LTX-2.5: السرد متعدد اللقطات وHDR بدقة 4K وDFR
في الدرس السابق، تمكن نموذج LTX-2.3 من توليد فيديو بصوت في محاولة واحدة. أما LTX-2.5 في هذا الدرس فهو نسخته المطوّرة: السرد متعدد اللقطات (قطع اللقطات داخل فيديو واحد دون تعارض في الشخصيات أو البيئة أو الإضاءة أو الصوت)، وHDR أصلي بدقة 4K (بحد أقصى 50 FPS حسب التصنيف الرسمي)، بالإضافة إلى خط أنابيب عرض متعدد المراحل يسمى DFR (Diffusion Fidelity Rendering، العرض عالي الدقة).
يوفر مكتب قوالب ComfyUI أربعة مسارات عمل مدمجة أصلًا في LTX-2.5: توليد الفيديو من النص (T2V)، وتوليد الفيديو من الصورة (I2V)، والإطار الأول والأخير (FLF2V)، وDFR. في هذا الدرس سنشغّل سير عمل LTX-2.5 من التنزيل إلى إخراج الفيديو عبر DFR بشكل كامل.
ماذا ستستطيع فعله بعد التعلم
- طلب صلاحية الوصول إلى LTX-2.5 على Hugging Face ووضع ستة ملفات نماذج في أدلة كل منها
- استخدام قالب توليد الفيديو من النص الرسمي لتوليد فيديو بدقة 1280×736 ومدة نحو 5 ثانية و24 fps مع مسار صوتي مدمج
- كتابة توجيه «لقطات متعددة + صوت» لنموذج LTX-2.5، ومعرفة متى يجب تشغيل مُحسِّن التوجيه
- بدّل حسب المهمة بين قوالب T2V وI2V وFLF2V الثلاثة، مع مشاركة ملفات النموذج نفسها
- ثبّت العقد المخصصة لـ ComfyUI-LTXVideo، وشغّل خط أنابيب DFR ثلاثي المراحل، واعرف ماذا يفعل كل مرحلة
المأزق الذي أنت فيه الآن
- مقطع 5 ثوانٍ بلقطة واحدة لا يستطيع سرد قصة، وتريد تبديل عدة لقطات في فيديو واحد، لكن مع أول تبديل للقطة تنكشف أخطاء الشخصيات والمشاهد
- جودة صورة LTX-2.3 ما زالت غير كافية للاستخدام في فيلم فعلي: وجوه الشخصيات ضبابية والحركة السريعة تترك أثرًا ممتدًا، كما أن «4K HDR» الذي سمعت عنه لا تعرف كيفية استخدامه في ComfyUI
- الدروس التي تجدها عن LTX-2.5 إما نسخة API سحابية وإما يفشل تنزيل النموذج في منتصفه (لم يُوافق على الصلاحيات)، فتعلق في الخطوة الأولى
متى تستخدم هذه الطريقة
عندما تحتاج إلى:
- عدة لقطات متتابعة في فيديو واحد، مع بقاء الشخصيات والبيئة والإضاءة والصوت متسقة عبر اللقطات
- جودة أعلى للناتج النهائي: وجوه أوضح، ونصوص مقروءة، وحركة سريعة دون أثر ممتد
- توليد الصورة والصوت معًا في مرة واحدة، دون حاجة إلى دبلجة لاحقة للحوارات والمؤثرات الصوتية والأصوات المحيطة
ولا تريد:
- توليد كل لقطة على حدة ثم مونتاجها ولصقها يدويًا
- تشغيل مسار الدبلجة ومطابقة حركة الشفاه مرة أخرى بعد توليد الصورة
🎒 التحضيرات قبل البدء
- أن تكون قد شغّلت سابقًا سير عمل الصوت والفيديو في LTX-2.3: تعرف كيفية تحميل سير العمل من مكتبة القوالب وتتعرف على عقد التغليف
- تحديث ComfyUI إلى v0.32.0 أو أحدث (الحد الأدنى للإصدار الذي تشير إليه مكتبة القوالب لقوالب T2V/I2V/FLF2V الخاصة بـ LTX-2.5؛ وقوالب DFR تتطلب v0.35.0 أو أحدث، فالتحديث إلى الأحدث مباشرة هو الأسهل)
- تسجيل حساب Hugging Face والتقدم مسبقًا بطلب صلاحية الوصول إلى مستودعين مقيدين (انظر الخطوة 1، فالموافقة تستغرق وقتًا؛ قدّم الطلب أولًا ثم انصرف لغير ذلك)
- توفير مساحة كافية على القرص: مرمّز محسّن المطالبات 4.84 غيغابايت (نسخة DFR 9.57 غيغابايت)، والنموذج الرئيسي بحجم 22B لم يذكر المصدر الرسمي حجمه في هذه الصفحة، فاحجز له بمقدار 22B @@I18N_KEEP_000041@@
- أن تكون على دراية بذاكرة VRAM: شغّل أولًا بالوضع الافتراضي للقالب 0.9 MP، ثم فكّر في رفع الدقة
- الشبكة ضعيفة؟ مرمّز Gemma 4 له نسخة رسمية معكوسة على ModelScope (
Comfy-Org/gemma-4)، انظر الخطوة 2
الفكرة الأساسية
يواصل LTX-2.5 أساس LTX-2.3 في «إخراج الصورة والصوت معًا في استدلال واحد»، وتتمثل الترقيات الرئيسية في هذه النقاط:
| نقطة الترقية | الشرح |
|---|---|
| السرد متعدد اللقطات (multishot) | توليد عدة لقطات متتابعة في مرة واحدة، مع بقاء الشخصيات والبيئة والإضاءة والصوت والأسلوب متسقة عند تبديل اللقطات |
| مرمّز Gemma 4 مخصص بحجم 12B | يتذكر العناصر المتعددة في المطالبات المعقدة من شخصيات وحركات وإضاءة وحركة كاميرا |
| خط أنابيب DFR | مسار عرض يعطي الأولوية للإطارات المفتاحية: يوزّع قدرة الحوسبة للعرض حسب تعقيد المشهد، فترتفع جودة الناتج النهائي |
| مرمّز فيديو انتشاري | وجوه أوضح، ونصوص مقروءة، وأثر ممتد أقل في الحركة السريعة |
| المدة التلقائية (Auto Duration) | بحسب المقدمة الرسمية، يتوقع النموذج المدة المناسبة قبل الانتشار بناءً على الأفعال الموصوفة في المطالبة |
| دعم أصلي لـ 4K HDR | تشير المواصفات الرسمية إلى أقصى مخرجات 4K HDR بمعدل 50 FPS، مع سير عمل RAW لخطوط المعالجة اللاحقة الاحترافية |
| نسخة مقطّرة أفضل | تحافظ النماذج المقطّرة على جودة أعلى والتزام أكبر بالتعليمات وإحساس أفضل بالحركة مقارنة بالجيل السابق، وبسرعة أكبر |
أكبر اختلاف في الاستخدام عن LTX-2.3: يستخدم قالب LTX-2.5 المحلي النموذج الرئيسي المقطّر مباشرةً (ltx-2.5-22b-distilled-transformer-comfy-int8-convrot)، فلا حاجة بعد الآن لتوصيل LoRA مقطّر بنموذج dev كما في LTX-2.3؛ كما تغيّر مرمّز النص من Gemma 3 12B إلى Gemma 4 12B مخصص.
توزيع الأدوار بين القوالب الرسمية الأربعة:
| القالب (اسم البحث في مكتبة القوالب) | الحد الأدنى للإصدار | المُدخل | متطلبات إضافية |
|---|---|---|---|
| LTX-2.5: نص إلى فيديو | v0.32.0 | تعليمات | لا شيء |
| LTX-2.5: صورة إلى فيديو | v0.32.0 | صورة الإطار الأول | لا شيء |
| LTX-2.5: FLF2V | v0.32.0 | صورة الإطار الأول + الإطار الأخير | لا شيء |
| LTX-2.5 DFR: صورة إلى فيديو | v0.35.0 | صورة الإطار الأول (أو نص فقط) | ComfyUI-LTXVideo عقد مخصصة |
اتبع خطواتي
الخطوة 1: تحديث ComfyUI والتقدم بطلب الوصول إلى نموذج LTX-2.5
السبب: تُوضع أوزان LTX-2.5 في مستودع مقيّد الوصول (gated) على Hugging Face، وسيفشل التنزيل مباشرةً دون تقديم طلب — هذا أكبر اختلاف في تجربة التنزيل بين LTX-2.5 وLTX-2.3، كما أن الموافقة تستغرق وقتًا، لذا يجب القيام بذلك أولًا.
- حدّث ComfyUI إلى أحدث إصدار (استخدم التحديث المدمج في نسخة سطح المكتب، وشغّل
update_comfyuiسكربت التحديث في النسخة المحمولة) - سجّل الدخول إلى Hugging Face، وافتح المستودع
Lightricks/LTX-2.5، واقرأ اتفاقية الاستخدام ووافق عليها، ثم قدّم طلب الوصول - افتح بعد ذلك المستودع
Lightricks/LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler(تفاصيل IC-LoRA التي تحتاجها خطوط DFR، في مستودع مقيّد منفصل)، وقدّم الطلب كذلك - انتظر الموافقة؛ يمكنك في أثناء الانتظار تحديث ComfyUI أولًا
ينبغي أن ترى: صفحتَي المستودعين تُظهران أنك حصلت على صلاحية الوصول. قبل الموافقة، سيفشل تنزيل رابط التنزيل في الخطوة 2.
- تمت الموافقة على صلاحية الوصول إلى كلا المستودعين المقيّدين
💡 قدّم الطلب أولًا قبل أي شيء آخر
الموافقة لا تأتي فورًا. قدّم الطلب أولًا، ثم عد إلى مهام مثل تحديث ComfyUI ومراجعة القوالب، وعندما تُمنح صلاحية النموذج ستكون جاهزًا لمتابعة التنزيل مباشرةً.
الخطوة 2: تنزيل ملفات النماذج الستة ووضعها في مكانها (مع مرايا محلية للصين)
السبب: يحتاج قالب LTX-2.5 لنص إلى فيديو إلى ستة ملفات (واحد منها اختياري)، والدليل مختلف تمامًا عن LTX-2.3 — يوضع النموذج الرئيسي في diffusion_models/ بدلًا من checkpoints/، كما فُصل مرمّز VAE الصوتي من النموذج الرئيسي ليصبح ملفًا مستقلًا. بعد تحميل القالب يمكن للنافذة المنبثقة التنزيل بنقرة واحدة، وعند التنزيل اليدوي ضع الملفات وفق الجدول أدناه.
| الملف | الحجم | ضعه في الدليل | الوظيفة |
|---|---|---|---|
ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors | — | models/diffusion_models/ | 22B النموذج الرئيسي المقطّر (بتكميم int8)، مشترك بين القوالب الأربعة |
gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors | — | models/text_encoders/ | Gemma 4 12B مُشفِّر نصوص مخصص (int8) |
gemma4_e2b_it_int8_convrot.safetensors | 4.84 GB | models/text_encoders/ | اختياري: مُشفِّر صغير لمُحسِّن المطالبات، إذا لم تُفعِّل prompt_enhance يمكنك عدم تنزيله |
ltx-2.5-video-vae-bf16.safetensors | — | models/vae/ | VAE للفيديو |
ltx-2.5-audio-vae-bf16.safetensors | — | models/vae/ | VAE للصوت (في LTX-2.5 هو ملف مستقل، غير مدمج في النموذج الرئيسي) |
ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors | — | models/latent_upscale_models/ | مُكبِّر مكاني بمقدار 2× للفضاء الكامن (قوالب FLF2V لا تستخدمه) |
هيكل المجلدات يبدو هكذا:
ComfyUI/
├── models/
│ ├── diffusion_models/
│ │ └── ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
│ ├── text_encoders/
│ │ ├── gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors
│ │ └── gemma4_e2b_it_int8_convrot.safetensors # 可选
│ ├── 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💡 للمستخدمين في الصين: مُشفِّر Gemma 4 له نسخة رسمية مطابقة على ModelScope Comfy-Org/gemma-4 (بما في ذلك gemma4_e2b_it_int8_convrot المستخدم في المُحسِّن)، فقط ابحث عن اسم المستودع؛ أما النموذج الرئيسي المُقطَّر وVAE المزدوج والمُكبِّر المكاني فهي في مستودع Lightricks/LTX-2.5 على Hugging Face، وتتطلب صلاحية الوصول المعتمدة في الخطوة 1.
يجب أن ترى: الملفات الستة كلها في مكانها؛ وفي القوائم المنسدلة لكل نموذج في القالب يمكن اختيار اسم الملف المقابل دون أي خطأ أحمر.
- ملفات النماذج في مكانها، وكل القوائم المنسدلة تُظهر الملف الصحيح
الخطوة 3: تشغيل قالب سير عمل LTX-2.5 بنجاح (نص إلى فيديو)
لماذا: القالب الرسمي يُغلِّف مسارَي العيّنة (sampling) الخاصين بـ LTX-2.5 داخل عقدة رسم فرعي واحد، فكل ما عليك هو إدارة معاملات واجهة الرسم الفرعي؛ وهذا أيضًا نقطة انطلاق سير عمل LTX-2.5 كاملًا، فلاحقًا تُبنى I2V وFLF2V وDFR عليه بتغيير المدخلات فقط.
- افتح مكتبة القوالب (Browse Templates)، ادخل تصنيف Video، وابحث عن LTX-2.5: نص إلى فيديو (البحث المباشر عن «LTX-2.5» أسرع)
- انقر للتحميل
- تعرَّف على عقدة الرسم الفرعي Text to Video (LTX-2.5) الموجودة على اللوحة، ومعاملاتها كالتالي:
| المعامل | الافتراضي في القالب | الشرح |
|---|---|---|
| المطالبة (prompt) | يتضمن مثالًا إنجليزيًا افتراضيًا (صياد القطب الشمالي) | تُكتب الصورة والصوت معًا، انظر الخطوة 4 |
| prompt_enhance | إيقاف | مُحسِّن المطالبات: عند تفعيله يستخدم المُشفِّر الصغير بحجم 4.84 GB لتوسيع مطالبتك أولًا، ما يستهلك 1–2 دقيقة إضافية |
| ResolutionSelector | 16:9 / 0.9 MP | نسبة العرض إلى الارتفاع + ميزانية الميغابكسل، تُحوَّل تلقائيًا إلى عرض وارتفاع بمضاعف 32×، حيث 0.9 MP تقابل 1280×736 |
| duration | 5 | المدة بالثواني |
| frame_rate | 24 | معدل الإطارات |
| seed | عشوائي | تثبيت البذرة يسهّل إعادة إنتاج النتيجة |
- لا تغيّر شيئًا في البداية، فقط اضغط
Ctrl+Enterلتشغيله مرة واحدة، وتأكد من أن المسار قادر على إنتاج مقطع - عندما تريد الاطلاع على المسار الداخلي، انقر زر الدخول على عقدة الرسم البياني الفرعي (Enter subgraph): سترى مرحلتَي أخذ عينات — المرحلة الأولى تعمل على الفضاء الكامن بنصف الدقة لمدة 8 خطوة (بمُعيّن euler_ancestral، وCFG 1، وجدول sigma ثابت)، ثم يقوم
LTXVLatentUpsamplerبتكبير الفضاء الكامن في البُعد المكاني بمقدار 2 مرة، وتعمل المرحلة الثانية لمدة 3 خطوة لصقل الجودة النهائية
يجب أن ترى:
تُخرج عقدة SaveVideo ملف فيديو 1280×736، بمدة تقارب 5 ثانية، و24 fps، بمسار صوتي
إجمالي 11 خطوة في مرحلتَي أخذ العينات — النموذج الرئيسي المُقطَّر يعمل بهذا عدد الخطوات مباشرة، دون الحاجة إلى إضافة LoRA تقطير إضافي كما في LTX-2.3
أوصاف الأصوات في الموجّه (صوت الرياح، أصوات الكلام، إلخ) موجودة فعلًا في المقطع الناتج
يعمل بالإعدادات الافتراضية، والفيديو الناتج يحتوي على صورة وصوت
يستطيع شرح مرحلتَي أخذ العينات: 8 خطوة بنصف الدقة ← تكبير مكاني ×2 ← 3 خطوة صقل
الخطوة 4: كتابة موجّه «تعدد اللقطات + الصوت»
لماذا: اعتمد LTX-2.5 مُرمِّز Gemma 4 12B مخصصًا، وتقول الجهة الرسمية إنه يستطيع تذكّر عدة كائنات وحركات وإضاءات وحركات كاميرا في الموجّهات المعقدة — كلما كان الموجّه أكثر اكتمالًا، ظهرت أفضلية تعدد اللقطات والصوت بشكل أوضح.
بنية الموجّه الرسمية:
- اكتب المشهد بأكمله في فقرة سلسة واحدة: نوع اللقطة، المشهد، الحركة، الشخصيات، وحركة الكاميرا كلها في هذه الفقرة الواحدة
- اكتب الصوت أيضًا: صِف الأصوات الموجودة في المشهد وما تقوله الشخصيات، فيولّدها النموذج مع الصورة؛ اكتب الحوار بين علامتي اقتباس
- اكتب اللقطات المتعددة بالترتيب: إذا أردت تغيير اللقطة، فاكتب كل لقطة بترتيب حدوثها في نفس النص — وسيحافظ النموذج على اتساق الشخصيات والبيئة والإضاءة والصوت والأسلوب عبر اللقطات
المثال الافتراضي المرفق مع قالب التوليد من نص إلى فيديو الرسمي هو نموذج قياسي (صياد في القطب الشمالي، والمعنى بالصينية):
لقطة مقربة لوجه صياد في القطب الشمالي، ونظراته مثبتة على شيء بعيد أمامه مباشرة، ولحيته متجمدة بالصقيع، وإحدى يديه تمتد ببطء نحو البندقية على ظهره،
وتنفسه سريع وسطحي. تتراجع الكاميرا ببطء لتكشف وقفته وهو جاثم على حافة جبل جليدي عائم، وفي الاتجاه الذي يحدق فيه، على حرف جليدي بعيد،
يتحرك دب قطبي ببطء، وفراؤه الفاتح يذوب في الضباب الأبيض. تواصل الكاميرا الابتعاد، والصياد في المقدمة والدب في الخلف،
والاثنان يتواجهان عبر قناة مائية داكنة، وطيور بحرية تحوم فوقهما. في منتصف اللقطة، يظهر العنوان الكامل «LTX-2.5»
بتلاشٍ داخلٍ في المنتصف بخطوط بيضاء كبيرة بدون زوائد، ويظهر ببطء من بين الضباب. في صوت الرياح يأتي صوت تحرك الطبقات الجليدية البعيدة،
وزئير منخفض يتدحرج عبر سطح الماء.لاحظ ما يوجد في هذا المثال: نوع اللقطة (لقطة مقربة)، وحركة الكاميرا (تراجع مستمر)، وعدة كائنات (صياد + دب + طيور بحرية)، ونص على الشاشة (تلاشٍ داخلٍ للعنوان)، والصوت (رياح، وأصوات جليد، وزئير منخفض) — كل ذلك مكتوب بالكامل في نص واحد.
مفتاحان اختياريان:
- prompt_enhance (محسّن الموجّه): معطل افتراضيًا. عند تفعيله يستخدم القالب مُرمِّز Gemma 4 الصغير بحجم 4.84 GB لتوسيع موجّهك القصير أولًا إلى تعليمات مفصلة ثم أخذ العينات، بتكلفة إضافية تقارب 1–2 دقيقة. فعّله عندما تكتب موجّهًا قصيرًا وتريد تفاصيل؛ أما إذا كنت تكتبه كاملًا بنفسك فلا حاجة لتفعيله
- المدة التلقائية (Auto Duration): تقول الجهة الرسمية إن النموذج يتنبأ بالمدة المناسبة بناءً على الحركات الموصوفة في الموجّه قبل بدء الانتشار، وهذه قدرة مدمجة في النموذج؛ ومعامل
durationفي القالب المحلي افتراضيًا 5 ثوانٍ، وغيّر الرقم مباشرة للمدة التي تريدها
يجب أن ترى: في مربع الموجّه نص متصل واحد، توجد فيه اللقطات والحركات والشخصيات والأصوات، والحوار (إن وُجد) مكتوب بين علامتي اقتباس.
- الموجّه يحتوي في الوقت نفسه على وصف اللقطات ووصف الصوت
الخطوة 5: التبديل إلى قوالب تحويل الصورة إلى فيديو وقوالب الإطار الأول والأخير
لماذا: بعد أن نجح تشغيل T2V، فإن I2V و FLF2V مجرد تغيير في المدخلات — ملفات النموذج مشتركة في الأساس، وطريقة كتابة الوصف تحتاج فقط زاوية مختلفة.
| القالب | المدخل | طريقة كتابة الوصف |
|---|---|---|
| LTX-2.5: تحويل الصورة إلى فيديو | صورة إطار أول واحدة | اكتب ما يحدث بعد ذلك: الحركة، حركة الكاميرا، الصوت؛ لا تكرر وصف ما هو مرئي بالفعل في الصورة. توصي الجهة الرسمية باستخدام صيغة مثل «Use the provided start image as the first frame» (استخدم الصورة المقدمة كإطار أول) لتثبيت المرجع |
| LTX-2.5: FLF2V | صورة الإطار الأول + صورة الإطار الأخير | اكتب الانتقال الذي يحدث بين الإطارين: بما يشمل حركة الكاميرا والصوت؛ يجب أن تكون للصورتين النسبة نفسها حتى يكون الانتقال سلسًا |
الخطوات:
- ابحث عن «LTX-2.5» في مكتبة القوالب، وحمّل قالب تحويل الصورة إلى فيديو أو قالب FLF2V
- تحويل الصورة إلى فيديو: ارفع صورتك على Load First Frame (المثال الافتراضي للقالب
neon_cyborg_portrait.png)؛ FLF2V: ارفع صورة على كل من Load First Frame و Load Last Frame (المثالان الافتراضيانrobot_hand.png/robot_hand_energy.png) - معلمات الرسم الفرعي هي نفسها كما في T2V: الوصف، الدقة، المدة، معدل الإطارات، البذرة
- شغّل لإنتاج الفيديو
ينبغي أن ترى: بنية اللوحة مشابهة إلى حد كبير لـ T2V، مع إضافة مدخل لرفع الصور فقط؛ القالبان يشتركان مع T2V في مجموعة ملفات النماذج نفسها، ومن بينها FLF2V لا يستخدم مكبّر الفضاء (يمكن التشغيل حتى بدون هذا الملف).
- شغّل I2V أو FLF2V بنجاح باستخدام صورك الخاصة
الخطوة 6: استخدام خط الأنابيب ثلاثي المراحل DFR لإنتاج فيديو عالي الجودة
لماذا: DFR (Diffusion Fidelity Rendering، تصيير عالي الدقة) هو مسار «إنتاج النسخة النهائية» وفق الجهة الرسمية — نموذج رئيسي مُقطّر مع IC-LoRA خاص بالتفاصيل، وفي جولة التوليد الأولى يُنتج إطارًا مفتاحيًا للتفاصيل كل ثانية داخل الفيديو، ثم تعيد جولات التصيير اللاحقة استخدام هذه الإطارات المفتاحية كتوجيه، وهكذا تتراكم الجودة.
أضف شيئين أولًا:
- حدّث ComfyUI إلى v0.35.0 أو أحدث، وثبّت حزمة العقد المخصصة ComfyUI-LTXVideo (العقد مثل
LTXVAddGeneratedKeyframesالموجودة في قوالب DFR تأتي من هذه الحزمة، ثبّتها بالبحث عن «LTXVideo» في ComfyUI Manager) - أضف ثلاثة ملفات نماذج (مجموعة نماذج DFR مختلفة عن السابق):
| الملف | الحجم | ضعه في الدليل | الوصف |
|---|---|---|---|
gemma4-12b-with-proj-ltx-2.5-bf16.safetensors | — | models/text_encoders/ | مُرمِّز بالدقة الكاملة (bf16)، بديل عن نسخة int8 |
ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0.safetensors | — | models/loras/ | IC-LoRA للتفاصيل، في مستودع مقيد مستقل (المستودع الثاني المطلوب في الخطوة 1) |
ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors | — | models/latent_upscale_models/ | مكبّر زمني، يستخدم في المرحلة الثالثة |
يُستبدل مرمّز المحسّن أيضًا بإصدار bf16: gemma4_e2b_it_bf16.safetensors (9.57 GB، اختياري). أما النموذج الرئيسي وVAE المزدوج والمكبّر المكاني فيُشارك مع ما سبق.
حمّل القالب وتعرّف على المراحل الثلاث: ابحث في مكتبة القوالب عن «LTX-2.5 DFR»، وحمّل قالب DFR لتحويل الصورة إلى فيديو. داخل الرسم الفرعي Image to Video (LTX-2.5 DFR) توجد ثلاث مراحل من المعاينة:
| المرحلة | تعمل بأي أبعاد | عدد الخطوات | ماذا تفعل |
|---|---|---|---|
| 1 توليد | نصف أبعاد المخرجات | 8 | فيديو، إطار مفتاحي تفصيلي واحد كل ثانية، والصوتمعًا إزالة الضوضاء |
| 2 مكاني ×2 | أبعاد المخرجات | 3 | إعادة معاينة بعد تكبير الفضاء الكامن ×2، مع تعليق IC-LoRA التفصيلي وحقن الفضاء الكامن بنصف الدقة كمرجع |
| 3 زمني ×2 | 241 إطار @ 48 fps | 4 | مضاعفة عدد الإطارات ومعدل الإطارات لنفس المدة (من 121 إلى 241 إطارًا، ومن 24 إلى 48 fps)، وتُثبَّت الإطارات المفتاحية من المرحلة الثانية بقوة 0.95 كإرشاد |
تستخدم المراحل الثلاث كلها مُعيّن euler، وCFG بقيمة 1.0، وجدول ManualSigmas ثابتًا — وصفة مقطّرة، فلا تغيّر عدد الخطوات أو قيم sigma بشكل عشوائي، وإلا تغيّر أسلوب الرسم.
المفاتيح الرئيسية:
| المفتاح | الموقع | الوظيفة |
|---|---|---|
| Start image (I2V) | المستوى الأعلى | رفع صورة الإطار الأول (المثال الافتراضي office_garden_169_outpaint.png) |
| Output size | المستوى الأعلى | النسبة + ميزانية الميغابكسل، معامل 32؛ وتعمل المرحلة الأولى تلقائيًا على نصفه |
| Switch to T2V | داخل الرسم الفرعي | عند تشغيله يتم تجاهل صورة الإطار الأول والتوليد بالنص فقط |
| Float (fps) / Float (Duration) | داخل الرسم الفرعي | الافتراضي 24 fps / 5 ثانية = 121 إطارًا |
| Enable Prompt Enhancer | داخل الرسم الفرعي | استخدام مرمّز صغير لتوسيع الوصف أولًا (يتطلب إصدار bf16 بحجم 9.57 GB) |
| Run 3rd stage - Temporal Upscale | داخل الرسم الفرعي | إيقافه يتخطى المرحلة الثالثة: أسرع، ويخرج 24 fps / 121 إطارًا |
| Enable Tiled Decode | داخل الرسم الفرعي | فك ترميز VAE بالتجزئة، يقلل استهلاك الذاكرة، مع نعومة طفيفة في التفاصيل |
موجهات DFR تختلف عن T2V، وقد قدّمت الجهة الرسمية ثلاث توصيات:
- اكتبها كلقطة واحدة متصلة: يُبنى DFR حول الإطارات المفتاحية داخل الفيلم، ويصف مشهدًا بلقطة واحدة متواصلة، وليس مجموعة لقطات مونتاجة
- يُولَّد الصوت في الجولة نفسها: اكتب الحوار داخل علامات اقتباس، وصف الأصوات المحيطة والمؤثرات الصوتية
- حركة الكاميرا معتدلة: عند الحركة السريعة فوق النسيج عالي التردد والتدرجات الناعمة، يظهر في الخط أكثر ما يظهر «الغليان» (boiling) أو التدرج الشريطي (banding)
يجب أن ترى:
Save video (mp4 + audio)إخراج الفيلم النهائي: مع تفعيل المراحل الثلاث تكون النتيجة 48 fps، ومع تعطيل المرحلة الثالثة تكون 24 fpsصوت الفيلم النهائي هو دائمًا صوت المرحلة الأولى — في المرحلة الثالثة يشارك الصوت فقط في التوجيه عبر cross-attention ثم يُهمَل، ولا يغيّر الصوت
إذا فعّلت المحسِّن، ستتمكن عقدة
Preview as Text (Final Prompt)من رؤية الموجه النهائي بعد التوسيعتشغيل DFR بنجاح، وأن تستطيع شرح ما تفعله كل مرحلة من المراحل الثلاث
معرفة أن تعطيل المرحلة الثالثة يعطي نسخة بمعدل 24 fps
نقطة تحقق ✅
- الموافقة على صلاحيات الوصول لكلا المستودعين المقيدَين، فلا يفشل تنزيل النماذج بعد الآن
- تشغيل قالب توليد الفيديو من النص بالمعاملات الافتراضية: 1280×736، وحوالي 5 ثانية، و24 fps، مع مسار صوتي مدمج
- أن تستطيع ذكر مرحلتَي المعاينة: 8 خطوة بنصف الدقة → توسيع مكاني ×2 → 3 خطوات تنقيح؛ ومراحل DFR الثلاث: 8 خطوات توليد → 3 خطوات مكانية → 4 خطوات زمنية
- كتابة الموجه كقطعة واحدة كاملة: نوع اللقطة، الحركة، الشخصيات، حركة الكاميرا، الصوت؛ والحوار داخل علامات اقتباس
- معرفة كيفية اختيار القوالب الأربعة: نص فقط استخدم T2V، وصورة واحدة استخدم I2V، وتثبيت البداية والنهاية استخدم FLF2V، ولمزيد من الجودة انتقل إلى DFR (يتطلب DFR تثبيت عقد ComfyUI-LTXVideo المخصصة إضافيًا، ويتطلب ComfyUI إصدار 0.35.0 أو أحدث)
تنبيهات للمزالق
❌ فشل تنزيل النموذج (لم تُوافق الصلاحيات)
أوزان LTX-2.5 موجودة في مستودعات مقيدة على Hugging Face، وإذا نقرت رابط التنزيل دون طلب صلاحية الوصول (أو طلبتها دون انتظار الموافقة)، فسيفشل التنزيل حتمًا.
الطريقة الصحيحة: في الخطوة 1 اطلب أولًا صلاحيات المستودعين Lightricks/LTX-2.5 وLightricks/LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler، وانتظر الموافقة قبل التنزيل؛ والتنزيل بنقرة واحدة من نافذة القالب يتطلب أيضًا موافقة الصلاحيات مسبقًا.
❌ ظهور عقد حمراء بكثرة بعد تحميل قالب DFR
يتطلب قالب DFR شرطين إضافيين مقارنةً بالقوالب الثلاثة الأخرى: ComfyUI بإصدار v0.35.0 أو أحدث، وحزمة العقد المخصصة ComfyUI-LTXVideo (تأتي منها عقد مثل LTXVAddGeneratedKeyframes). وغياب أي منهما يسبب خطأ «العقدة غير موجودة».
الطريقة الصحيحة: حدّث ComfyUI أولًا، ثم ثبّت ComfyUI-LTXVideo عبر ComfyUI Manager، وأعد تحميل القالب بعد إعادة التشغيل. القوالب الثلاثة T2V/I2V/FLF2V لا تحتاج إلى عقد مخصصة.
❌ الاعتراض على قلة الخطوات وزيادتها يدويًا طلبًا للجودة
يستخدم قالب LTX-2.5 المحلي النموذج الرئيسي المقطّر، و8+3 خطوة (ويضيف DFR عليها 4 خطوة إضافية) وجدول ManualSigmas الثابت هي جزء من الوصفة — تقول الوثائق الرسمية صراحةً: إذا غيّرتها، تغيّر مظهر الفيلم النهائي.
الطريقة الصحيحة: أبقِ عدد الخطوات والعيّنة وCFG وجدول sigma على قيم القالب الافتراضية دون تغيير؛ وإذا أردت جودة أعلى فاتجه إلى خط DFR أو كبّر ميزانية الميغابكسل أو فعّل المحسِّن، بدلًا من تعديل معاملات المعاينة.
❌ «غليان» النسيج وظهور تدرج شريطي في اللقطات المتحركة
قد يظهر boiling/banding في النسيج المتكرر عالي التردد والتدرجات الناعمة عند حركة الكاميرا. أجرت الملاحظات الرسمية اختبار A/B: بالموجه والبذرة نفسهما، وبالتركيبات الأربعة لتشغيل/تعطيل الفك المتقطع والتكبير الزمني، كانت درجة المشكلة واحدة — هذه خاصية للنموذج والخط، وليست خطأً في إعداد أي عقدة.
الطريقة الصحيحة: تكوين بإطار عريض + حركة كاميرا معتدلة هو الأكثر استقرارًا؛ كما لاحظت الملاحظات الرسمية أن أوزان bf16 أنظف من int8. وإذا اضطررت إلى تصوير لقطات حركة سريعة، جرّب تبديل عدة بذور.
نصائح متقدمة (اختياري)
ميزانية الميغابكسل ومرجع الدقة
تستخدم عقدة ResolutionSelector على المخطط الفرعي «النسبة + الميغابكسل» لتحديد حجم الإخراج (مع أخذ مضاعفات 32 تلقائيًا). الجدول المرجعي الذي يعطيه قالب الملاحظات 16:9:
| ميغابكسل | العرض×الارتفاع |
|---|---|
| 0.2 | 608×352 |
| 0.5 | 960×544 |
| 0.9 (افتراضي) | 1280×736 |
| 1.0 | 1376×768 |
| 2.0 | 1920×1088 |
زيادة الميغابكسل تعني زيادة الدقة، ويترتب على ذلك ارتفاع استهلاك ذاكرة الفيديو. يدعم النموذج نفسه إخراج HDR أصلي بدقة 4K وبمعدل يصل إلى 50 FPS، ومدى ما يمكنك الوصول إليه محليًا يعتمد على كرت الشاشة لديك، فجرّب بخطوات صغيرة أولًا.
مفتاحان لما لا تكفي ذاكرة الفيديو
- Enable Tiled Decode (DFR): فك ترميز VAE على شكل بلاطات، يخفض استهلاك ذاكرة الفيديو درجة واحدة، مقابل تفاصيل أكثر نعومة قليلًا
- إيقاف المرحلة الثالثة (Run 3rd stage - Temporal Upscale): توفير جزء من أخذ عينات 241 إطار، وإخراج الفيلم النهائي بمعدل 24 fps بأسرع سرعة
لا تملك ذاكرة فيديو كبيرة محليًا؟ استخدم عقد API السحابية
يوفر ComfyUI أيضًا عقد API سحابية رسمية من Lightricks لـ LTX-2.5 (ابحث عن «LTX-2.5» في مكتبة القوالب، ولكل من أساليب T2V/I2V/FLF2V الثلاثة نسخة قالب API)، وتنقسم إلى فئتين Pro/Fast: يدعم Fast حتى 4K (إعداد مسبق 3840×2160)، والمدة Pro من 2–10 ثانية / Fast من 2–20 ثانية، ومعدل الإطارات Pro بخيارات 24/25/50، وFast بخيارات 24/25/48/50. عندما لا يستطيع جهازك المحلي تشغيل HDR بدقة 4K، فهذا هو الطريق الرسمي البديل.
ملخص هذا الدرس
✅ في هذا الدرس شغّلنا سير عمل LTX-2.5 من تنزيل النموذج حتى إخراج الفيلم عبر DFR:
- ✅ الأوزان في مستودعات مقيّدة الوصول: اطلب صلاحية الوصول إلى
Lightricks/LTX-2.5ومستودع IC-LoRA قبل التنزيل، ومتوفر مرآة ModelScope لمرمّز Gemma 4 - ✅ أكبر اختلاف عن طريقة استخدام LTX-2.3: النموذج الرئيسي المقطّر int8 يُستخدم مباشرة (بدون تعليق LoRA للتقطير)، وVAE الصوت ملف مستقل، والنموذج الرئيسي يوضع في
diffusion_models/ - ✅ اكتب في موجه واحد كل شيء: اللقطة والحركة والشخصيات وحركة الكاميرا والصوت، واكتب اللقطات المتعددة بالترتيب في المقطع نفسه، وضع الحوار بين علامات اقتباس
- ✅ اختر القوالب الأربعة حسب المهمة: نماذج T2V وI2V وFLF2V مشتركة في الأساس؛ ويتطلب DFR تثبيت ComfyUI-LTXVideo، والمراحل الثلاث (8/3/4 خطوة) تستخدم توجيه الإطارات المفتاحية لبناء الجودة، وتُخرج فيلمًا نهائيًا بمعدل 48 fps
مراجعة حقول الإعداد الرئيسية:
| الحقل | القيمة الموصى بها | الشرح |
|---|---|---|
| النموذج الرئيسي | ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors | المقطّر int8، مشترك بين القوالب الأربعة، يوضع في diffusion_models/ |
| مرمّز النص | gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors | يستبدل في DFR بنسخة bf16 كاملة الدقة |
| مُرمِّز مُحسِّن الموجهات | gemma4_e2b_it_int8_convrot.safetensors (4.84 GB) / gemma4_e2b_it_bf16.safetensors (9.57 GB) | اختياري، يلزم فقط عند تشغيل prompt_enhance |
| VAE | ltx-2.5-video-vae-bf16 + ltx-2.5-audio-vae-bf16 | واحد للفيديو وواحد للصوت، يوضعان في vae/ |
| مُكبِّر مكاني | ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors | يُستخدم مع T2V/I2V/DFR، ولا يُستخدم مع FLF2V |
| مُكبِّر زمني | ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors | للمرحلة الثالثة من DFR فقط |
| IC-LoRA للتفاصيل | ltx-2.5-22b-ic-lora-pixel-spatial-upscaler-x2-1.0.safetensors | لـ DFR فقط، مستودع مقيد مستقل، يوضع في loras/ |
| الدقة | 16:9 / 0.9 MP → 1280×736 | ResolutionSelector، من مضاعفات 32 |
| المدة / معدل الإطارات | duration 5 / fps 24 | الافتراضي لـ DFR هو 121 إطارًا، وتتضاعف في المرحلة الثالثة إلى 241 إطارًا بمعدل 48 fps |
| أخذ العينات | euler_ancestral (T2V) / euler (DFR)، وCFG 1، و8+3 خطوة (+4 مع DFR) | وصفة التقطير، لا تغيِّرها عشوائيًا |
| الموجه السلبي | يأتي القالب مع قيمة افتراضية | اتركه دون تغيير |
استعراض الدرس القادم
بهذا نصل إلى نهاية قسم سير عمل النماذج×المهام — أصبحت الآن تعرف كيفية اختيار النموذج حسب المهمة. الدرس القادم يدخل قسم التطبيق العملي على التجارة الإلكترونية: التطبيق العملي لصور التجارة الإلكترونية: من صورة الخلفية البيضاء إلى فيديو المنتج، حيث ستطبِّق قدرات التوليد التي تعلمتها سابقًا على أعمال محددة. ستتعلم:
- قص المنتج وتغيير الخلفية: BiRefNet محليًا، وQwen-2.1 بخلفية شفافة، وBria عبر السحابة
- تكبير صور المنتجات بدقة عالية: تكبير متحفظ وZ-Image-Turbo 2K
- نماذج عرض المنتجات والتجربة الافتراضية: لصق تصميمك على منتج حقيقي
- فيديو المنتجات: تحريك صور المنتج (سيُستخدم نماذج الفيديو من هذا القسم)
ملحق: مرجع الكود المصدري
::: انقر على التفاصيل لعرض موقع الكود المصدري
وقت التحديث: 2026-11-06 (قوالب مكتبة القوالب video_ltx2_5_t2v / video_ltx2_5_i2v / video_ltx2_5_flf2v / video_ltx2_5_dfr_i2v، والحد الأدنى المعلن رسميًا لإصدار ComfyUI هو 0.32.0، وقالب DFR يتطلب 0.35.0 بالإضافة إلى ComfyUI-LTXVideo)
| المحتوى | الموقع |
|---|---|
| الدرس الرسمي (أنواع سير عمل LTX-2.5 الأربعة) | https://docs.comfy.org/tutorials/video/ltx/ltx-2-5 |
| الدرس الرسمي (مراحل DFR الثلاث لـ LTX-2.5) | https://docs.comfy.org/tutorials/video/ltx/ltx-2-5-dfr |
| قالب سير عمل JSON (T2V) | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_ltx2_5_t2v.json |
| قالب سير عمل JSON (DFR) | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_ltx2_5_dfr_i2v.json |
| مستودع الأوزان (Hugging Face، يتطلب تقديم طلب) | https://huggingface.co/Lightricks/LTX-2.5 |
| مستودع IC-LoRA للتفاصيل (يتطلب تقديم طلب) | https://huggingface.co/Lightricks/LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler |
| مرآة المُرمِّز (ModelScope) | https://modelscope.cn/models/Comfy-Org/gemma-4 |
| عُقد مخصصة (مطلوبة لـ DFR) | https://github.com/Lightricks/ComfyUI-LTXVideo |
| درس نسخة API السحابية | https://docs.comfy.org/tutorials/partner-nodes/lightricks/ltx-2-5 |
المعاملات في هذه الصفحة (القيم المخزنة مؤقتًا للرسم الفرعي افتراضيًا 1280×736 تأتي من ResolutionSelector 16:9/0.9 MP، وduration 5، وframe_rate 24، وprompt_enhance معطّل افتراضيًا، وعينتان للمعاينة 8+3 خطوة باستخدام euler_ancestral CFG 1، وDFR بثلاث مراحل 8/3/4 خطوة باستخدام euler، و121→241 إطارًا، وقوة توجيه الإطار المفتاحي 0.95، وأسماء الملفات الستة للنماذج ومجلداتها، ومرمّز المُحسِّن 4.84 GB / 9.57 GB، واسم مستودع مرآة ModelScope، والحد الأدنى لإصدار كل قالب 0.32.0 / 0.35.0 وrequiresCustomNodes) تم التحقق منها جميعًا من قيم العُقد الفعلية والملاحظات المدمجة في قالب JSON video_ltx2_5_t2v.json (نسخة repo-notes) وvideo_ltx2_5_dfr_i2v.json (النسخة الأصلية repo-templates)، بالإضافة إلى حقل minComfyUIVersion في templates/index.zh.json؛ وتأتي تقنيات متعدد اللقطات/4K HDR/المدة التلقائية/قدرات المُرمِّز وتقنيات المطالبات الأربعة لسير العمل من الدرس الرسمي ltx-2-5.mdx؛ وتأتي آلية DFR ثلاثية المراحل والمفاتيح وملاحظات boiling/banding من ltx-2-5-dfr.mdx وملاحظات الإرشاد المدمجة في قالب DFR؛ وتأتي فئتا Pro/Fast لواجهة API السحابية من partner-nodes/lightricks/ltx-2-5.mdx.
:::