LTX 2.5 ComfyUI完全部署指南：本地AI视频生成新标杆，8G显存可跑

2026年8月刚发布的LTX 2.5，原生集成ComfyUI，10秒720P视频本地6.8秒出片，是目前最快的开源视频生成模型。8G到24G显存，对号入座就能跑。

---

一、LTX 2.5是什么？为什么值得部署？

LTX 2.5是LTX（由Lightricks拆分而来的开源世界模型公司）于2026年8月11日发布的新一代开源视频生成模型，与ComfyUI做了原生零日集成——也就是说，ComfyUI v0.32.0+已经内置支持，不需要额外装插件。

相比前代LTX 2.3的核心升级

特性	LTX 2.3	LTX 2.5
最高分辨率	1024×1024	4K (3840×2160)
最高帧率	24fps	50fps
最长时长	5秒	20秒
生成速度	基准	快2倍
多镜头一致性	基础	原生支持
文本编码器	T5	定制Gemma 4
显存优化	一般	NVIDIA官方优化，省40%显存

三种玩法模式

模式	输入	输出	适用场景
T2V	文字提示词	视频	凭空生成创意片段
I2V	静态图片+提示词	视频	让图片动起来
R2V	图片+视频+音频参考	视频	复制人物/风格/动作

商用授权

• 年收入<1000万美元的组织：免费商用
• 更大规模公司：需协商商业授权
• 权重完全开源（Hugging Face可下载）

---

二、你的显卡能跑哪个档位？

LTX 2.5对显存的要求比想象中友好，但分辨率/时长/画质直接受限于显存大小。

显存分档配置表

显存	可跑模式	推荐分辨率	推荐时长	画质档位	生成速度
8G	I2V基础版	512×512	2-4秒	标清	5-8分钟/条
12G	I2V标准版	720×1280	5-8秒	720P	3-5分钟/条
16G	T2V+I2V+R2V	1080×1920	10秒	1080P	2-3分钟/条
24G	全模式全开	1920×1080	20秒	接近4K	1-2分钟/条

8G显存跑LTX 2.5需要开启FP8/INT8量化和分块采样（Tiled Sampler），画质损失约5-10%，但可用。

---

三、部署前准备

1. 环境要求

项目	最低要求	推荐配置
操作系统	Windows 10/11 64位	Windows 11
Python	3.10.x	3.10.11
CUDA	11.8+	12.1+
ComfyUI	v0.32.0+	最新版
存储空间	50GB	100GB SSD

2. 确认ComfyUI版本

# 进入ComfyUI目录
cd ComfyUI
git pull
# 确认版本 >= v0.32.0

如果版本低于v0.32.0，必须先升级：

git checkout master
git pull origin master
pip install -r requirements.txt

3. 需要下载的模型文件

LTX 2.5需要4类模型文件，总大小约20-40GB（取决于下载哪个版本）：

文件类型	文件名示例	存放路径	大小
主模型	ltxv-2b-0.9.8-dev.safetensors	models/checkpoints/	8-16GB
VAE	ltx-video-2b-v0.9.1.safetensors	models/vae/	2-4GB
文本编码器	gemma-4-12b-it/	models/text_encoders/	12-20GB
系统提示词	gemma_i2v_system_prompt.txt	插件目录	<1MB

模型文件可从Hugging Face下载，国内用户可用魔搭社区镜像站加速。

---

四、Step-by-Step部署流程

Step 1：下载LTX 2.5模型文件

方式A：Hugging Face（需科学上网）

# 安装huggingface-cli
pip install huggingface-hub

# 下载完整模型（约20GB）
huggingface-cli download Lightricks/LTX-Video-2b --local-dir ./models/

方式B：魔搭社区（国内加速）

访问 https://modelscope.cn 搜索 “LTX-Video-2b”，下载后解压到对应目录。

方式C：网盘直链（我已打包好）

我整理了LTX 2.5全套模型文件+工作流，放在网盘里：

• 模型文件合集：https://pan.quark.cn/s/f82b459f2a0a
• 工作流+提示词模板：https://pan.quark.cn/s/a7d5cb0d9fbe

Step 2：模型文件归位

下载后按以下结构放置：

ComfyUI/
├── models/
│   ├── checkpoints/
│   │   └── ltxv-2b-0.9.8-dev.safetensors
│   ├── vae/
│   │   └── ltx-video-2b-v0.9.1.safetensors
│   └── text_encoders/
│       └── gemma-4-12b-it/  (整个文件夹)
├── custom_nodes/
│   └── ComfyUI-LTXVideo/  (如未自动创建，手动新建)
└── workflows/
    └── LTX-2.5_I2V_Basic.json

Step 3：验证节点加载

启动ComfyUI，在右侧节点菜单搜索 “LTXV”，如果能看到以下节点即表示加载成功：

• LTXVBaseSampler
• LTXVInContextSampler
• LTXVExtendSampler
• LTXVTiledSampler
• LTXVLoopingSampler

Step 4：加载工作流

ComfyUI v0.32.0+内置了LTX 2.5的示例工作流，路径：

ComfyUI/workflows/templates/LTX/

直接拖拽到画布即可使用。如果没有看到，从我网盘下载工作流文件导入。

---

五、三种工作流详解

工作流1：I2V（图生视频）——最常用

适用场景：让一张静态图片动起来，电商产品展示、人像动态化、场景氛围视频。

核心节点配置：

参数	推荐值	说明
输入图片	任意静态图	建议512×512以上
正面提示词	“camera slowly zooms in, subtle movement”	描述你想要的运动
负面提示词	“fast motion, blur, distortion”	排除不希望的效果
视频长度	49帧 (约2秒) / 97帧 (约4秒)	帧数=16×秒数+1
分辨率	720×1280	竖屏适配短视频
CFG Scale	7-9	越高越遵循提示词，但可能过曝

显存优化技巧（8G-12G必开）：

1. 将CheckpointLoaderSimple替换为LowVRAMCheckpointLoader
2. 使用LTXVTiledSampler替代普通Sampler
3. 启动ComfyUI时加参数：--reserve-vram 5
4. 分辨率控制在720P以内

工作流2：T2V（文生视频）——创意发散

适用场景：从零生成创意视频片段，概念验证、短视频素材。

提示词写法：

• 必须包含动作描述：“a woman walking through a cherry blossom garden, petals falling”
• 建议加镜头语言：“slow pan left, shallow depth of field”
• 避免静态描述：不要只写"beautiful landscape"，要加"clouds drifting, water flowing"

工作流3：R2V（参考驱动）——高阶玩法

适用场景：保持人物一致性、复制特定风格、延续已有视频。

输入组合：

• 最多9张参考图片（人物/场景/道具）
• 最多3段参考视频（动作/运镜）
• 最多3段参考音频（对口型/节奏）

注意：R2V对显存要求最高，建议16G以上使用。

---

六、显存优化专项（8G/12G用户必看）

优化策略对照表

优化手段	显存节省	画质影响	操作方式
FP8量化	50%	损失<5%	加载FP8版模型
INT8量化	55%	损失<8%	使用INT8推理节点
分块采样	60-70%	轻微拼接感	LTXVTiledSampler
低显存加载器	30-40%	无	LowVRAMCheckpointLoader
条件缓存	20%	无	开启cache_conditions
分辨率降级	50%+	明显	降至480P/512P

8G显存实战配置

模型：ltxv-2b-0.9.8-distilled-fp8.safetensors
分辨率：512×512
时长：2秒 (33帧)
采样器：LTXVTiledSampler (tile_size=64)
加载器：LowVRAMCheckpointLoader
启动参数：python main.py --reserve-vram 5 --normalvram

生成一条2秒视频约需8-12分钟，画质可用但细节有限。

12G显存实战配置

模型：ltxv-2b-0.9.8-dev-fp8.safetensors
分辨率：720×1280
时长：5秒 (81帧)
采样器：LTXVInContextSampler
正常加载器即可
启动参数：python main.py --normalvram

生成一条5秒720P视频约需3-5分钟。

---

七、常见问题排查

Q1：启动ComfyUI后看不到LTX节点？

原因：ComfyUI版本低于v0.32.0，或模型文件未放对位置。

解决：

git log --oneline -5
# 确认最新提交在8月11日之后
# 如果版本正确，检查 models/checkpoints/ 下是否有 .safetensors 文件

Q2：生成时OOM（显存溢出）？

排查步骤：

1. 降低分辨率到512×512
2. 缩短时长到2秒
3. 开启TiledSampler
4. 检查是否同时加载了其他大模型（如FLUX）
5. 关闭浏览器的硬件加速（Chrome设置→系统→关闭"使用硬件加速"）

Q3：生成的视频模糊/有伪影？

原因：大概率是VAE解码问题或分辨率过低。

解决：

• 确保VAE文件正确放置（models/vae/目录）
• 尝试不同VAE版本（dev版比distilled版细节更好）
• 生成后使用ComfyUI的Upscale节点放大到目标分辨率

Q4：人物变形/动作不自然？

原因：提示词写得太笼统，或参考图人物姿态复杂。

解决：

• I2V时，输入图片的人物姿态尽量简单（正面/侧面）
• 提示词加具体动作：“subtle head turn, gentle smile” 比 “move naturally” 好
• R2V模式下，提供更多参考图保持一致性

Q5：生成速度比官方说的慢很多？

注意：官方"6.8秒生成10秒720P"是在GB200双卡上的数据。消费级显卡：

• RTX 4090 24G：约30-60秒/秒视频
• RTX 4070 Ti Super 16G：约1-2分钟/秒视频
• RTX 3060 12G：约3-5分钟/秒视频
• RTX 4060 8G：约5-8分钟/秒视频

这是正常的，不是配置错误。

---

八、我的推荐配置（按显卡）

显卡	推荐模式	推荐分辨率	推荐时长	日常产出效率
RTX 4060 8G	I2V低画质	512×512	2-4秒	尝鲜体验
RTX 3060 12G	I2V标准	720×1280	5秒	个人创作
RTX 4070 Ti Super 16G	I2V+T2V	1080×1920	10秒	内容创业
RTX 4090 24G	全模式	1920×1080	20秒	商业级产出

---

九、网盘资源

我把LTX 2.5的全套部署文件整理好了，按需自取：

• ComfyUI整合包（秋叶V3，已升级v0.33）：https://pan.quark.cn/s/f82b459f2a0a
• LTX 2.5模型文件+工作流+提示词模板：https://pan.quark.cn/s/a7d5cb0d9fbe

网盘内容包括：

• LTX 2.5 dev/distilled FP8/INT8 模型（多档显存适配）
• VAE + Gemma 4 文本编码器
• 3套工作流JSON（I2V/T2V/R2V）
• 20条测试提示词（风景/人像/产品/动画）
• 显存优化配置文件

---

十、总结

LTX 2.5是2026年8月最值得部署的本地视频生成模型：

1. 原生ComfyUI集成，零插件，开箱即用
2. 8G显存可跑，量化优化后消费级显卡也能玩
3. 三模式覆盖：T2V凭空生成、I2V让图动起来、R2V保持人物一致性
4. 开源可商用，年收入<1000万美元免费
5. 速度碾压同类，比MiniMax H3快2倍以上

部署门槛比想象中低，但产出质量很大程度上取决于提示词和参考素材的质量。建议先从I2V入手，用一张好图+精确的动作描述，比盲目堆显存更有效。

---

测试环境：RTX 3060 12G + RTX 4060 Ti 16G，ComfyUI v0.32.0，Windows 11，CUDA 12.1。如有部署问题欢迎在评论区留言。

作者：赛博仓鼠