ComfyPilotComfyPilot
文档 / 教程 / LTX-2.3：ComfyUI 视频与音频工作流

LTX-2.3：ComfyUI 视频与音频工作流

在 ComfyUI 中使用 LTX-2.3 原生工作流，涵盖文本转视频、图像转视频、FLF2V、音频驱动视频、IC-LoRA 控制和 ID-LoRA 个性化。

教程 ltx-2-3 更新于 2026-11-09

查看官方原文

LTX-2.3：ComfyUI 视频与音频工作流

在 ComfyUI 中使用 LTX-2.3 原生工作流，涵盖文本转视频、图像转视频、FLF2V、音频驱动视频、IC-LoRA 控制和 ID-LoRA 个性化。

LTX-2.3 是 Lightricks 开源音视频生成模型的最新进化版本，现已原生支持 ComfyUI。在 LTX-2 的基础上，此版本在精细细节、人像视频、音频质量、图像到视频的一致性、提示理解和文本渲染方面带来了重大质量提升。

ComfyUI 为 LTX-2.3 提供了六个原生工作流，每个针对特定的生成模式：

  • 文本转视频 (T2V)：根据文本提示生成视频
  • 图像转视频 (I2V)：根据输入图像生成视频
  • FLF2V：在起始和结束图像之间进行插值
  • 图像音频转视频 (IA2V)：从图像和音频生成唇形同步视频
  • IC-LoRA 联合控制：使用深度、姿态或边缘引导控制视频生成
  • ID-LoRA：从参考图像和音频片段生成带同步音频的个性化视频
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

主要特性

  • 更精细的细节：新的潜在空间和更新的 VAE，带来更清晰的纹理、更干净的边缘和更精确的视觉效果
  • 9:16 竖屏支持：大幅提升竖屏人像视频的质量
  • 更优质的音频：更清晰的声音，减少噪音并增强对话效果
  • 改进的图像转视频：更一致的动态和更少的伪影
  • 更智能的提示理解：改进的文本编码器，实现更准确的语义理解
  • 原生 ComfyUI 支持：所有工作流内置，无需自定义节点

快速开始

LTX-2.3 已原生支持 ComfyUI。要开始使用：

  1. 将 ComfyUI 更新到最新版本
  2. 转到 模板库 > 视频 > 选择任意 LTX-2.3 工作流
  3. 按照弹窗提示下载模型并运行工作流

选择模板工作流

ComfyUI 自带六个原生 LTX-2.3 模板，位于 模板库 > 视频（示例，并非完整列表）。

[card] 文生视频 (T2V) 文本提示，提示理解与文字渲染更好。
[card] 图生视频 (I2V) 用更平滑的运动让静态图像动起来。
[card] 首尾帧 (FLF2V) 在起始图像与结束图像之间插值。
[card] 图像 + 音频 (IA2V) 由图像与音频片段生成口型同步视频。
[card] IC-LoRA Union Control 深度、姿态、边缘或其他控制视频引导。
[card] ID-LoRA 用参考图像与声音生成带同步音频的个性化视频。

ComfyUI 原生工作流

LTX-2.3 文本转视频 (T2V)

通过改进的提示理解和文本渲染，根据文本提示生成视频。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_3_t2v.mp4" />

LTX-2.3 文本转视频（video_ltx2_3_t2v）

通过改进的提示理解和文本渲染，根据文本提示生成视频。

LTX-2.3 文本转视频工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 T2V"

模型下载

[card] 检查点：ltx-2.3-22b-dev-fp8 放置到 ComfyUI/models/checkpoints/
[card] LoRA：蒸馏版 1.1 放置到 ComfyUI/models/loras/
[card] LoRA：gemma 去审查版 放置到 ComfyUI/models/loras/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/
[card] 超分器：空间 x2 放置到 ComfyUI/models/latent_upscale_models/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

提示技巧

  1. 核心动作：按时间顺序描述事件和动作
  2. 视觉细节：描述视频中所有希望出现的视觉细节
  3. 音频：描述场景所需的音效和对话

LTX-2.3 图像转视频 (I2V)

根据输入图像生成视频，具有更一致的动态和更流畅的动画。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_3_i2v.mp4" />

LTX-2.3 图像转视频（video_ltx2_3_i2v）

根据输入图像生成视频，运动一致性更佳。

LTX-2.3 图像转视频工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 I2V"
[card] 输入图像：egyptian\_queen.png 下载默认输入图像，或使用您自己的图像。

模型下载

I2V 工作流使用与文本转视频相同的模型集。

[card] 检查点：ltx-2.3-22b-dev-fp8 放置到 ComfyUI/models/checkpoints/
[card] LoRA：蒸馏版 1.1 放置到 ComfyUI/models/loras/
[card] LoRA：gemma 去审查版 放置到 ComfyUI/models/loras/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/
[card] 超分器：空间 x2 放置到 ComfyUI/models/latent_upscale_models/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

LTX-2.3 FLF2V

在起始图像和结束图像之间进行插值，生成流畅的视频过渡。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_3_flf2v.mp4" />

LTX-2.3 首尾帧转视频（video_ltx2_3_flf2v）

在起始图像和结束图像之间进行插值。

LTX-2.3 首尾帧转视频工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 FLF2V"
[card] 起始图像：high\_view\_classic\_car.png 视频的第一帧。
[card] 结束图像：low\_view\_classic\_car.png 视频的最后一帧。

模型下载

FLF2V 工作流使用蒸馏版检查点而非开发版检查点。

[card] 检查点：ltx-2.3-22b-distilled-fp8 放置到 ComfyUI/models/checkpoints/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-distilled-fp8.safetensors
│   └── 📂 text_encoders/
│       └── gemma_3_12B_it_fp4_mixed.safetensors

LTX-2.3 图像音频转视频 (IA2V)

上传图像和音频文件，生成具有同步唇部运动的高质量视频。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_3_ia2v.mp4" />

LTX-2.3 图像音频转视频（video_ltx2_3_ia2v）

从图像和音频生成唇形同步视频。

LTX-2.3 图像音频转视频工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 IA2V"
[card] 输入图像：cactus\_man.png 说话角色的参考图像。
[card] 参考音频：ltx\_23\_audio.mp3 用于唇形同步的音频轨道。

模型下载

IA2V 工作流使用与文本转视频相同的模型集。

[card] 检查点：ltx-2.3-22b-dev-fp8 放置到 ComfyUI/models/checkpoints/
[card] LoRA：蒸馏版 1.1 放置到 ComfyUI/models/loras/
[card] LoRA：gemma 去审查版 放置到 ComfyUI/models/loras/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/
[card] 超分器：空间 x2 放置到 ComfyUI/models/latent_upscale_models/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

LTX-2.3 IC-LoRA 联合控制

使用 IC-LoRA 结合对齐的控制输入（如深度、姿态或边缘）生成 LTX-2.3 视频。IC-LoRA 是基于 LTX-2.3 训练的情境内 LoRA，通过参考视频应用结构引导。它接受来自多种预处理器的控制信号，包括深度图、Canny 边缘和姿态骨架。此工作流使用子图实现模块化处理。

LTX-2.3 IC-LoRA 预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 IC-LoRA"
[card] 了解子图 此工作流使用子图节点实现模块化处理。查阅子图文档，了解如何自定义和扩展工作流。

输入素材

[card] 控制视频：stone\_ruins.mp4 用于控制信号提取的驱动视频。
[card] 参考图像：the\_forgotten\_gate.png 用于风格和内容的参考图像。

模型下载

[card] 检查点：ltx-2.3-22b-distilled-fp8 放置到 ComfyUI/models/checkpoints/
[card] LoRA：IC-LoRA 联合控制 放置到 ComfyUI/models/loras/
[card] LoRA：gemma 去审查版 放置到 ComfyUI/models/loras/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/
[card] 几何估计：MoGe Normal 放置到 ComfyUI/models/geometry_estimation/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-distilled-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors
│   │   └── gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 geometry_estimation/
│       └── moge_2_vitl_normal_fp16.safetensors

使用 IC-LoRA 编辑视频

IC-LoRA 权重不仅限于生成控制。模板库中已包含多个现成的 LTX-2.3 IC-LoRA 视频编辑工作流，每个都可在 Comfy Cloud 或本地 ComfyUI 中运行。基于 LTX-2.3 训练的社区 IC-LoRA 检查点（例如 LTX2.3-ICEdit-Insight 系列）也与 ComfyUI 中的原生 LTX-2.3 模型兼容。

从视频中移除字幕

移除视频中的字幕、标题、水印或其他文字叠加：

LTX-2.3 移除字幕工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索"移除字幕"

<details> <summary>输入素材</summary>

下载此示例输入视频以试用该工作流：

> [card] 输入视频 > > 下载示例输入视频 </details>

从视频中移除物体

通过在提示词中描述物体，从视频前景中移除指定物体：

LTX-2.3 移除物体工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索"移除物体"

<details> <summary>输入素材</summary>

下载此示例输入视频以试用该工作流：

> [card] 输入视频 > > 下载示例输入视频 </details>

修复档案素材

修复老旧或劣化的档案素材：

LTX-2.3 修复档案素材工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索"修复档案"

<details> <summary>输入素材</summary>

下载此示例输入视频以试用该工作流：

> [card] 输入视频 > > 下载示例输入视频 </details>

视频外扩

使用 LTX-2.3 视频外扩 IC-LoRA 向任意方向扩展视频：

LTX-2.3 视频外扩工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索"视频外扩"

<details> <summary>输入素材</summary>

下载此示例输入视频以试用该工作流：

> [card] 输入视频 > > 下载示例输入视频 </details>

Googly Eyes

将 Googlyeyes LTX-2.3 LoRA 应用于输入视频，让画面中的每个人都拥有金鱼眼：

LTX-2.3 Googly Eyes 工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索"Googly Eyes"

<details> <summary>输入素材</summary>

下载此示例输入视频以试用该工作流：

> [card] 输入视频 > > 下载示例输入视频 </details>

对于社区 IC-LoRA，将编辑用 LoRA 放入 ComfyUI/models/loras/，使用 LoRA 加载器与 LTX-2.3 检查点一同加载，然后以你的视频作为输入并输入类似这样的提示词来运行工作流：

Remove subtitles, captions, and related text occlusions from the video, restoring a clean and natural underlying image.

LTX-2.3 ID-LoRA

根据文本提示、参考图像和短音频片段，生成带同步音频的个性化视频。使用 ID-LoRA 在单个生成模型中适应人物的外貌和声音。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_3_id_lora.mp4" />

LTX-2.3 ID LoRA（video_ltx2_3_id_lora）

从参考图像和音频片段生成带同步音频的个性化视频。

LTX-2.3 ID LoRA 工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索"LTX-2.3 ID-LoRA"
[card] 参考图像：vintage\_thinker.png 角色外观的参考图像。
[card] 参考音频：ltx23\_reference\_audio.mp3 用于声音克隆和唇形同步的音频片段。

模型下载

[card] 检查点：ltx-2.3-22b-dev-fp8 放置到 ComfyUI/models/checkpoints/
[card] LoRA：蒸馏版 1.1 放置到 ComfyUI/models/loras/
[card] LoRA：ID-LoRA TalkVid 放置到 ComfyUI/models/loras/
[card] 文本编码器：gemma 12B 放置到 ComfyUI/models/text_encoders/
[card] 超分器：空间 x2 放置到 ComfyUI/models/latent_upscale_models/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │   └── ltx-2.3-22b-dev-fp8.safetensors
│   ├── 📂 loras/
│   │   ├── ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors
│   │   └── ltx-2.3-id-lora-talkvid-3k.safetensors
│   ├── 📂 text_encoders/
│   │   └── gemma_3_12B_it_fp4_mixed.safetensors
│   └── 📂 latent_upscale_models/
│       └── ltx-2.3-spatial-upscaler-x2-1.1.safetensors

提示技巧

为 LTX-2.3 编写提示时，重点使用详细的、按时间顺序描述的动作和场景：

  1. 核心动作：按时间顺序描述事件和动作
  2. 视觉细节：描述视频中所有希望出现的视觉细节
  3. 音频：描述场景所需的音效和对话

资源