Skip to content

LTX-2/2.3: genera en una sola vez un video con sonido ​

El Wan2.2 de las lecciones anteriores produce imágenes excelentes, pero tienen algo en común: los videos generados son mudos. ¿Quieres sonido? Hay que buscar por separado doblaje, sincronización de labios y mezcla de audio; todo un proceso de posproducción más laborioso que generar el video mismo.

Esta lección cambia a un modelo con sonido incorporado: LTX-2, el modelo fundacional de audio y video de código abierto de Lightricks. Su mayor característica es que una sola inferencia genera imagen y sonido a la vez: movimientos, diálogos, efectos de sonido y música de fondo salen juntos, sincronizados de forma natural. La versión LTX-2.3 ya está integrada de forma nativa en la biblioteca de plantillas de ComfyUI—en esta lección recorreremos el flujo de trabajo completo de LTX-2 ComfyUI, sin instalar ningún nodo personalizado.

Qué podrás hacer al terminar ​

  • Cargar la plantilla oficial de texto a video de LTX-2.3 y generar un video de 1280×720, de unos 5 segundos, con sonido incorporado
  • Descargar y colocar los cinco archivos de modelo de LTX-2.3 (modelo principal de 27.14 GB) y saber para qué sirve cada archivo
  • Escribir prompts de LTX-2.3 de «imagen + sonido»: los tres elementos de acción, detalles visuales y audio
  • Saber explicar la relación entre LTX-2 y LTX-2.3, y el uso de la aceleración por destilación (8 pasos, CFG 1)
  • Elegir la plantilla correcta entre los seis flujos de trabajo nativos según tus necesidades: texto a video, imagen a video, fotogramas inicial y final, sincronización de labios por audio, control con IC-LoRA y personajes digitales personalizados con ID-LoRA

Tu situación actual ​

  • Los videos generados no tienen sonido; el doblaje, la sincronización de labios y los efectos de sonido hay que hacerlos todos en posproducción, el doble de trabajo por video
  • Quieres que las personas del video «hablen», pero los movimientos de labios generados por un modelo de video normal no coinciden en absoluto con el diálogo
  • Has oído que LTX-2 puede generar imagen y audio juntos, pero los tutoriales en línea o son del flujo de trabajo de la versión antigua LTX-2, o requieren instalar un montón de nodos personalizados

Cuándo usar esta técnica ​

Cuando necesitas:

  • Video con sonido sincronizado incorporado: sonido ambiental, diálogos y efectos generados de una sola vez
  • Que las personas en pantalla hablen, con labios sincronizados con el sonido
  • 9:16 video vertical (LTX-2.3 optimizó específicamente la calidad de retratos verticales)
  • Texto nítido dentro del video (LTX-2.3 reforzó el renderizado de texto)

Y no quieres:

  • Ejecutar de nuevo el proceso de doblaje y sincronización de labios después de generar la imagen
  • Instalar paquetes de nodos personalizados de terceros

🎒 Preparativos antes de empezar ​

  • Haber completado ComfyUI generación de video: saber cargar flujos de trabajo desde la biblioteca de plantillas y consultar el directorio de salida
  • Actualizar ComfyUI a v0.16.4 o superior (la versión mínima indicada por la biblioteca de plantillas para las cuatro plantillas básicas de LTX-2.3; al verificar este tutorial, la última versión oficial era la v0.43.2, así que actualizar directamente a la última es lo más práctico)
  • Preparar disco: 31 GB como mínimo: solo el modelo principal ya pesa 27.14 GB, y el tamaño del codificador de texto no está indicado por el oficial, así que conviene ampliar un poco el presupuesto
  • Tener claro el tema de la VRAM: el modelo de 22B no es pequeño ni siquiera con cuantización fp8; primero logra que funcione con los parámetros predeterminados de la plantilla y luego considera subir la resolución
  • ¿Mala conexión? El repositorio de modelos tiene espejo oficial en ModelScope (Comfy-Org/ltx-2.3, Comfy-Org/ltx-2), ver el paso 2

Idea central ​

Lo nuevo de esta lección en tres frases:

  1. LTX-2 es un modelo de «generación conjunta de audio y video». Es el modelo fundacional DiT de audio y video de Lightricks con 19B parámetros; una sola inferencia produce simultáneamente video y audio sincronizados. LTX-2.3 es su versión mejorada (con pesos en especificación 22B), que cambia a un nuevo espacio latente y VAE, con mejoras integrales en detalles, retratos verticales, calidad de audio, coherencia de imagen a video, comprensión de prompts y renderizado de texto.
  2. El audio no es un complemento externo: se genera mediante denoising conjunto en el mismo espacio latente que la imagen. En la plantilla, el espacio latente de video y el de audio primero se concatenan (LTXVConcatAVLatent), se muestrean juntos y luego se decodifican por separado con el VAE de video y el VAE de audio (el VAE de audio está integrado en el archivo del modelo principal), para finalmente componer un video con pista de audio.
  3. La aceleración se logra con un LoRA de destilación, no cambiando de modelo. En la era de LTX-2 existían pesos distilled independientes (8 pasos, CFG=1); la plantilla de texto a video de LTX-2.3 integra la destilación como un LoRA de 2.55 GB montado sobre el modelo principal dev, y con 8 pasos de muestreo y CFG 1 ya se obtiene un resultado.

ComfyUI incluye seis flujos de trabajo nativos para LTX-2.3, que cubren desde la generación hasta el control y la personalización:

Flujo de trabajoQué haceEntrada
T2V Texto a videoGenera audio y video directamente a partir de textoPrompt
I2V Imagen a videoAnima una imagen y le añade sonidoUna imagen + prompt
FLF2V Primer y último fotogramaGenera una transición entre dos imágenesImagen del primer fotograma + imagen del último fotograma
IA2V Controlado por audioAvatar digital con sincronización de labiosUna imagen + un segmento de audio
Control IC-LoRAGeneración controlada por profundidad/pose/bordesVideo de control + imagen de referencia
Personalización ID-LoRADefine el aspecto y la voz de un personajeImagen de referencia + audio corto + prompt

El hilo principal de esta lección recorre el flujo T2V; los otros cinco se revisan rápidamente en el paso 6: comparten la mayoría de los archivos de modelo.

Sígueme paso a paso ​

Paso 1: actualizar ComfyUI y cargar la plantilla de texto a video de LTX-2.3 ​

Por qué: la plantilla oficial ya configura todo el pipeline de audio y video (codificación de texto, doble LoRA, muestreo conjunto, decodificación de video y audio, composición y guardado); empezar desde la plantilla evita archivos faltantes y parámetros mal configurados.

  1. Actualiza ComfyUI a la última versión (en la versión de escritorio usa el actualizador integrado; en la versión portable ejecuta el script de actualización update_comfyui)
  2. Abre la biblioteca de plantillas (Browse Templates), entra en la categoría Video y busca LTX-2.3 Text to Video (buscar directamente «LTX-2.3» es más rápido)
  3. Haz clic para cargar

Deberías ver:

  • En el lienzo, un gran nodo contenedor Text to Video (LTX-2.3), junto a una nota explicativa y un nodo de salida SaveVideo

  • El nodo contenedor incluye un prompt de ejemplo en inglés (sobre piezas mecánicas que se ensamblan solas en el aire y finalmente muestran el grabado «LTX-2.3», justo lo que demuestra su capacidad de renderizado de texto)

  • Ningún nodo en rojo

  • Plantilla cargada, sin nodos en rojo en el lienzo

💡 Si la versión es insuficiente faltarán nodos

La versión mínima que la biblioteca de plantillas indica para T2V/I2V/FLF2V/IA2V es 0.16.4; la plantilla ID-LoRA requiere 0.19.0, y la plantilla IC-LoRA requiere 0.22.0. Con una versión demasiado antigua dará error de nodo inexistente: actualiza primero antes de probar.

Paso 2: descargar los cinco archivos de modelo (con espejos para China) ​

Por qué: la plantilla de texto a video de LTX-2.3 necesita cinco archivos, cuatro de los cuales suman unos 31 GB (el tamaño del codificador de texto no está indicado oficialmente); al cargar la plantilla, la ventana emergente los descarga automáticamente, y si descargas manualmente debes verificar bien los nombres de archivo y los directorios.

ArchivoTamañoDirectorio de destinoFunción
ltx-2.3-22b-dev-fp8.safetensors27.14 GBmodels/checkpoints/22B Modelo principal (cuantización fp8), con el VAE de audio integrado dentro
ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors2.55 GBmodels/loras/LoRA de destilación: muestreo rápido en 8 pasos
gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors599.1 MBmodels/loras/LoRA de «desbloqueo» montado sobre el codificador de texto, mejora la comprensión del prompt
gemma_3_12B_it_fp4_mixed.safetensors—models/text_encoders/Gemma 3 12B Codificador de texto (versión con cuantización fp4)
ltx-2.3-spatial-upscaler-x2-1.1.safetensors949.6 MBmodels/latent_upscale_models/Amplificador de espacio latente 2x, para obtener alta resolución

La estructura de directorios se ve así:

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

💡 Usuarios en China: los repositorios de modelos listados en la nota de la plantilla tienen espejos oficiales en ModelScope: Comfy-Org/ltx-2.3 (LoRA) y Comfy-Org/ltx-2 (codificador de texto, LoRA de gemma); basta con buscar el nombre del repositorio; el archivo del modelo principal está en el repositorio Lightricks/LTX-2.3-fp8 de Hugging Face.

Deberías ver: los cinco archivos en su lugar; los cinco menús desplegables de modelos del nodo contenedor permiten seleccionar los nombres de archivo correspondientes, sin errores en rojo.

  • Los cinco archivos de modelo en su sitio, todos los desplegables con el archivo correcto seleccionado

Paso 3: conocer el nodo contenedor Workflow Wrapper ​

Por qué: esta plantilla colapsa decenas de nodos internos en un solo Workflow Wrapper (subgrafo); en el uso diario solo necesitas gestionar unos pocos parámetros del nodo contenedor, y cuando quieras modificar detalles, haz doble clic para ver el pipeline interno.

Los parámetros del nodo contenedor que realmente vas a tocar:

ParámetroValor por defecto de la plantillaDescripción
PromptIncluye ejemplo en inglésSe escribe junto imagen + sonido, ver el paso 4
prompt_enhanceActivadoMejora automática del prompt: aunque escribas poco, amplía los detalles por ti
width / height1280 / 720resolución de salida; internamente primero se genera un espacio latente de baja resolución y luego se escala al valor objetivo con un ampliador de 2×
duration5duración (segundos)
fps25velocidad de fotogramas
seedaleatoriouna semilla fija facilita la reproducibilidad
los cinco menús desplegables de modeloslos cinco archivos del paso 2para cambiar de pesos, se hace aquí
  1. No cambies nada todavía; familiarízate con la ubicación de cada parámetro
  2. Haz doble clic en el nodo contenedor para entrar en su interior: verás el pipeline completo con la carga del codificador de texto Gemma, dos cargadores de LoRA, la concatenación de espacios latentes de audio y video, dos fases de muestreo (8 pasos de generación + 3 pasos de refinado) y la decodificación separada de video y audio

Deberías ver: el subgrafo interno está organizado en el orden carga de modelos → codificación del prompt → concatenación de espacios latentes de audio y vídeo → muestreo → decodificación → salida; el muestreo usa un CFGGuider con cfg de 1, y el número de pasos de cada fase lo controla una tabla sigma manual: la generación principal en baja resolución usa 8 pasos, y la fase de refinado tras ampliar el espacio latente 2× usa 3 pasos; el LoRA de destilación comprime ambas fases a un número de pasos de un solo dígito.

  • saber qué controla cada uno de los siete parámetros del nodo empaquetado

Paso 4: escribir un prompt de «imagen + sonido» ​

Por qué: LTX-2.3 es un modelo de audio y video; escribir en el prompt solo la imagen desperdicia la mitad de su capacidad; los tres elementos oficiales son acción principal, detalles visuales, audio.

Estructura oficial del prompt (la guía de LTX-2 aplica igual):

  1. Acción principal: describe en orden cronológico cómo ocurren y cómo se desarrollan los eventos
  2. Detalles visuales: escribe todos los detalles que quieras ver: apariencia, fondo, encuadre, iluminación
  3. Audio: especifica con claridad qué sonidos hay en la escena y qué dicen los personajes

Pautas de redacción: un párrafo de texto coherente, empieza directamente con la acción, sin preámbulos; la recomendación oficial de LTX-2 es mantenerse por debajo de 200 palabras.

La plantilla oficial de imagen a vídeo incluye un ejemplo estándar (el de la reina egipcia); escribe el tuyo siguiendo esa estructura:

text
Una mujer de la realeza egipcia, tocado azul y dorado con cuello alto, vestido largo blanco bordado en oro y brazaletes, en el desierto, flanqueada a izquierda y derecha por dos filas de soldados robot en formación.
Ella camina con paso firme hacia adelante, manteniendo la cabeza nivelada y la mirada fija al frente, sin agacharla. La cámara hace un único travelling lento y continuo:
Desde un plano general de ella, el robot y el desierto, avanza suavemente hasta un plano medio o plano medio corto, y luego se detiene. Ella se detiene,
con el cuerpo y la cabeza aún erguidos, y dice: «Los dioses antiguos han enmudecido, y yo no.» Los soldados robot marchan en el sitio o se mueven apenas,
los granos de arena y la tela ondean con el viento. Sin alejarse; el único movimiento de cámara es este avance continuo.

Observa que en el ejemplo están los tres elementos: secuencia de acciones (caminar → travelling hacia adelante → detenerse → hablar), detalles visuales (vestuario, formación, arena y viento), audio (una línea de diálogo + sonido ambiental). El diálogo se escribe directamente en el prompt; el modelo generará el sonido y el movimiento de labios juntos.

Deja el prompt negativo que trae la plantilla sin cambios:

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

Deberías ver: en el cuadro del prompt hay un párrafo de texto coherente, con los tres elementos ordenados como «acción principal → detalles visuales → audio», y el diálogo escrito entre comillas.

  • el prompt incluye a la vez acción, detalles visuales y descripción de audio

Paso 5: generar y revisar el audio y el vídeo ​

Por qué: al completar el flujo una vez, sabrás exactamente qué aspecto tiene la «sincronización audiovisual».

  1. Mantén los parámetros por defecto de la plantilla (1280×720, 5 segundos, 25fps) y sustituye el prompt por el tuyo
  2. Pulsa Ctrl+Enter para ejecutar
  3. Al terminar la generación, reproduce el vídeo de salida con el sonido activado

Deberías ver:

  • las dos fases de muestreo suman 11 pasos (8 de generación + 3 de refinado, acelerados por el LoRA de destilación), bastante menos que los modelos de vídeo habituales de 20+ pasos

  • el nodo SaveVideo genera un archivo de vídeo con pista de audio; si hay diálogo en la imagen, el movimiento de labios y el sonido coinciden

  • 1280×720, unos 5 segundos, 25fps

  • el vídeo de salida se reproduce con sonido y con sincronización audiovisual

  • resolución 1280×720, duración de unos 5 segundos

Paso 6: cambiar a los otros cinco flujos de trabajo de LTX-2 ComfyUI (opcional) ​

Por qué: los seis flujos de trabajo de LTX-2.3 comparten la mayoría de los archivos de modelo; si sabes usar uno, sabes usar los seis; basta con elegir la plantilla según la tarea.

Plantilla (término de búsqueda en la biblioteca de plantillas)UsoQué hay que preparar aparte
LTX-2.3 I2Vanimar una imagen con sonidonada, los mismos modelos que T2V
LTX-2.3 FLF2Vtransición entre primer y último fotogramadescargar además el modelo principal distilled ltx-2.3-22b-distilled-fp8.safetensors (checkpoints/); no se usan el LoRA de destilación ni el ampliador
LTX-2.3 IA2Vimagen + audio para sincronización de labiosnada, los mismos modelos que T2V; sube una imagen de una persona y un fragmento de audio
LTX-2.3 IC-LoRAcontrol por profundidad/pose/bordesmodelo principal distilled + pesos de IC-LoRA ltx-2.3-22b-ic-lora-union-control-ref0.5.safetensors (loras/) + modelo de normales MoGe moge_2_vitl_normal_fp16.safetensors (geometry_estimation/, directorio nuevo)
LTX-2.3 ID-LoRApersonalizar el aspecto y la voz de un personajelos mismos modelos que T2V, más ltx-2.3-id-lora-talkvid-3k.safetensors (loras/); sube una imagen de referencia y un breve fragmento de audio

Varios puntos que conviene tener en cuenta:

  • FLF2V e IC-LoRA usan un modelo principal destilado independiente (ltx-2.3-22b-distilled-fp8), no la combinación de modelo principal dev más LoRA de destilación; no descargues el equivocado
  • IA2V e ID-LoRA ambos toman «imagen + audio»: IA2V hace que la persona de la imagen sincronice los labios con el audio; ID-LoRA va más allá y personaliza tanto el aspecto del personaje de la imagen de referencia como la voz del audio
  • la plantilla IC-LoRA usa internamente subgrafos (Subgraph) para la modularización, y admite además la salida de varios preprocesadores como profundidad, bordes Canny y esqueletos de pose

Deberías ver: tras cambiar de plantilla, la estructura del lienzo es muy parecida; sigue siendo un nodo empaquetado más un nodo de salida, solo que se añaden entradas para subir imagen o audio; si faltan archivos de modelo, aparecerá una ventana emergente al cargar indicando la descarga.

  • saber elegir la plantilla según la tarea y verificar los archivos de modelo que requiere cada una

Punto de control ✅ ​

  • el vídeo generado incluye pista de audio: sonido ambiental, diálogo e imagen sincronizados, con labios que coinciden
  • Saber nombrar los cinco archivos de modelo y qué es cada uno: modelo principal (VAE de audio integrado), LoRA de destilación, LoRA de desbloqueo de gemma, codificador de texto, amplificador de espacio latente
  • Saber que la aceleración proviene de la LoRA de destilación: 8 pasos, CFG 1, y no de forzar los parámetros a la baja
  • Tener los tres elementos del prompt completos: acción central (en orden temporal), detalles visuales, audio
  • Saber cómo elegir entre los seis flujos de trabajo: para generación normal usar T2V/I2V, para fijar primer y último fotograma usar FLF2V, para sincronización de labios usar IA2V, para control usar IC-LoRA, para personajes personalizados usar ID-LoRA

Avisos de errores comunes ​

❌ ComfyUI versión demasiado antigua, al cargar la plantilla da error de nodo inexistente ​

La plantilla de LTX-2.3 usa nodos nativos y funciones de subgrafo relativamente nuevos; la versión mínima indicada en la biblioteca de plantillas es 0.16.4 (ID-LoRA 0.19.0, IC-LoRA 0.22.0). Con una versión inferior a esa, al cargar aparecerán nodos en rojo o errores de nodos faltantes.

Lo correcto: primero actualizar ComfyUI y luego cargar la plantilla; las cuatro plantillas básicas bastan con actualizarlas a 0.16.4 o superior, y para usar IC-LoRA se necesita 0.22.0 o superior.

❌ Archivos de modelo descargados incorrectamente o colocados en el directorio equivocado ​

De los cinco archivos, los dos LoRA van ambos en models/loras/; la LoRA de destilación y la LoRA de desbloqueo de gemma tienen nombres bastante largos y es fácil confundirlas al descargar manualmente; el codificador de texto va en text_encoders/ y no en loras/.

Lo correcto: tras cargar la plantilla, dejar primero que la ventana emergente descargue automáticamente (colocará los archivos en la posición correcta); si se descarga manualmente, verificar uno por uno según el árbol de directorios del paso 2, y luego comprobar los nombres de archivo seleccionados en los cinco menús desplegables del nodo empaquetado.

❌ Subir resolución y duración al máximo desde el principio, la VRAM explota ​

El modelo principal de 22B consume mucha VRAM incluso con cuantización fp8; los valores predeterminados de la plantilla, 1280×720 y 5 segundos, son el punto de equilibrio ajustado oficialmente; duplicar directamente la resolución o la duración provoca fácilmente OOM.

Lo correcto: primero ejecutar con los parámetros predeterminados; una vez confirmado que se generan vídeos, cambiar los parámetros en pasos pequeños para probar el límite de VRAM, probando una vez por cada cambio.

❌ Escribir el prompt como poesía en prosa, el orden de las acciones queda todo a la adivinanza ​

LTX-2.3 entiende el prompt en orden temporal; si escribes un montón de palabras de atmósfera sin aclarar la secuencia de eventos, el modelo improvisa libremente; escribir demasiado (más de 200 palabras) diluye el foco.

Lo correcto: un párrafo coherente que empiece con la acción central y avance en orden de ocurrencia; los detalles y el audio van después; los diálogos se escriben directamente entre comillas.

Técnicas avanzadas (opcional) ​

Usar las plantillas de edición de IC-LoRA para hacer «restauración de vídeo» ​

La biblioteca de plantillas también incluye cinco plantillas de edición basadas en IC-LoRA: quitar subtítulos (Remove Subtitles), quitar objetos (Remove Object), restaurar material antiguo (Restore Archival Footage), expansión de vídeo (Video Outpainting), Googly Eyes (añadir ojos grandes de dibujo animado). Basta con buscar el nombre de la plantilla para cargarla; el uso es igual que el de la plantilla de control IC-LoRA.

El prompt de la plantilla oficial de quitar subtítulos se puede copiar directamente y modificar:

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

Las IC-LoRA de la comunidad también se pueden montar ​

La interfaz IC-LoRA de LTX-2.3 es abierta, y los pesos de la comunidad (como LTX2.3-ICEdit-Insight de joyfox) son igualmente compatibles: tras descargarlos, colocarlos en models/loras/, montarlos junto al modelo principal con el cargador de LoRA y cablear según la estructura de la plantilla oficial de edición.

Aceleración con varias GPU ​

La plantilla incluye internamente el nodo LTXVSequenceParallelMultiGPUPatcher: al tener varias GPU, úsalo para hacer paralelismo de secuencia y repartir el muestreo del modelo de 22B en varias tarjetas.

Resumen de esta lección ​

✅ En esta lección incorporamos el sonido a la generación de video en ComfyUI, y el flujo de trabajo de LTX-2 ComfyUI funciona:

  • ✅ Audio y vídeo integrados: LTX-2.3 genera imagen y sonido simultáneamente en una sola inferencia; el VAE de audio está integrado en el archivo del modelo principal, sin descargas adicionales
  • ✅ Los cinco archivos de modelo en su sitio (cuatro que suman unos 31 GB), descarga con un clic desde la ventana emergente de la plantilla, con espejo de ModelScope para China
  • ✅ La aceleración se basa en la LoRA de destilación: 8 pasos, CFG 1; el punto de equilibrio entre velocidad y calidad ya está ajustado oficialmente
  • ✅ Tres elementos del prompt: acción central (en orden temporal) + detalles visuales + audio, dentro de 200 palabras
  • ✅ Seis flujos de trabajo según la tarea: T2V, I2V, FLF2V, IA2V, IC-LoRA, ID-LoRA

Repaso de los campos de configuración clave:

CampoValor recomendadoDescripción
Checkpointltx-2.3-22b-dev-fp8.safetensors(27.14 GB)22B modelo principal, VAE de audio integrado
LoRA de destilaciónltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors(2.55 GB)8 pasos de muestreo rápido
LoRA de desbloqueo de gemmagemma-3-12b-it-abliterated_lora_rank64_bf16.safetensors(599.1 MB)se monta sobre el codificador de texto
Codificador de textogemma_3_12B_it_fp4_mixed.safetensorsversión cuantizada fp4
Amplificador de espacio latenteltx-2.3-spatial-upscaler-x2-1.1.safetensors(949.6 MB)2× de resolución
Nodo empaquetado1280×720 / duration 5 / fps 25prompt_enhance activado por defecto
Muestreo8 pasos de generación + 3 pasos de refinado / CFG 1aceleración con LoRA de destilación
Prompt negativopc game, console game, video game, cartoon, childish, uglyincluido en la plantilla, mantener sin cambios

Avance de la próxima lección ​

LTX-2.3 genera de una vez un vídeo con sonido; en la próxima lección LTX-2.5: narración multiplano, HDR de 4K y DFR llevan la duración y las especificaciones un paso más allá. Aprenderás:

  • Narración multiplano: cortar entre varios planos en un mismo vídeo
  • Salida HDR de 4K y DFR (Diffusion Fidelity Rendering, asigna la potencia de renderizado según la complejidad de la escena)
  • Cómo usar la versión destilada de LTX-2.5

Apéndice: referencia del código fuente ​

haz clic para expandir y ver la ubicación del código fuente

Fecha de actualización: 2026-11-06 (plantilla video_ltx2_3_t2v de la biblioteca de plantillas, etc.; la versión mínima indicada oficialmente de ComfyUI es 0.16.4)

ContenidoUbicación
Tutorial oficial (LTX-2.3, seis flujos de trabajo)https://docs.comfy.org/tutorials/video/ltx/ltx-2-3
Tutorial oficial (LTX-2, guía de prompts)https://docs.comfy.org/tutorials/video/ltx/ltx-2
Guía avanzada de promptshttps://ltx.video/blog/how-to-prompt-for-ltx-2
Plantilla JSON del flujo de trabajo (T2V)https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_ltx2_3_t2v.json
Repositorio de pesos (Hugging Face)https://huggingface.co/Lightricks/LTX-2.3
Repositorio de pesos (espejo de ModelScope)https://modelscope.cn/models/Comfy-Org/ltx-2.3
Página principal del modelo LTX-2https://huggingface.co/Lightricks/LTX-2

Los parámetros de esta página (nodos de empaquetado con valores predeterminados 1280×720 / duration 5 / fps 25, prompt_enhance activado por defecto, muestreo de 8 pasos con CFG 1, prompt negativo, los cinco nombres y tamaños de los archivos de modelo, el nombre del repositorio espejo de ModelScope y las versiones mínimas de cada plantilla 0.16.4 / 0.19.0 / 0.22.0) fueron verificados a partir de los valores reales de los nodos y las notas integradas en las plantillas JSON video_ltx2_3_t2v.json y video_ltx2_3_i2v.json, así como del campo minComfyUIVersion de templates/index.json; los seis flujos de trabajo y la lista de modelos, la plantilla de edición IC-LoRA y la compatibilidad con IC-LoRA de la comunidad provienen del tutorial oficial ltx-2-3.mdx; los datos básicos de LTX-2 (19B, recomendación de prompts de 200 palabras, pesos distilled independientes) provienen de 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.