LTX-2 一月末更新：Gemma 编码节点优化 + 多模态引导器 + IC-LoRA 升级，强化视频工作流控制

Lightrick官方发布LTX-2一月末更新，本次更新围绕创作者在真实世界视频工作流中的核心需求——更高精度、更灵活的可控性展开，通过优化Gemma文本编码节点、新增多模态引导器、升级IC-LoRA训练器三大核心模块，解决了显存占用高、跨模态同步难、微调效率低等痛点，帮助创作者从“原始生成”转向“有意图、可重复的精准生成”。所有更新均基于社区反馈打造，适配消费级硬件，进一步降低了专业AI视频创作的门槛。

Lightricks发布LTX-2：首个基于 DiT 的开源音视频基础模型

LTX-2 首日集成 ComfyUI，支持同步音视频生成与多模态控制

Gemma文本编码节点全新升级：解决显存瓶颈，提速提示词迭代

Gemma作为LTX-2的文本编码模型，虽能输出高质量编码，但较大的显存占用导致其在消费级显卡上频繁卸载/重新加载，成为提示词迭代的最大瓶颈——尤其是频繁修改提示词时，操作效率极低。本次更新通过新增3个专属节点，从根本上解决该问题，实现更轻松、更快速的提示词条件化。

• GitHub：https://github.com/Lightricks/ComfyUI-LTXVideo

1. 新增两大核心节点，彻底优化Gemma使用体验

节点1：LTXVSaveConditioning / LTXVLoadConditioning

• 核心功能：支持保存/加载已完成的提示词编码，保存后再次使用无需重新加载Gemma模型，直接调用编码结果即可。
• 适用场景：重用固定提示词集的工作流（如Detailer流程），这类场景的有效提示词通常为空白或静态，一次编码可反复使用，大幅减少显存占用和等待时间。

节点2：Gemma API Text Encoding (LTX)

• 核心功能：通过Lightrick官方API执行Gemma文本编码，完全免费，专门为本地运行LTX的创作者设计。
• 核心优势：编码速度快（不到1秒完成），无需将Gemma模型加载到本地显存，即使频繁修改提示词，也不会产生额外的硬件开销，直接消除提示词迭代的最大瓶颈。
• 注意事项：该节点仅处理纯文本编码，若需要提示词增强，需在编码前完成相关操作。

2. Gemma API编码节点快速上手（3步操作）

1. 从Lightrick官方控制台获取专属API密钥；
2. 配置节点参数，需与下游模型保持一致：
   • api_key：你的LTX官方API密钥；
   • prompt：需要编码的文本提示词；
   • ckpt_name：指定LTX检查点（如ltx-2-19b-dev-fp8.safetensors），需匹配后续管道使用的模型；
3. 直接使用节点输出的嵌入向量，可无缝连接到下游所有节点，与本地编码节点使用方式完全一致。

3. 实际使用效果

社区早期测试反馈，本次优化让提示词迭代的体验发生质的变化：修改提示词从“高成本操作”变为“正常工作流环节”，创作者可更自由地进行提示词实验，无需承受“一次做对”的压力，迭代周期大幅缩短，尤其在消费级GPU上，体验提升尤为明显。

新增多模态引导器：实现提示词与跨模态对齐的独立精细控制

多模态引导器是分类器自由引导（CFG）技术的扩展升级，核心解决AI视频创作中“音频-视频耦合度难控制、跨模态同步性差、视觉伪影多”的问题。它通过最多四次模型调用，构建多维度的引导方向，将提示词遵从性、视觉稳定性、跨模态同步性的控制解耦，让创作者可根据需求独立调参，实现更精准的创作意图表达。

1. 三大独立引导拨盘，按模态灵活配置

多模态引导器提供3个核心调参拨盘，每个拨盘均可针对不同模态单独设置参数，覆盖创作核心需求：
CFG引导（cfg > 1）

• 核心作用：推动模型向正向提示词靠拢、远离负向提示词，控制提示词的遵从性和语义准确性。
• 实用技巧：当视频的视觉风格、物体保真度为核心需求时，适当提高cfg值。

时空引导（stg > 0）

• 核心作用：推动模型远离自身的扰动、降级版本，减少视频结构性伪影，避免刚性物体破裂（基于STG专属技术实现）。
• 实用技巧：当视频出现物体破裂、画面闪烁、结构失真等问题时，提高stg值。

跨模态引导（modality_scale > 1）

• 核心作用：推动模型远离“忽略其他模态”的生成版本，控制音频-视频的跨模态同步性。
• 实用技巧：高值强制更紧密的同步（适合口型同步、节奏性肢体运动）；低值允许更松散的耦合（让运动更自然），按需调整平衡同步性与自然度。

2. 附加实用参数，适配精细化调参需求

除三大核心拨盘外，多模态引导器还提供5个附加参数，满足进阶调参需求，默认参数可适配大多数场景，无需额外修改：

3. 核心价值

通过将三大核心控制维度解耦，创作者无需再为“兼顾提示词准确性而牺牲同步性”“为减少伪影而丢失风格”发愁，可根据具体创作需求，独立调整每个维度的参数，实现从“被动接受生成结果”到“主动控制生成过程”的转变。

IC-LoRA训练器全面改进：提速推理，优化内存，实现联合控制

IC-LoRA作为LTX-2的重要微调工具，本次更新针对真实硬件的实操痛点进行多项优化，同时推出全新的IC-LoRA联合控制模型，让微调更高效、更稳定，推理速度大幅提升，适配本地或受限GPU的使用场景。

1. 三大核心优化：让微调更适配真实硬件

• 内存行为优化：针对常见训练工作流优化内存占用，减少显存溢出风险，在消费级GPU上也能稳定运行；
• 迭代周期提速：优化训练流程，大幅缩短微调的迭代时间，提升创作效率；
• 训练过程可预测：解决此前微调中参数波动、结果不稳定的问题，在本地或受限GPU上实现更可控的微调。

2. 推理速度翻倍：核心优化原理

本次更新通过参考视频缩放的方式降低计算成本，实现推理速度质的提升：

1. 训练阶段：将参考视频按比例缩小（通常2倍），用于视频到视频生成，大幅降低交叉注意力层的计算量；
2. 推理阶段：沿用相同的缩放方法，让RoPE与更小的特征网格对齐，从底层减少计算开销。

• 实际效果：推理速度提升约2倍，具体提升幅度根据视频的长度和分辨率略有差异。

3. 新增IC-LoRA联合控制模型：一站式支持多条件微调

作为训练器优化的延伸，官方全新训练了IC-LoRA联合控制模型，核心亮点为：

• 基于小网格工作，与上述缩放优化完美适配，不牺牲推理速度；
• 一站式支持深度、姿态、边缘三种条件的微调，无需单独加载多个模型；
• 智能自动识别：根据用户提供的输入条件，自动选择对应的微调逻辑，无需手动切换，操作更便捷。

4. 使用方式

将你的ComfyUI更新至最新版本，直接使用官方提供的专属Comfy工作流，即可快速启用IC-LoRA联合控制功能，无需额外的配置和改造。

本次LTX-2一月末更新是一次围绕真实视频工作流的精准优化，没有堆砌花哨功能，而是聚焦创作者在实际使用中遇到的显存瓶颈、调参难、微调效率低三大核心痛点，通过：

1. Gemma编码节点优化+免费API，彻底解决提示词迭代的硬件限制；
2. 多模态引导器，实现提示词、视觉稳定性、跨模态同步性的独立精细控制；
3. IC-LoRA训练器升级+联合控制模型，实现推理提速、内存优化、多条件一站式微调。

三大核心模块的升级，让LTX-2在“可控性、效率、适配性”上实现全面提升，不仅让专业创作者能更精准地实现创作意图，也让消费级硬件用户能更流畅地进行AI视频创作，真正实现“从原始生成到有意图、可重复的精准生成”的转变。