随着 AI 视频生成技术的快速发展，端到端视频扩散模型正在成为新的技术趋势。LTX-2 作为由 Lightricks 推出的高质量视频生成模型，在运动连贯性、细节一致性和画面真实感方面都有出色表现。本期教程将带你在 BitaHub 平台 上完成 LTX-2 模型的部署，并结合 ComfyUI 工作流实现完整的文生视频生成流程。

🤖 一、LTX-2 模型简介

LTX-2 是一款面向视频生成场景的扩散模型，不同于传统逐帧生成方案，它直接在 latent 空间中对空间结构与时间维度进行联合建模。这种方式可以显著提升视频中的动作连续性、镜头稳定性以及光影变化的自然程度。在实际使用中，LTX-2 具备以下优势：

• 支持端到端视频生成

• 运动表现更加真实自然

• 支持二次放大增强，适配高清输出

• 可拓展 LoRA、图生视频等进阶玩法

接下来我们将基于 BitaHub 平台，完整跑通一套 LTX-2 文生视频工作流。

☁️ 二、在 BitaHub 创建任务与环境配置

 1.ComfyUI准备

  克隆 ComfyUI到本地

git clone https://github.com/comfyanonymous/ComfyUI.git

打开BitaHub工作台，将ComfyUI代码仓库上传至文件存储。

2.下载模型文件

LTX-2 需要多个模型组件，虽然 ComfyUI 能够自动下载，但推荐手动下载再上传到对应的目录位置，确保版本正确、路径规范，请分别下载以下文件并放入对应目录：

ComfyUI/models/checkpoints/ltx-2-19b-dev-fp8/
ComfyUI/models/text_encoders/gemma-3-12b-it-qat-q4_0-unquantized/
ComfyUI/models/latent_upscale_models/ltx-2-spatial-upscaler-x2-1.0/

其中：

👉（1）主模型：ltx-2-19b-dev-fp8

这是整套视频生成流程的“中枢神经系统”，也是工作流中最关键的 Checkpoint 权重文件。

作用：
该模型基于 Diffusion Transformer（DiT）架构 构建，在 latent 空间中同时建模空间结构与时间动态，学习真实世界中的运动规律、镜头变化和光影演化过程。本质上，它负责从随机噪声中逐步“推演”出完整的视频序列，是视频生成能力的来源。

特点：

• 19B 参数规模：约 190 亿参数，使模型具备强大的时序建模能力，能够生成更加自然、连贯的动作与镜头过渡。

• FP8 低精度推理：在尽量保持画面质量的前提下，大幅降低显存与算力需求，使超大模型也能在消费级 GPU 上运行，兼顾性能与可用性。

👉（2）文本编码器：gemma-3-12b-it-qat-q4_0-unquantized

这是工作流中的“语言理解中枢”，负责把人类自然语言翻译成模型可理解的语义表示。

作用：
它基于 Gemma 3 大语言模型架构，将输入的 prompt（场景描述、镜头语言、风格指令等）编码成高维语义向量，作为条件输入引导 LTX-2 主模型进行视频生成。换句话说，它决定模型如何理解你的描述。

特点：
具备强大的长文本理解能力；it 版本针对指令微调优化，更适合 prompt 解析；qat + q4_0 量化方案在保证语义精度的同时降低显存与算力消耗，使大模型在本地环境也可稳定运行。

👉（3）放大模型：ltx-2-spatial-upscaler-x2-1.0

这是工作流中的“高清增强引擎”，专门用于第二阶段的视频质量提升。

作用：
它在 latent 空间对视频进行 2 倍空间放大，不仅增强分辨率，还会同步优化纹理细节、光影层次和边缘结构，同时保持时间维度上的连续性，避免普通超分模型常见的闪烁和抖动问题。

特点：
不同于传统图像超分模型，它是专为视频 latent 设计的增强网络，在放大过程中会同时考虑前后帧之间的关联性，因此生成的视频更加稳定、自然，更接近真实摄影效果。

3.创建开发环境

将上述准备好的 ComfyUI 文件夹挂载到 BitaHub 开发机任务的的文件存储中。此外，我们还需要定义容器端口，BitaHub 平台通过自定义容器端口功能,让外部能发 HTTP 请求到容器服务（如 ComfyUI），实现开发验证（功能调试、接口测试等 ）。ComfyUI 默认情况下使用端口号 8188 进行访问。

最后，选择单卡 A100 GPU，并通过JupyterLab访问方式进入开发环境。

4.环境配置

打开终端，通过venv创建虚拟环境→激活环境→进入项目目录→安装依赖这一系列操作为 ComfyUI 搭建起独立运行环境。（/AIGC/ComfyUI 是示例路径，实际要替换成你 ComfyUI 代码所在的真实路径）

python3 -m venv comfy_env
source comfy_env/bin/activate
cd /AIGC/ComfyUI
pip install -r requirements.txt

运行 ComfyUI 服务，在项目根目录下执行以下命令启动：

python main.py --listen 0.0.0.0 --port 8188

当日志输出上图红框中的信息说明你已成功部署 ComfyUI 并启动服务，随后回到开发环境，复制完整的地址并用浏览器打开即可看到 ComfyUI Web 界面。

🔗 三、ComfyUI 工作流配置

1.模型加载区 (Model Loaders)

这是工作流的算力基石。我们采用分体加载策略以确保维度匹配：

• Checkpoint 加载器：负责加载 ltx-2-19b-dev-fp8 主模型，提供核心视频生成能力。

• Gemma 3 Model Loader：专门加载 gemma-3-12b 文本编码器。它输出的 3840 维度 CLIP 数据是 LTX-2 19B 理解复杂指令的关键。

• 加载 Latent 放大模型：引入 ltx-2-spatial-upscaler-x2-1.0 权重，为后续的 2 倍高清放大打下基础。

2.Prompt 编码区 (Prompt Conditioning)

在此区域，我们将文字转化为模型可处理的信号：

• 文本编码节点：分别输入正向与负向提示词。

• LTXV 条件节点：将 CLIP 数据与提示词整合，精确控制视频的内容走向与视觉风格。

3.视频参数区 (Video Settings & Latent)

在此定义视频的“物理属性”：

• 空 Latent 视频 (LTXV)：设置初始分辨率、视频长度及批次大小。

• 帧率控制：推荐设置 24fps，以获得最符合电影感官的流畅度。

4.第一阶段采样 (Sampler Stage 1)

这是视频初稿生成的阶段，决定了动作的逻辑性：

• LTXV 调度器：推荐将步数设为 40，并将 Max Shift（最大移位）设为 2.05，以增强画面的初始细节。

• 自定义采样器：通过 CFG 4.0 的引导，生成具有基础结构和动态逻辑的视频潜空间数据。

5.第二阶段放大采样 (Upscale Sampling 2x)

利用潜空间放大技术，将画质提升至新高度：

• Spatial 节点：将第一阶段的 Latent 数据进行 2 倍空间放大。

• 二次精修：在第二阶段采样器中，我们将 CFG 提高到 5.0，步数设为 50，配合第一阶段提示词的再次注入，能够有效消除噪点并补全超清细节。

6.VAE 解码 & 视频导出 (VAE Decode & Video Combine)

最后一步是将数学数据转化为可视画面：

• VAE 解码 (分块)：设置 tile_size 为 768。分块解码能有效缓解超高清视频生成时的显存压力，并保持画面通透感。

• 视频输出：通过 Video Combine 节点将解码后的图像序列封装成高清 MP4 文件。

---

💡 运行建议：只需按照上述逻辑顺序连接节点，并确保 Gemma 文本编码器与主模型版本对应，即可实现一键生成。

在基础工作流跑通后，你还可以进一步提升生成质量：

• 风格定制：接入 LoRA 节点 快速切换动漫、电影或写实画风。

• 画质压榨：继续提高采样步数（细腻度）或调高 CFG（文字遵循度）。

• 图生视频：将 空Latent 替换为 图像编码 节点，赋予静态照片流动的生命力。

📌 四、总结

在本期教程中，我们系统走通了 LTX-2 模型的部署流程与 ComfyUI 自定义节点的安装配置，完整搭建了一套高效稳定的文生视频工作流。从基础扩散采样到二阶段高清增强，再到最终视频产出，每一个环节都进行了深入拆解，旨在帮助你全面理解并掌握 AI 视频生成的核心技术路径。

同时也强烈推荐大家使用 BitaHub 算力平台。在这里，你可以依托强大的算力资源，第一时间体验前沿视频生成模型，大幅缩短 AI 项目从灵感构想到实际落地的周期。欢迎来到 BitaHub，让我们一起在更酷的 AI 应用世界中，释放无限创作可能！

温馨提示：

平台暂不支持一键部署，但已提供完整可下载资源，大家可根据教程自行搭建运行。另外，项目部分依赖包版本与最新版存在不适配情况，部署时请务必按照文中标注的具体版本号进行配置，详细依赖需求可查看最新说明，避免因版本问题导致运行异常