ComfyUI LTX-2 的快速入門指南

Lightricks 在 CES 2026 發布眾所期待的 LTX-2 音訊-視訊模型開放權重，象徵 AI 影音生成技術的一大進展。LTX-2 針對 NVIDIA GPU 最佳化，是領先的開放權重音訊-視訊模型，最高能夠生成 4K 解析度、50 FPS 且長達 20 秒的短片。

BF16 精度的模型現已開放下載。基本模型也提供量化的 NVFP8 權重，將模型縮小約 30%，而且最高可在 RTX GPU 提供快 2 倍的效能。

本指南讓您在幾分鐘內就能用 RTX 最佳化 ComfyUI 工作流程作業。

LTX-2 這個音訊-視訊模型系列以音訊生成視訊。發布時將有五個檢查點：

• 基礎：標準文字轉影片或影像轉影片的多功能生成器。可訓練且可自訂。
• 8 步驟：可快速迭代並探索創意的蒸餾版模型。
• 攝影機控制 (LoRA)：可精確控制攝影機移動的一組檢查點。
• 潛在上採樣器：是加速獲得最高品質的多尺度管線。
• IC-LoRA：深度、Canny 邊緣與姿態 LoRA，可更精確控制特定構圖元素。

1. 安裝 ComfyUI 或從 ComfyUI.org 更新至最新版本。
2. 開啟範本瀏覽器、移至 Video，然後下載所需的 LTX-2 變化版本。
   • 針對 LTX-2 基礎，如果您有 NVIDIA GeForce RTX 40 系列、RTX Pro Ada Generation，或是 DGX Spark 以上版本，請務必選取 NVFP8。
3. 推薦使用的設定：
   • 在 24 GB 以上的 GPU，建議使用 720p24 的 4 秒片段，搭配 20 個步驟。
   • 在 8-16 GB 的 GPU，建議使用 540p24 的 4 秒片段，搭配 20 個步驟。

LTX-2 這款尖端模型運用大量影片記憶體 (VRAM) 實現優質結果。記憶體用量會隨解析度、畫格率、長度或步驟增加而提升。所幸，對於使用者而言，ComfyUI 與 NVIDIA 已合作將 Weight Streaming 功能最佳化，讓使用者在耗盡 GPU VRAM 時，可將部分工作流程卸載至系統記憶體，但必須犧牲效能。

視 GPU 和使用案例而定，您不妨約束這些因素，確保生成時間在合理範圍內。舉例而言，GeForce RTX 5090 GPU 有 32 GB 的 VRAM，可於大約 25 秒內在 GPU 記憶體生成 720p 24fps 的 4 秒短片。然而，如果使用者需要較長的 8 秒影片，生成時間將增至三分鐘，因為需要 32 GB 以上的 VRAM 並自動啟用權重串流。

建議：使用較低的設定迭代影片，然後調高設定，視需要調整品質。根據經驗，最佳實務如下：

• 將影片長度縮短至 4 秒 (16GB+) 或 3 秒 (12GB+)。
• 然後將解析度調低至 720p (16GB+) 或 540p (12GB+)。
• 如果影片不需要動態畫面，請將畫格率降低至 15 FPS。

LTX-2 是能夠生成非凡影片的先進模型。但與任何模型一樣，調整設定也會嚴重影響品質。模型權重釋出後，社群一定會分享各種優秀的建議，但我們在測試中發現，以下專業訣竅最為實用：

• 解析度：通常使用 1080p 可獲得最高品質。
• 畫格率：
  • 提高 FPS 對動態影片幫助極大。我們發現，提高至 50 FPS 時的成果更優異，即使必須降低解析度才能確保生成時間在理想範圍內。
  • 靜態影片，例如人物或物體的特寫，通常適用 15 FPS。
• 文字轉影像 vs 影像轉影像：提供高品質的輸入影像通常可提升輸出品質，為前幾個畫格提供清晰的視覺指引，而且提示的動態不會過於複雜。複雜動作若無明確的參考或指示，可能導致短片在幾個畫格後突然劣化。
• 步驟：在我們的測試中，20 個步驟可在效能與品質之間取得絕佳平衡，但提升至 30 個步驟以上則可提升品質。