LTX-2 GGUF版 - 一键生成音视频，8G显存可用 让创作更轻松 支持50系显卡 ComfyUI工作流 一键整合包

LTX-2 是由 Lightricks 推出的开源音视频生成模型，它的最大特点是能在同一个模型里同时生成“画面”和“声音”，让视频和音频自然同步。它支持文本、图片甚至音频作为输入，能快速生成对应的视频或音频内容。

在各路社区大神的不断努力下，GGUF版模型和插件不断更新，今天分享的一键包所有主力模型都更换为更轻的GGUF版模型，自带预留显存插件，可以手动设置预留显存数值，防止显存不足导致OOM报错，甜品卡8G显存即可流畅运行。

下载地址：点此下载

模型特点

音视频一体化：不像传统模型只做视频或音频，LTX-2 可以在一个框架里同时生成两者，保证画面和声音的协调。
多模态输入：支持文字转视频、图片转视频、文字转音频、音频转视频等多种组合方式。
开源可训练：提供完整代码和权重，用户可以在本地训练或微调，甚至用 LoRA 技术快速定制风格。
高效推理：有精简版（distilled）和量化版（fp8、fp4），在不同硬件环境下都能运行。
分辨率与帧率提升：配套的空间和时间“upscaler”可以让视频更清晰、帧率更高。
兼容生态：支持 PyTorch、Diffusers 库，也能在 ComfyUI 里直接调用。



应用领域

创意视频制作：输入文字或图片，快速生成短视频，用于广告、社交媒体或艺术创作。
教育与培训：老师可以用文字提示生成教学视频，配合音频讲解。
游戏与虚拟世界：为角色或场景生成动态视频和音效，提升沉浸感。
多媒体内容创作：播客、短片、音乐视频，都可以用 LTX-2 来自动生成或辅助制作。
个性化定制：通过微调模型，快速生成符合特定风格或品牌需求的内容。



使用教程：（建议N卡，显存8G起，运存32G起，支持50系显卡）

整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。

双击启动ComfyUI，进入页面，点击左侧工作流，加载工作流。
支持文生视频和图生视频，进入对应的工作流，输入提示词/上传图像输入提示词，设置宽高等参数，运行即可。


官方提示词使用技巧：

在撰写写作提示时，应着重于对动作与场景的详细、按时间顺序的描述。需包含具体的动作、外貌特征、镜头角度以及环境细节——所有这些内容都应整合在一段流畅的段落中。直接从动作开始描述，保持描述的客观性与精确性。可以想象自己是一名电影摄影师，在为拍摄清单撰写详细说明。字数控制在200字以内。为获得最佳效果，请按照以下结构来撰写提示：

1. 用一句话概括核心动作；
2. 添加关于动作与姿势的具体细节；
3. 准确描述人物/物体的外貌特征；
4. 描述背景与环境细节；
5. 指明镜头角度与拍摄方式；
6. 描述光影与色彩效果；
7. 注意任何可能发生的变化或突发事件。

更多提示词参考 https://ltx.io/model/model-blog/prompting-guide-for-ltx-2

默认帧率是24/FPS，设置帧数应该是总帧数+1，比如要生成5秒的视频，总帧数应该是 24*5+1=121