）

• 路径：ComfyUI/models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/
• 说明：需将下载的 Gemma 编码器整个文件夹放入此目录。

4. 上采样器（空间 / 时间）

• 路径：ComfyUI/models/latent_upscale_models/
• 文件：
  • ltx-2-spatial-upscaler-x2-1.0.safetensors（空间放大）
  • ltx-2-temporal-upscaler-x2-1.0.safetensors（时间放大）

5. 插件目录（ComfyUI-LTXVideo）

• 路径：ComfyUI/custom_nodes/ComfyUI-LTXVideo/
• 说明：通过 Git 克隆或 ComfyUI Manager 安装，存放 LTX-2 专用节点。

✅ 安装检查清单（确保路径正确）

1. 主模型在 checkpoints 目录，文件名完全匹配。
2. LoRA 在 loras 目录，文件名含 384。
3. Gemma 编码器是完整文件夹，在 text_encoders 下。
4. 上采样器在 latent_upscale_models 目录。
5. 插件 ComfyUI-LTXVideo 在 custom_nodes 目录。
6. 重启 ComfyUI，点击「Refresh」刷新模型列表。

⚠️ 常见错误与解决

• 报错「Model not found」：检查路径层级、文件名拼写、文件扩展名（.safetensors）。
• 无法识别 LoRA：确保目录名是 loras（复数），非 lora 或 LoRAs。
• 编码器加载失败：Gemma 文件夹名必须完全一致，不可重命名。

五、建立工作流（ComfyUI 可视化）

1. 基础文生视频工作流（含 LoRA）

1. 加载预设工作流：打开 ComfyUI，点击左侧「工作流」，加载 LTX-2_T2V_wLora.json。
2. 核心节点配置：
   • Checkpoint Loader：选择 ltx-2-19b-distilled-fp8。
   • LoRA Loader：选择 ltx-2-19b-distilled-lora-384，强度设为 0.6-0.8（推荐）。
   • CLIP Text Encode：输入提示词（见下文）。
   • LTX-2 T2V Sampler：
     • 分辨率：512×384（适配 LoRA）
     • 帧数：16-32 帧（5-10 秒，24fps）
     • 采样步数：25-30（蒸馏版推荐）
     • 采样器：K_EULER_ANCESTRAL
   • VAEDecode + Save Video：输出视频文件。

2. 低显存优化（12GB 显存）

• 启用 低显存模式：在 LTX-2 节点勾选「Low VRAM」。
• 降低分辨率至 384×384，采样步数≤25。
• 关闭上采样器，减少后处理节点。

六、提示词（Prompt）规范

1. 核心结构（官方推荐）

1. 核心动作（1 句话）：如「A woman walks slowly through a rainy street」。
2. 细节描述：动作、姿势、外貌、服饰（如「wearing a red coat, holding an umbrella」）。
3. 环境与镜头：背景、光线、视角（如「neon lights, wet pavement, cinematic close-up」）。
4. 风格与质量：分辨率、帧率、风格（如「4K, 24fps, moody film noir」）。

2. 示例（适配 384 分辨率）

A young man runs through a sunflower field at golden hour, wind blowing his hair, smiling, wide shot, soft focus, warm lighting, 512x384 resolution, cinematic, high detail, smooth motion

3. 避坑指南

• 避免过于复杂的多动作描述（如「跑 + 跳 + 转身 + 说话」），模型易混乱。
• 明确分辨率（512×384），匹配 LoRA 优化尺寸。
• 加入motion 相关词（如「slowly moving」「wind blowing」），提升视频流畅度。
• 字数控制在200 字内，聚焦 1-2 个核心视觉元素。