ComfyPilotComfyPilot
文档 / 教程 / LTX-2.5 DFR：ComfyUI 图生视频工作流

LTX-2.5 DFR：ComfyUI 图生视频工作流

在 ComfyUI 中运行 LTX-2.5 DFR 工作流：三段式 Diffusion Fidelity Rendering pipeline，从单张图像生成带同步音频的视频。

教程 ltx-2-5-dfr 更新于 2026-11-12

查看官方原文

LTX-2.5 DFR：ComfyUI 图生视频工作流

在 ComfyUI 中运行 LTX-2.5 DFR 工作流：三段式 Diffusion Fidelity Rendering pipeline，从单张图像生成带同步音频的视频。

通过 LTX-2.5 的 Diffusion Fidelity Rendering 路径，从单张图像生成带同步音频的视频。DFR 是面向生产品质的配方：蒸馏 transformer 搭配细节化 IC-LoRA，并在片段内部生成关键帧，供后续阶段复用为引导。打开 Switch to T2V，即可仅凭文本运行同一条 pipeline。

其他 LTX-2.5 工作流请参见 LTX-2.5 总览。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_ltx2_5_dfr_i2v.mp4" />

[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-2.5 DFR”
[card] 输入图像：office\_garden\_169\_outpaint.png 下载默认输入图像，或使用你自己的图像。

三个阶段

阶段运行分辨率步数作用
1. 生成输出尺寸的一半8在一次采样中同时去噪视频、每秒一个的细节关键帧和音频
2. 空间 x2输出尺寸3对阶段 1 的 latent 进行放大，并用像素空间细节化 IC-LoRA 重新采样，以半分辨率 latent 作为参考
3. 时间 x2241 帧、48 fps4在相同时长内把帧率翻倍，并将阶段 2 的关键帧固定为引导

每个阶段都使用 euler 采样器、cfg 1.0 和固定的 ManualSigmas 调度。该 checkpoint 是蒸馏模型，因此步数与调度本身就是配方的一部分：改动它们会改变成片效果。

第三个阶段是可选的。关闭 Run 3rd stage - Temporal Upscale 即可跳过，得到阶段 2 帧率的片段。音频从阶段 1 一直贯穿整条 pipeline，因此时间放大不会改变声音。

模型下载

DFR 工作流加载全精度文本编码器，并额外需要细节化 IC-LoRA 与时间放大器，因此其模型集与其他 LTX-2.5 工作流不同。

[card] Diffusion 模型：ltx-2.5-22b-distilled-transformer-comfy-int8-convrot 放入 ComfyUI/models/diffusion_models/
[card] 文本编码器：gemma4-12b-with-proj-ltx-2.5-bf16 放入 ComfyUI/models/text_encoders/
[card] 文本编码器：gemma4\_e2b\_it\_bf16 可选：仅在启用提示词增强器时需要。放入 ComfyUI/models/text_encoders/
[card] LoRA：ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0 放入 ComfyUI/models/loras/
[card] 放大模型：ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0 放入 ComfyUI/models/latent_upscale_models/
[card] 放大模型：ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0 放入 ComfyUI/models/latent_upscale_models/
[card] VAE：ltx-2.5-video-vae-bf16 放入 ComfyUI/models/vae/
[card] VAE：ltx-2.5-audio-vae-bf16 放入 ComfyUI/models/vae/

模型存储

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── gemma4-12b-with-proj-ltx-2.5-bf16.safetensors
│   │   └── gemma4_e2b_it_bf16.safetensors（可选）
│   ├── 📂 loras/
│   │   └── ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0.safetensors
│   ├── 📂 vae/
│   │   ├── ltx-2.5-video-vae-bf16.safetensors
│   │   └── ltx-2.5-audio-vae-bf16.safetensors
│   └── 📂 latent_upscale_models/
│       ├── ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors
│       └── ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors

工作流控制项

  • Start image (I2V)：第一帧。开启 Switch to T2V 时该输入会被忽略
  • Output size (aspect / megapixels)：目标宽高比与像素预算，取 32 的倍数。阶段 1 以该尺寸的一半运行
  • Switch to T2V：不使用起始图像，仅从文本运行该 pipeline
  • Float (fps) 与 Float (Duration)：默认 24 fps、5 秒，即 121 帧
  • Enable Prompt Enhancer：采样前用小型 Gemma 4 编码器改写并扩展提示词
  • Enable Tiled Decode：分块解码 VAE 以降低显存占用，细节会略微变软

提示词技巧

  1. 按单一连续镜头来写：DFR 围绕生成的关键帧构建片段，因此请描述一个一镜到底展开的场景，而不是一连串镜头切换
  2. 音频同批生成：把台词放在引号中，并描述环境声与音效；模型会与视频一同生成音频
  3. 相机运动保持平缓：在噪点纹理与平滑渐变上快速移动时，pipeline 最容易出现沸腾或条带