LTX 2.3 是由 Lightricks 推出的新一代开源音视频生成模型。相比上一代，LTX 2.3 在提升视频画质、运动平滑度与提示词理解能力的同时，支持在本地同步生成视频与匹配音频。通过结合 FP8、NVFP4 及 GGUF 等量化方案，显存需求最低可降至 8GB 左右。本文将详细介绍 LTX 2.3 在 ComfyUI 中的模型下载、文件路径配置及低显存部署流程。

一、 环境准备

运行新版 LTX 2.3 模型（包括越狱/微调版本）需要使用最新版的 ComfyUI 客户端。若此前已安装旧版本，建议重新下载并覆盖更新：

二、 模型文件下载与目录配置

请根据下方分类下载所需模型，并将其放置于 ComfyUI Desktop 的对应共享文件夹中（默认根路径为：C:\Users\你的用户名\AppData\Local\Comfy-Desktop\ComfyUI-Shared\models\）。

1、越狱主模型

PinkCherry_FineTune_bf16_v1_8_LTX23（满血版）

PinkCherry_FineTune_Q5_K_M_v18_LTX23 （8G显存版）

【点击下载】

2、Loas

LTX-2.3\ltx-2.3-22b-distilled-lora-384-1.1

【点击下载】

3、Vae

总共3个

LTX23_video_vae_bf16

【点击下载】

taeltx2_3

【点击下载】

LTX23_audio_vae_bf16

【点击下载】

4、文本编码器

总共2个

gemma-3-12b-it-heretic-v2

【点击下载】

ltx-2.3_text_projection_bf16

【点击下载】

模型放到 C:\Users\你的用户名\AppData\Local\Comfy-Desktop\ComfyUI-Shared\models 对应的文件夹里

文件路径对照表

模型文件名目标放置路径（相对 …\ComfyUI-Shared\models\）
ltx-2.3-22b-distilled-lora-384-1.1.safetensorsloras\LTX-2.3\ (需手动新建 LTX-2.3 文件夹)
LTX23_video_vae_bf16.safetensorsvae\
taeltx2_3.safetensorsvae\
LTX23_audio_vae_bf16.safetensorsvae\
gemma-3-12b-it-heretic-v2.safetensorstext_encoders\
ltx-2.3_text_projection_bf16.safetensorstext_encoders\

三、 工作流导入与低显存节点配置

1. 导入基础工作流

下载配置文件并直接拖入 ComfyUI 画布中：

导入后若出现红色节点报错，点击弹窗中的“下载/安装缺失节点”即可自动补齐。

2. 8GB 显存（GGUF 量化版）配置步骤

若显卡显存为 8GB（如 RTX 3060 / 3070 等），请按照以下步骤调整配置：

  1. 打开 ComfyUI Manager（扩展管理中心），搜索并安装 ComfyUI-GGUF 插件。
  2. 将下载好的 PinkCherry_FineTune_Q5_K_M_v18_LTX23.gguf 模型文件放入 models\unet\ 文件夹中。
  3. 在 ComfyUI 空白处双击，搜索并添加 Unet Loader (GGUF) 节点。
  4. 移除默认的 Checkpoint 加载器，将 Unet Loader (GGUF) 的 MODEL 输出连接至后方的模型输入端口。

四、 提示词配置模版

LTX 2.3 支持原生音视频同步生成，在撰写提示词（Prompt）时，可采用结构化的分段描述形式。

1. 国风古装图生视频（中文提示词模版）

1
2
3
4
5
6
7
8
9
10
11
中国古风电影感短剧，保持参考图片中人物的脸部特征、发型、妆容、淡蓝色汉服、蓝色发簪和整体视觉风格完全一致。

0-3秒：近距离特写，女子安静地看向镜头，微微眨眼，嘴角带着自然温柔的笑意。几缕黑色发丝被微风吹动，蓝色流苏耳饰轻轻摇晃。镜头缓慢推进，浅景深。

3-7秒：女子缓缓转过脸回眸看向镜头，手指整理耳边发丝。背景显现江南庭院，白墙黛瓦，远处有竹林与薄雾。

7-11秒：镜头缓慢环绕人物，女子微微低头后再次抬眼，露出含蓄笑容。阳光透过竹叶形成柔和光影。

11-15秒：女子靠近镜头，用非常轻柔温婉的中文低声说道：“公子，今日的风，很温柔。”

声音与音效：生成自然的中文女声对白，与嘴型同步。同时包含古筝背景音乐、微风声与竹叶沙沙声。

2. 电影感剧情对白（英文提示词模版）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Cinematic realistic image-to-video scene, 10 seconds.
Keep the woman's face, clothing, and background strictly consistent with the reference image.

0-3 seconds:
She speaks softly, looking slightly toward the right. Lips move accurately synchronized with Chinese dialogue.
Mandarin Dialogue: “你终于来了，我等你很久了。”

3-6 seconds:
She notices something unusual off-camera. Speech stops briefly, her expression turns cautious and confused.

6-10 seconds:
She turns toward the camera, looking into the lens with a nervous expression, whispering:
Mandarin Dialogue: “但是……你身后有人。”

Audio Requirements:
Natural Mandarin female dialogue, realistic lip sync, subtle indoor ambience. No extra background music.

五、 常见问题排查

  • 缺少 GGUF 加载节点：未安装 ComfyUI-GGUF 插件会导致 .gguf 格式主模型无法载入，可在 ComfyUI Manager 中搜索插件名进行安装。
  • 音频与画面不同步：请确保已正确加载 LTX23_audio_vae_bf16 音频 VAE 模型，并在提示词中明确标注语音对白的时间戳与文本。