Skip to content

LTX-2/2.3: توليد فيديو بالصوت في مرة واحدة ​

في الدروس السابقة كان Wan2.2 ينتج مشاهد ممتازة، لكن هناك قاسم مشترك: الفيديو الناتج صامت. تريد صوتًا؟ عليك البحث عن دبلجة ومزامنة شفاه ومزج صوتي، وهذه المرحلة اللاحقة أشد تعبًا من توليد الفيديو نفسه.

في هذا الدرس ننتقل إلى نموذج يأتي بصوت مدمج: LTX-2، نموذج أساسي للصوت والفيديو مفتوح المصدر من Lightricks. أكبر ميزة فيه هي توليد الصورة والصوت معًا في استدلال واحد — الحركة والحوار والمؤثرات الصوتية والموسيقى الخلفية تخرج جميعها معًا ومتزامنة بطبيعتها. نسخة LTX-2.3 مدمجة أصلًا في مكتبة قوالب ComfyUI — وفي هذا الدرس سنشغّل سير عمل LTX-2 ComfyUI كاملًا دون تثبيت أي عقد مخصصة.

ماذا ستستطيع أن تفعل بعد هذا الدرس ​

  • تحميل قالب LTX-2.3 الرسمي لتحويل النص إلى فيديو، وتوليد فيديو بدقة 1280×720 ومدة نحو 5 ثانية مع صوت مدمج
  • تنزيل ملفات LTX-2.3 الخمسة ووضعها في أماكنها (حجم النموذج الرئيسي 27.14 GB)، ومعرفة وظيفة كل ملف
  • كتابة موجه LTX-2.3 بصيغة «صورة + صوت»: العناصر الثلاثة وهي الحركة والتفاصيل البصرية والصوت
  • معرفة العلاقة بين LTX-2 وLTX-2.3، وكيفية استخدام التسريع بالتقطير (8 خطوات، CFG بقيمة 1)
  • اختيار القالب المناسب من بين مسارات العمل الأصلية الستة حسب الحاجة: تحويل النص إلى فيديو، وتحويل الصورة إلى فيديو، وإطارات البداية والنهاية، والمزامنة الصوتية للشفاه، والتحكم بـ IC-LoRA، وتخصيص الشخصيات الرقمية بـ ID-LoRA

معاناتك الحالية ​

  • الفيديو المولَّد بلا صوت، والدبلجة ومزامنة الشفاه وإضافة المؤثرات كلها تحتاج معالجة لاحقة يدوية، أي عمل مرتين لكل فيديو
  • تريد أن «يتكلم» الأشخاص في الفيديو، لكن نماذج الفيديو العادية تنتج حركات شفاه لا تطابق الحوار إطلاقًا
  • سمعت أن LTX-2 يستطيع توليد الصوت والصورة معًا، لكن الدروس على الإنترنت إما لمسار عمل إصدار LTX-2 القديم أو تتطلب تثبيت مجموعة من العقد المخصصة

متى تستخدم هذه الطريقة ​

عندما تحتاج إلى:

  • فيديو بصوت متزامن مدمج: أصوات البيئة والحوار والمؤثرات الصوتية تُولَّد في مرة واحدة
  • أن يتكلم الأشخاص في المشهد بحركات شفاه مطابقة للصوت
  • 9:16 فيديو عمودي (حسّنت LTX-2.3 جودة البورتريه العمودي خصيصًا)
  • ظهور نص واضح داخل الفيديو (عزّزت LTX-2.3 عرض النصوص)

ولا تريد:

  • تشغيل مراحل الدبلجة ومزامنة الشفاه مرة أخرى بعد توليد المشهد
  • تثبيت حزم عقد مخصصة من طرف ثالث

🎒 التحضير قبل البدء ​

  • أن تكون قد شغّلتComfyUI توليد الفيديو: تعرف كيفية تحميل مسار عمل من مكتبة القوالب وكيفية الاطلاع على مجلد المخرجات
  • تحديث ComfyUI إلى v0.16.4 أو أحدث (الحد الأدنى المذكور في مكتبة القوالب للقوالب الأساسية الأربعة لـ LTX-2.3؛ وعند مراجعة هذا الدرس كان أحدث إصدار رسمي هو v0.43.2، والتحديث إلى الأحدث مباشرة هو الأسهل)
  • تجهيز مساحة القرص 31 GB كحد أدنى: ملف النموذج الرئيسي وحده 27.14 GB، وحجم مشفّر النص لم يذكره المسؤولون، فوسّع الميزانية قليلًا
  • أن تكون على دراية بالذاكرة العشوائية للرسوميات (VRAM): نموذج 22B ليس صغيرًا حتى مع تكميم fp8، فشغّل بالمعاملات الافتراضية للقالب أولًا، ثم فكر في رفع الدقة
  • الشبكة ضعيفة؟ مستودع النماذج لديه مرايا رسمية على ModelScope (Comfy-Org/ltx-2.3 وComfy-Org/ltx-2)، انظر الخطوة 2

الفكرة الأساسية ​

ثلاث جمل توضح الجديد في هذا الدرس:

  1. LTX-2 هو نموذج «توليد الصوت والفيديو معًا». هو نموذج أساسي DiT للصوت والفيديو من Lightricks بمعاملات 19B، ينتج في استدلال واحد فيديو وصوتًا متزامنين. أما LTX-2.3 فهو إصداره المطوَّر (بأوزان بمواصفات 22B)، مع فضاء كامن وVAE جديدين، وتحسينات شاملة في التفاصيل، والبورتريه العمودي، وجودة الصوت، واتساق تحويل الصورة إلى فيديو، وفهم الموجهات، وعرض النصوص.
  2. الصوت ليس إضافة خارجية، بل يُنتَج عبر إزالة ضوضاء مشتركة في نفس الفضاء الكامن مع الصورة. في القالب يُدمج الفضاء الكامن للفيديو مع الفضاء الكامن للصوت أولاً (LTXVConcatAVLatent)، ويُعيَّنان معاً، ثم يُفكَّان ترميزهما بشكل منفصل باستخدام VAE للفيديو و VAE للصوت (VAE للصوت مدمج في ملف النموذج الرئيسي)، وأخيراً يُدمجان في فيديو واحد مع مسار صوتي.
  3. يأتي التسريع من LoRA مُقطَّر، وليس من تغيير النموذج. في عصر LTX-2 كانت هناك أوزان distilled مستقلة (8 خطوة، CFG=1)؛ أما قالب تحويل النص إلى فيديو في LTX-2.3 فيجعل التقطير على شكل LoRA بحجم 2.55 GB يُثبَّت على النموذج الرئيسي dev، وبخطوات 8 و CFG بقيمة 1 يمكن الحصول على النتيجة.

يوفر ComfyUI ستة مسارات عمل أصلية مدمجة لـ LTX-2.3، تغطي من التوليد إلى التحكم إلى التخصيص:

مسار العملماذا يفعلالمدخلات
تحويل النص إلى فيديو T2Vتوليد صوت وفيديو مباشرة من النصموجه نصي
تحويل الصورة إلى فيديو I2Vتحريك الصورة مع إضافة صوتصورة واحدة + موجه نصي
الإطار الأول والأخير FLF2Vإنشاء انتقال بين صورتينصورة الإطار الأول + صورة الإطار الأخير
مدفوع بالصوت IA2Vشخص رقمي بمزامنة الشفاهصورة واحدة + مقطع صوتي
تحكم IC-LoRAتوليد بتحكم العمق/الوضعية/الحواففيديو تحكم + صورة مرجعية
تخصيص ID-LoRAتحديد مظهر الشخص وصوتهصورة مرجعية + صوت قصير + موجه نصي

المسار الرئيسي لهذا الدرس هو تشغيل T2V، أما المسارات الخمسة الأخرى فستُستعرض سريعاً في الخطوة 6 — فهي تتشارك معظم ملفات النماذج.

اتبع خطواتي ​

الخطوة 1: تحديث ComfyUI وتحميل قالب تحويل النص إلى فيديو لـ LTX-2.3 ​

السبب: القالب الرسمي يضبط خط المعالجة الكامل للصوت والفيديو (ترميز النص، LoRA المزدوج، العيّنات المشتركة، فك ترميز الفيديو والصوت، الدمج والحفظ)، لذا البدء من القالب يعني عدم فقدان أي ملف وعدم إدخال معاملات خاطئة.

  1. حدِّث ComfyUI إلى أحدث إصدار (في نسخة سطح المكتب استخدم التحديث المدمج، وفي النسخة المحمولة شغِّل سكربت التحديث update_comfyui)
  2. افتح مكتبة القوالب (Browse Templates)، ادخل فئة Video، وابحث عن LTX-2.3 Text to Video (البحث مباشرة عن «LTX-2.3» أسرع)
  3. اضغط للتحميل

ينبغي أن ترى:

  • على اللوحة عقدة تغليف كبيرة بعنوان Text to Video (LTX-2.3)، وبجانبها ملاحظة توضيحية وعقدة إخراج SaveVideo

  • تأتي عقدة التغليف مع موجه نصي تجريبي بالإنجليزية (يحكي عن أجزاء ميكانيكية تُجمِّع نفسها تلقائياً في الهواء ثم تعرض في النهاية نقش «LTX-2.3» — وهو ما يُظهر تماماً قدرتها على رسم النصوص)

  • لا توجد أي عقدة حمراء

  • اكتمل تحميل القالب، ولا توجد عقد حمراء على اللوحة

💡 الإصدار غير الكافي يعني عقداً ناقصة

الحد الأدنى للإصدار الذي تحدده مكتبة القوالب لـ T2V/I2V/FLF2V/IA2V هو 0.16.4، بينما يحتاج قالب ID-LoRA إلى 0.19.0، وقالب IC-LoRA إلى 0.22.0. الإصدار القديم جداً سيُظهر خطأ بعدم وجود العقدة، لذا حدِّث أولاً ثم ابدأ.

الخطوة 2: تنزيل خمسة ملفات نماذج (مع مرايا محلية) ​

السبب: يحتاج قالب تحويل النص إلى فيديو لـ LTX-2.3 إلى خمسة ملفات، أربعة منها يبلغ مجموعها حوالي 31 GB (حجم مرمِّز النص لم يحدده المسؤول رسمياً)؛ بعد تحميل القالب ستقوم النافذة المنبثقة بالتنزيل تلقائياً، وعند التنزيل اليدوي تحقق جيداً من اسم الملف والمجلد.

الملفالحجمالمجلدالوظيفة
ltx-2.3-22b-dev-fp8.safetensors27.14 GBmodels/checkpoints/22B النموذج الرئيسي (بتكميم fp8)، و VAE للصوت مدمج فيه أيضاً
ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors2.55 GBmodels/loras/LoRA مُقطَّر: عيّنة سريعة بخطوة 8
gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors599.1 MBmodels/loras/LoRA «فك القيود» مثبَّت على مرمِّز النص، يمنح فهماً أفضل للموجه النصي
gemma_3_12B_it_fp4_mixed.safetensors—models/text_encoders/مرمِّز نص Gemma 3 12B (نسخة بتكميم fp4)
ltx-2.3-spatial-upscaler-x2-1.1.safetensors949.6 MBmodels/latent_upscale_models/مكبِّر للفضاء الكامن بمضاعف 2، لإخراج دقة عالية

هيكل المجلدات يبدو هكذا:

text
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

💡 للمستخدمين المحليين: مستودعات النماذج المذكورة في ملاحظة القالب لديها مرايا رسمية على ModelScope — Comfy-Org/ltx-2.3 (LoRA) و Comfy-Org/ltx-2 (مرمِّز النص، LoRA الخاص بـ gemma)، ابحث باسم المستودع؛ أما ملف النموذج الرئيسي فهو في مستودع Lightricks/LTX-2.3-fp8 على Hugging Face.

ينبغي أن ترى: الملفات الخمسة في أماكنها؛ والقوائم المنسدلة الخمس للنماذج على عقدة التغليف يمكنها تحديد أسماء الملفات المقابلة، دون أي أخطاء حمراء.

  • ملفات النماذج الخمسة في مكانها، وجميع القوائم المنسدلة تحدد الملف الصحيح

الخطوة 3: التعرف على عقدة التغليف Workflow Wrapper ​

السبب: هذا القالب يطوي عشرات العقد الداخلية في Workflow Wrapper واحد (رسم فرعي)، وعادةً ما تحتاج فقط إلى إدارة بعض المعاملات على عقدة التغليف؛ وعندما تريد تعديل التفاصيل، انقر نقراً مزدوجاً للدخول ومشاهدة خط المعالجة الداخلي.

المعاملات التي ستلمسها فعلياً على عقدة التغليف:

المعاملالقيمة الافتراضية في القالبالشرح
الموجه النصييأتي مع مثال إنجليزياكتب الصورة والصوت معاً، راجع الخطوة 4
prompt_enhanceمُفعَّلتحسين تلقائي للموجه النصي: حتى لو كتبت قصيراً سيوسّع التفاصيل لك
width / height1280 / 720دقة الإخراج؛ يتم داخليًا أولًا توليد فضاء كامن منخفض الدقة، ثم رفعه إلى القيمة المستهدفة بمضاعِف 2
duration5المدة (بالثواني)
fps25معدل الإطارات
seedعشوائيتثبيت البذرة يسهّل إعادة إنتاج النتيجة
خمسة قوائم منسدلة للنماذجالملفات الخمسة من الخطوة 2تغيير الأوزان يتم هنا
  1. لا تغيّر شيئًا في البداية، فقط تعرّف على موقع كل معامل
  2. انقر نقرًا مزدوجًا على العقدة المغلَّفة للدخول إلى داخلها: سترى خط الأنابيب الكامل مع تحميل مُرمِّز النص Gemma، ومحمّلَي LoRA اثنين، ودمج الفضاءات الكامنة للصوت والفيديو، ومرحلتي أخذ عينات (8 خطوة توليد + 3 خطوة تنقيح)، وفك ترميز الفيديو/الصوت كلٍّ على حدة

ينبغي أن ترى: المخطط الفرعي الداخلي مرتَّب بترتيب تحميل النماذج ← ترميز المطالبة ← دمج الفضاءات الكامنة للصوت والفيديو ← أخذ العينات ← فك الترميز ← الإخراج؛ أخذ العينات يستخدم CFGGuider بقيمة cfg قدرها 1، وعدد الخطوات في كل مرحلة يتحكم فيه جدول sigma يدوي: التوليد الرئيسي منخفض الدقة يمضي 8 خطوة، ومرحلة التنقيح بعد تكبير الفضاء الكامن بمقدار 2× تمضي 3 خطوة—فقد ضغط LoRA المقطَّر المرحلتين معًا إلى عدد خطوات أحادي.

  • تستطيع أن تشرح ما يتحكم به كلٌّ من المعاملات السبعة على العقدة المغلَّفة

الخطوة 4: اكتب مطالبة «صورة + صوت» ​

لماذا: LTX-2.3 نموذج صوت-وفيديو، وكتابة المطالبة عن الصورة فقط تُهدر نصف القدرة؛ العناصر الثلاثة التي توصي بها الجهة الرسمية هي الحركة الأساسية، التفاصيل البصرية، الصوت.

بنية المطالبة الرسمية (تنطبق أيضًا إرشادات LTX-2):

  1. الحركة الأساسية: صِف بترتيب زمني كيف يحدث الحدث وكيف يتطور
  2. التفاصيل البصرية: اكتب كل التفاصيل التي تريد رؤيتها—المظهر، الخلفية، زاوية الكاميرا، الإضاءة
  3. الصوت: اكتب بوضوح ما الأصوات الموجودة في هذا المشهد وما تقوله الشخصيات

نقاط أسلوب الكتابة: نص متصل واحد، ابدأ مباشرة من الحركة، دون تمهيد؛ توصي الجهة الرسمية لـ LTX-2 بـالإبقاء ضمن 200 كلمة.

يأتي قالب الصورة-إلى-فيديو الرسمي مع نموذج توضيحي قياسي (مقطع الملكة المصرية)، اكتب مطالبتك وفق هذه البنية:

text
امرأة من العائلة الملكية المصرية، بتاج أزرق وذهبي وياقة عالية، وفستان طويل أبيض مطرز بالذهب وأسورة، في الصحراء، صفّان من الجنود الروبوتيين مصطفّان يمينًا ويسارًا.
تمشي بخطوات ثابتة إلى الأمام، رأسها مستوٍ ونظرها إلى الأمام مباشرة—لا تخفض رأسها. الكاميرا تقوم بحركة دفع واحدة متصلة وبطيئة فقط:
من لقطة واسعة لها وللروبوتات والصحراء، تقدّم سلس إلى لقطة متوسطة أو متوسطة قريبة، ثم تثبّت. تتوقف عن المشي،
وقامتها ورأسها ما زالا منتصبين، وتقول: «سكتت الآلهة القديمة، أما أنا فلا.» الجنود الروبوتيون يخطون في مكانهم أو يتحركون قليلًا،
وحبات الرمل والأقمشة ترفرف مع الريح. لا تصوّر بعيدًا؛ حركة الكاميرا الوحيدة هي هذا الدفع المتصل.

لاحظ أن العناصر الثلاثة موجودة في المثال: تسلسل الحركة (مشي ← دفع الكاميرا ← توقف ← كلام)، التفاصيل البصرية (الملابس، الصفوف، رمال الريح)، الصوت (جملة حوار + صوت محيط). يُكتب الحوار مباشرة في المطالبة، وسيولّد النموذج الصوت وحركة الشفاه معًا.

اترك المطالبة السلبية كما هي في القالب دون تغيير:

text
pc game, console game, video game, cartoon, childish, ugly

ينبغي أن ترى: في مربع المطالبة نص متصل واحد، والعناصر الثلاثة مرتَّبة بترتيب «الحركة الأساسية ← التفاصيل البصرية ← الصوت»، والحوار مكتوب بين علامتي اقتباس.

  • في المطالبة وصف للحركة والتفاصيل البصرية والصوت معًا

الخطوة 5: التوليد وفحص الصوت والفيديو ​

لماذا: بعد إتمام مسار كامل مرة واحدة، ستعرف كيف يبدو «تزامن الصوت والصورة» فعليًا.

  1. أبقِ المعاملات الافتراضية للقالب (1280×720، 5 ثانية، 25fps)، واستبدل المطالبة بمطالبتك الخاصة
  2. اضغط Ctrl+Enter للتشغيل
  3. بعد اكتمال التوليد شغّل فيديو الإخراج، بفتح الصوت

ينبغي أن ترى:

  • أخذ العينات في المرحلتين يبلغ إجمالًا 11 خطوة (8 خطوة توليد + 3 خطوة تنقيح، بفضل تسريع LoRA المقطَّر)، أي أقل بكثير من نماذج الفيديو المعتادة ذات 20+ خطوة

  • تُخرج عقدة SaveVideo ملف فيديو بمسار صوتي، وإذا وُجد حوار في الصورة فإن حركة الشفاه والصوت متطابقان

  • 1280×720، حوالي 5 ثانية، 25fps

  • فيديو الإخراج يُشغَّل بصوت، مع تزامن الصوت والصورة

  • الدقة 1280×720، والمدة حوالي 5 ثانية

الخطوة 6: التحويل إلى سير العملات الخمسة الأخرى لـ LTX-2 ComfyUI (اختياري) ​

لماذا: سير العملات الستة لـ LTX-2.3 تتشارك معظم ملفات النماذج، فمن يتقن واحدًا يتقنها كلها؛ اختر القالب حسب المهمة فقط.

القالب (كلمة البحث في مكتبة القوالب)الاستخدامما يلزم تحضيره إضافيًا
LTX-2.3 I2Vتحريك صورة واحدة مع صوتلا شيء، النماذج نفسها كـ T2V
LTX-2.3 FLF2Vانتقال بين إطار أول وإطار أخيرتنزيل إضافي لـ النموذج الرئيسي المقطَّر ltx-2.3-22b-distilled-fp8.safetensors (checkpoints/)؛ بدون LoRA المقطَّر والمضاعِف
LTX-2.3 IA2Vصورة + صوت لمزامنة الشفاهلا شيء، النماذج نفسها كـ T2V؛ ارفع صورة لشخص ومقطعًا صوتيًا
LTX-2.3 IC-LoRAتحكم بالعمق/الوضعية/الحوافالنموذج الرئيسي المقطَّر + أوزان IC-LoRA ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors (loras/) + نموذج MoGe للـ normals moge_2_vitl_normal_fp16.safetensors (geometry_estimation/، مجلد جديد)
LTX-2.3 ID-LoRAتخصيص مظهر الشخصية وصوتهاالنماذج نفسها كـ T2V، مع إضافة ltx-2.3-id-lora-talkvid-3k.safetensors (loras/)؛ ارفع صورة مرجعية ومقطعًا صوتيًا قصيرًا

بعض النقاط الجديرة بالملاحظة:

  • FLF2V وIC-LoRA يستخدمان نموذجًا رئيسيًا مقطَّرًا مستقلًا (ltx-2.3-22b-distilled-fp8)، وليس توليفة النموذج الرئيسي dev مع LoRA المقطَّر—لا تنزّل الخطأ
  • IA2V وID-LoRA كلاهما يأخذ «صورة + صوت»: IA2V يجعل الشخص في الصورة يزامن شفتيه مع الصوت؛ أما ID-LoRA فيذهب أبعد، فيخصّص مظهر الشخص من الصورة المرجعية وصوته من المقطع الصوتي معًا
  • يستخدم قالب IC-LoRA داخليًا مخططات فرعية (Subgraph) للمعالجة النمطية، ويدعم أيضًا ربط مخرجات مختلف المعالجات المسبقة مثل العمق وحواف Canny وهياكل الوضعية

ينبغي أن ترى: بعد تغيير القالب تكون بنية اللوحة متشابهة إلى حد كبير—ما زالت عقدة مغلَّفة وعقدة إخراج، فقط تضاف مداخل لرفع صورة أو صوت؛ والملفات الناقصة سيُنبَّه عند التحميل إلى تنزيلها بنافذة منبثقة.

  • تعرف كيف تختار القالب حسب المهمة، وكيف تتحقق من ملفات النماذج التي يطلبها كل قالب

نقطة التحقق ✅ ​

  • الفيديو المولَّد يحمل مسارًا صوتيًا: الصوت المحيط والحوار متزامنان مع الصورة، وحركة الشفاه مطابقة
  • تستطيع ذكر ما هي ملفات النماذج الخمسة: النموذج الرئيسي (مع VAE الصوتي مدمجًا)، وLoRA المقطر، وLoRA لإلغاء قيود gemma، ومُرمِّز النص، ومُكبِّر الفضاء الكامن
  • تعرف أن التسريع يأتي من LoRA المقطر: 8 خطوة، وCFG 1، وليس عبر خفض المعاملات بشكل مصطنع
  • عناصر المطالبة الثلاثة مكتملة: الحركة الأساسية (بالترتيب الزمني)، والتفاصيل البصرية، والصوت
  • تعرف كيفية اختيار مسارات العمل الستة: للتوليد العادي استخدم T2V/I2V، ولتثبيت البداية والنهاية استخدم FLF2V، ولمزامنة الشفاه استخدم IA2V، وللتحكم استخدم IC-LoRA، ولتخصيص الشخصيات استخدم ID-LoRA

تنبيهات للمزالق الشائعة ​

❌ إصدار ComfyUI قديم جدًا، وتحميل القالب يُظهر خطأ بعدم وجود العقد ​

تستخدم قوالب LTX-2.3 عقدًا أصلية أحدث ووظيفة المخططات الفرعية، والحد الأدنى للإصدار المذكور في مكتبة القوالب هو 0.16.4 (ID-LoRA 0.19.0، وIC-LoRA 0.22.0). إذا كان الإصدار أقل من ذلك، ستظهر عقد حمراء أو أخطاء عقد مفقودة بعد التحميل.

الطريقة الصحيحة: حدِّث ComfyUI أولًا ثم حمِّل القالب؛ القوالب الأساسية الأربعة تحتاج التحديث إلى 0.16.4 فما فوق، أما IC-LoRA فيتطلب 0.22.0 فما فوق.

❌ تنزيل ملفات النماذج الخاطئة أو وضعها في المجلد الخطأ ​

من الملفات الخمسة يوجد ملفا LoRA يوضعان معًا في models/loras/، وأسماء LoRA المقطر وLoRA لإلغاء قيود gemma طويلة جدًا، ويسهل الخلط بينهما عند التنزيل اليدوي؛ أما مُرمِّز النص فيوضع في text_encoders/ وليس loras/.

الطريقة الصحيحة: بعد تحميل القالب اترك النافذة المنبثقة تنزِّل الملفات تلقائيًا (ستضعها في المواضع الصحيحة)؛ وعند التنزيل اليدوي تحقق من شجرة المجلدات في الخطوة 2 واحدًا واحدًا، ثم تحقق من أسماء الملفات المحددة في القوائم المنسدلة الخمس لعقدة التغليف.

❌ رفع الدقة والمدة إلى الحد الأقصى مباشرة، فينفجر الـVRAM ​

النموذج الرئيسي 22B يستهلك VRAM كثيرًا حتى مع تكميم fp8؛ والإعدادات الافتراضية للقالب 1280×720 و5 ثانية هي نقطة التوازن التي ضبطتها الجهة الرسمية، ومضاعفة الدقة أو المدة مباشرة تؤدي بسهولة إلى OOM.

الطريقة الصحيحة: شغِّل بالإعدادات الافتراضية أولًا؛ وبعد التأكد من إمكانية إخراج الفيديو، عدِّل المعاملات بخطوات صغيرة لاختبار حد الـVRAM، وجرِّب بعد كل تعديل.

❌ كتابة المطالبة كنثر شعري، مع ترك ترتيب الحركات للتخمين ​

يفهم LTX-2.3 المطالبة بالترتيب الزمني؛ فإذا كتبت كلمات أجواء كثيرة دون توضيح تسلسل الأحداث، يتصرف النموذج بحرية؛ والكتابة الطويلة جدًا (أكثر من 200 كلمة) تميّع التركيز بدلًا من تعزيزه.

الطريقة الصحيحة: نص متصل واحد يبدأ بالحركة الأساسية ويتقدم بترتيب الحدوث؛ وتأتي التفاصيل والصوت بعدها؛ واكتب الحوار مباشرة داخل علامات الاقتباس.

تقنيات متقدمة (اختيارية) ​

استخدام قوالب تحرير IC-LoRA لعمل «ترميم الفيديو» ​

تتضمن مكتبة القوالب أيضًا خمسة قوالب تحرير مبنية على IC-LoRA: إزالة الترجمة (Remove Subtitles)، وإزالة العناصر (Remove Object)، وترميم المواد القديمة (Restore Archival Footage)، وتوسيع الفيديو (Video Outpainting)، وGoogly Eyes (إضافة عيون كرتونية كبيرة). ابحث باسم القالب لتحميله، وطريقة استخدامه مطابقة لقالب تحكم IC-LoRA.

يمكن نسخ مطالبة قالب إزالة الترجمة الرسمي مباشرة وتعديلها:

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

يمكن أيضًا تثبيت IC-LoRA من المجتمع ​

واجهة IC-LoRA في LTX-2.3 مفتوحة، وأوزان المجتمع (مثل LTX2.3-ICEdit-Insight من joyfox) متوافقة كذلك: بعد التنزيل ضعها في models/loras/، واربطها عبر مُحمِّل LoRA بجانب النموذج الرئيسي، ووصِّل الأسلاك وفق بنية قالب التحرير الرسمي.

التسريع ببطاقات متعددة ​

يتضمن القالب داخليًا عقدة LTXVSequenceParallelMultiGPUPatcher — عند امتلاك عدة وحدات GPU، استخدمها للتوازي التسلسلي، وتوزيع أخذ العينات للنموذج 22B على بطاقات متعددة.

خلاصة هذا الدرس ​

✅ أدخل هذا الدرس الصوت إلى توليد الفيديو عبر ComfyUI، وتم تشغيل LTX-2 مسار عمل ComfyUI بنجاح:

  • ✅ تكامل الصوت والصورة: يولّد LTX-2.3 الصورة والصوت معًا في استدلال واحد، وVAE الصوتي مدمج في ملف النموذج الرئيسي دون تنزيل إضافي
  • ✅ وضع ملفات النماذج الخمسة في مواضعها (أربعة منها بإجمالي حوالي 31 GB)، مع تنزيل بنقرة واحدة عبر نافذة القالب المنبثقة، ومرآة ModelScope داخل الصين
  • ✅ التسريع يعتمد على LoRA المقطر: 8 خطوة، وCFG 1، ونقطة التوازن بين سرعة الإخراج وجودته ضبطتها الجهة الرسمية مسبقًا
  • ✅ عناصر المطالبة الثلاثة: الحركة الأساسية (بالترتيب الزمني) + التفاصيل البصرية + الصوت، في حدود 200 كلمة
  • ✅ اختيار مسارات العمل الستة حسب المهمة: T2V، وI2V، وFLF2V، وIA2V، وIC-LoRA، وID-LoRA

مراجعة حقول الإعداد الرئيسية:

الحقلالقيمة الموصى بهاالشرح
Checkpointltx-2.3-22b-dev-fp8.safetensors (27.14 GB)النموذج الرئيسي 22B مع VAE صوتي مدمج
LoRA المقطرltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors (2.55 GB)أخذ عينات سريع بـ8 خطوة
LoRA لإلغاء قيود gemmagemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors (599.1 MB)يُثبَّت على مُرمِّز النص
مُرمِّز النصgemma_3_12B_it_fp4_mixed.safetensorsنسخة مكممة fp4
مُكبِّر الفضاء الكامنltx-2.3-spatial-upscaler-x2-1.1.safetensors (949.6 MB)دقة أعلى بـ2 مرة
عقدة التغليف1280×720 / duration 5 / fps 25prompt_enhance مفعّل افتراضيًا
أخذ العينات8 خطوة توليد + 3 خطوة تنقيح / CFG 1تسريع عبر LoRA المقطر
المطالبة السلبيةpc game, console game, video game, cartoon, childish, uglyمضمّنة في القالب، تُترك دون تغيير

استعراض الدرس التالي ​

ينتج LTX-2.3 مقطع فيديو واحدًا بصوت في كل مرة؛ أما LTX-2.5 في الدرس التالي: سرد متعدد اللقطات، و4K HDR وDFR فيرفع المدة والمواصفات إلى مستوى أعلى. ستتعلم:

  • السرد متعدد اللقطات: تقطيع عدة لقطات داخل فيديو واحد
  • 4K HDR وإخراج DFR (Diffusion Fidelity Rendering، توزيع قدرة العرض حسب تعقيد المشهد)
  • كيفية استخدام النسخة المقطرة من LTX-2.5

ملحق: مرجع الكود المصدري ​

انقر للتوسيع ومشاهدة مواضع الكود المصدري

وقت التحديث: 2026-11-06 (قالب مكتبة القوالب video_ltx2_3_t2v وغيره، والحد الأدنى للإصدار ComfyUI المذكور رسميًا هو 0.16.4)

المحتوىالموضع
الدرس الرسمي (LTX-2.3، ستة مسارات عمل)https://docs.comfy.org/tutorials/video/ltx/ltx-2-3
الدرس الرسمي (LTX-2، دليل الأوامر التوجيهية)https://docs.comfy.org/tutorials/video/ltx/ltx-2
الدليل المتقدم للأوامر التوجيهيةhttps://ltx.video/blog/how-to-prompt-for-ltx-2
قالب مسار العمل بصيغة JSON (T2V)https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_ltx2_3_t2v.json
مستودع الأوزان (Hugging Face)https://huggingface.co/Lightricks/LTX-2.3
مستودع الأوزان (مرآة ModelScope)https://modelscope.cn/models/Comfy-Org/ltx-2.3
الصفحة الرئيسية لنموذج LTX-2https://huggingface.co/Lightricks/LTX-2

تم التحقق من المعلمات في هذه الصفحة (القيم الافتراضية لعُقد التغليف 1280×720 / duration 5 / fps 25، وتفعيل prompt_enhance افتراضيًا، و8 خطوات أخذ العينات مع CFG 1، والأمر التوجيهي السلبي، وأسماء خمسة ملفات النماذج وأحجامها، واسم مستودع مرآة ModelScope، والحد الأدنى لإصدار كل قالب 0.16.4 / 0.19.0 / 0.22.0) جميعها من قيم العُقد الفعلية والملاحظات المدمجة في قوالب JSON video_ltx2_3_t2v.json وvideo_ltx2_3_i2v.json، ومن حقل minComfyUIVersion في templates/index.json؛ كما أن مسارات العمل الستة وقائمة النماذج، وقالب تحرير IC-LoRA، وتوافق IC-LoRA المجتمعي مأخوذة من الدرس الرسمي ltx-2-3.mdx؛ والحقائق الأساسية عن LTX-2 (19B، وتوصية 200 كلمة في الأمر التوجيهي، وأوزان distilled المستقلة) مأخوذة من ltx-2.mdx.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.