这里为你完整整理 ltx-2-spatial-upscaler-x2-1.0（LTX-2 的 2 倍空间潜变量超分模型）的全维度部署资料，严格按表格分类型硬件、使用说明、安装教程、目录结构、工作流搭建、提示词、可导入 ComfyUI 工作流图的要求呈现。
一、分类型硬件配置（表格）
表格
| 配置级别 | 显卡 | 显存 | 系统内存 | 存储 | 适用场景 | 性能预期 |
|---|---|---|---|---|---|---|
| 最低可用（量化版） | NVIDIA RTX 3060 12G / AMD 等效（推荐 NVIDIA） | 12GB | 32GB DDR4 3200+ | 200GB NVMe SSD（可用空间） | 测试、小分辨率短视频（≤720p，短帧序列） | 可运行，偶有 OOM，生成较慢（10 + 步） |
| 推荐入门 | NVIDIA RTX 4070 Ti 16G | 16GB | 32GB DDR5 | 500GB NVMe SSD | 常规短视频（720p→1440p，≤100 帧） | 稳定流畅，8 步蒸馏模型无压力 |
| 专业创作 | NVIDIA RTX 4090 24G / RTX A6000 48G | 24GB+ | 64GB DDR5 | 1TB+ NVMe SSD | 1080p→4K、长序列、批量生成 | 极速，支持高 CFG、多轮超分 |
| Mac 备选 | Apple M3 Max | 36GB 统一内存 | – | 1TB SSD | 轻量测试、创意迭代 | 适配 MLX 框架，速度弱于同显存 NVIDIA |
系统与驱动补充
- 操作系统：Windows 10/11 64 位、Linux（Ubuntu 22.04）；Mac 仅 M 系列支持 MLX
- NVIDIA 驱动：535+；CUDA 12.1+；PyTorch 2.1+（需匹配 CUDA 版本）
- 必须启用FP16/FP8 量化，否则显存占用暴增（FP8 可节省 40%+ 显存）
二、使用说明
- 核心功能：仅作用于 LTX-2 的潜变量空间，将视频潜在表征 2 倍放大，再通过 VAE 解码输出高清画面；非传统像素级上采样，画质更自然，细节修复能力强
- 适用条件
- 输入分辨率需满足 能被 32 整除（如 512×288、768×432）
- 配合 LTX-2 主模型（蒸馏版 ltx-2-19b-distilled-fp8 最佳），不可单独使用
- 推荐先在低分辨率（如 480p）生成基础视频，再走 2 倍超分，兼顾速度与画质
- 常见参数
- 超分步数：4–8 步（蒸馏模型）；不建议超 10 步（收益递减、耗时增加）
- CFG Scale：1.0–2.0（超分阶段，避免过度锐化）
- 输出限制：单批次 ≤256 帧，分辨率 ≤2048×2048（视显存而定）
- 避坑提示
- 严禁先解码为像素再上采样，必须在潜变量阶段接入该模型
- 显存不足时，启用
lowvram/medvram启动参数；优先用 FP8 量化权重 - 音频与视频潜变量需分离处理：超分仅对视频潜变量生效，音频保持原流
三、完整安装教程
前提准备
- 安装最新版 ComfyUI，Windows 直接用便携包，Linux/Mac 按源码部署
- 安装依赖：确保
torch、torchvision、diffusers、safetensors版本匹配；推荐用虚拟环境bash运行cd ComfyUI python -m venv venv # Windows venv\Scripts\activate # Linux/Mac source venv/bin/activate pip install torch==2.2.2+cu121 torchvision==0.17.2+cu121 --index-url https://download.pytorch.org/whl/cu121 pip install -r requirements.txt - 下载模型：
- 主模型：Lightricks/LTX-2 下载
ltx-2-19b-distilled-fp8.safetensors - 空间上采样模型：
ltx-2-spatial-upscaler-x2-1.0.safetensors - 文本编码器、VAE 配套权重
- 主模型：Lightricks/LTX-2 下载
安装步骤
- 放置模型文件（路径必须精准，否则节点识别不到）
- 主模型 →
ComfyUI/models/checkpoints/ - 上采样模型 →
ComfyUI/models/latent_upscale_models/ - 文本编码器 →
ComfyUI/models/text_encoders/ - VAE →
ComfyUI/models/vae/
- 主模型 →
- 安装 LTX-2 专用节点：
bash运行
cd ComfyUI/custom_nodes git clone https://github.com/GitHub_Trending/ComfyUI-LTXVideo cd ComfyUI-LTXVideo pip install -r requirements.txt - 重启 ComfyUI，在节点面板中即可找到
LTXVideo分类，包含 Latent Upscale (LTX Spatial x2) 节点
四、安装目录结构（文件夹图示说明）
plaintext
📦 ComfyUI
├── 📂 custom_nodes
│ └── 📂 ComfyUI-LTXVideo # LTX专用节点
├── 📂 models
│ ├── 📂 checkpoints
│ │ └── ltx-2-19b-distilled-fp8.safetensors # 主模型
│ ├── 📂 latent_upscale_models
│ │ └── ltx-2-spatial-upscaler-x2-1.0.safetensors # 你的目标模型
│ ├── 📂 text_encoders
│ │ └── gemma_3_12B_it_fp8_scaled.safetensors
│ └── 📂 vae
│ ├── LTX2_video_vae_bf16.safetensors
│ └── LTX2_audio_vae_bf16.safetensors
└── 📂 outputs # 生成的视频/图片保存位置
对应的目录结构可视化（模拟文件夹图）：
五、建立标准工作流（步骤 + 节点连接）
- Text Prompt 输入：设置正负提示词
- LTX-2 主模型加载：选择蒸馏 FP8 权重，配置采样步数（8 步）、CFG（1.0–4.0）
- 生成基础视频潜变量：分离视频与音频潜变量（音频不参与超分）
- LTX Spatial Upscaler x2：选择
ltx-2-spatial-upscaler-x2-1.0，设置超分步数（4–6 步）、CFG（1.2–1.8） - 二次采样精修（可选，提升画质）：用 LoRA（如 ltx-2-19b-distilled-lora-384）
- VAE 解码：将放大后的潜变量转为像素视频
- 音频合并 + 保存视频：将原音频流与高清视频合成，输出 MP4
六、提示词模板（正负例 + 场景化示例）
通用模板
- 正向提示词：
cinematic shot, 4k, ultra-detailed, sharp focus, natural lighting, professional color grading, smooth motion - 负向提示词：
blurry, pixelated, distorted, low quality, artifacts, overexposed, underexposed
场景示例（古风视频）
- 正向：
chinese ancient palace, imperial concubine in red hanfu, standing by the lake, moonlight reflection, soft wind blowing hair, realistic texture, 8k, cinematic lighting - 负向：
cartoon, anime, ugly face, messy clothes, noisy background, motion blur
提示词技巧
- 超分阶段可弱化复杂描述，强化 锐化、细节、一致性 关键词
- 避免过度堆砌词汇，保持简洁，提升模型遵循度
七、可直接导入的 ComfyUI 工作流图
这里提供官方 / 社区验证的可导入工作流链接与预览图，你可直接下载
.json 导入 ComfyUI：- 基础 LTX-2 2 倍空间超分工作流（预览图）
- LTX-2 Distilled+Spatial Upscale+Audio 完整流
- 导入方法：下载对应工作流的
.json文件 → 打开 ComfyUI → 点击 Load 按钮 → 选择文件 → 自动加载节点并连接
补充优化建议
- 启动 ComfyUI 时添加显存优化参数：
python main.py --fp8 --lowvram - 超分前可先做帧插值（temporal upscaler），再空间超分，画质更丝滑
- 批量生成时，关闭预览窗口，避免额外显存占用
