LTX-2 首日集成 ComfyUI，支持同步音视频生成与多模态控制

开源音视频生成模型 LTX-2 已于发布当日集成至 ComfyUI 核心，成为首个在 ComfyUI 中获得原生支持的同步音视频基础模型。用户无需安装额外插件，即可直接调用其音画协同生成能力。

LTX-2 的设计目标是在保持高视觉质量的同时，兼顾推理效率与硬件适配性。它能在单次生成过程中同步输出视频画面、人物动作、对话语音、环境音效与背景音乐，形成协调统一的视听内容。

核心能力

• 同步音视频生成：一次推理同时输出画面与多轨音频，避免后期对齐问题；
• 高保真动态表现：人物动作自然，表情连贯，适用于叙事类短片；
• 多模态控制支持：可通过 Canny 边缘图、深度图、人体姿态等条件引导生成；
• 关键帧驱动：支持指定起始与结束关键帧，生成中间过渡动画；
• 内置功能增强：
  • 原生上采样（提升分辨率与帧率）
  • 提示词自动增强（提升语义匹配度）

此外，LTX-2 采用开放权重发布，模型结构透明，便于开发者微调、集成或构建定制化管线。

如何使用？

1. 更新 ComfyUI 至最新版本（桌面版与 Comfy Cloud 即将同步更新）
2. 进入 模板库 → 视频，选择任意 LTX-2 工作流（如“文本到音视频”“图像到视频”等）
3. 按提示自动下载模型文件，确认输入配置后运行

模型首次使用时会从 Hugging Face 或指定源自动下载，需确保网络通畅。工作流已预配置采样器、音频同步与内存管理策略，降低使用门槛。

系统要求

LTX-2 模型体量较大，使用前请确保满足以下硬件条件：

• GPU：CUDA 兼容显卡，显存 ≥ 32GB（如 RTX 5090、A6000、H100 等）
• 存储空间：≥ 100GB 可用磁盘空间（用于模型文件、缓存与输出）

适用场景

• 短片创作者：快速生成带配乐与音效的叙事片段
• 游戏开发者：制作 NPC 对话动画或过场视频
• AI 研究者：在本地构建可控的音视频生成实验环境

LTX-2 的本地化部署特性，使其在保障创作自由的同时，避免对云端服务的依赖。