通过前面的文章，我们已经可以通过Z-Image去生成模特图片、通过Qwen3-TTS和Index-TTS2去设计模特音色并生成相应的音频。
现在人物有了、声音也就有了，就差让人物开口讲话，生成视频了。
从今天开始我们将学习一个新的视频模型LTX2.3。
LTX-2.3 是以色列 AI 公司 Lightricks 于 2026 年 3 月发布的开源生产级多模态视频大模型，全称 LTX 2.3 Text-to-Video，是目前综合能力最强的本地可部署开源视频模型之一，在流畅动态、音画同步、细节质感上有明显优势。
可以实现：文生视频、图生视频、音频生视频、参考图 / 参考视频续片。
我们先从最简单的文生视频开始，LTX-2.3模型文生视频支持一次最长20s的视频生成，不过我不建议你一次生成太长，一是太长了容易崩，二是一次生成太长我们普通的显卡也有点扛不住。建议每次生成长度不要超过5s，后期再自己拼接一下。
做视频的话有一个基础知识，是我们必须要理解的，就是"帧率(Frames Per Second)"。
帧率指的是每秒画面帧数，1帧就是1张图片，1 秒的视频里，包含多少张静态图片，数值就是多少帧率。
一个5s时长帧率25FPS的视频，总帧数就是5*25=125FPS。
一般有一下几种帧率设置：
（1）24 FPS（电影标准）适合文艺宣传片、门店慢镜头、产品介绍等。
（2）25 FPS（国内短视频 / 电视标准，LTX2.3 短片段首选）国内抖音、视频号等常用帧率，一般情况我们都用这个帧率。
（3）30 FPS（一般手机实拍标准）画面顺滑度更高，细微运动（茶水蒸汽、飘动窗帘）过渡更细腻，同等时长下总帧数变多，渲染时间更长、显存占用更高。
（4）48/50/60 FPS（高帧率）极致顺滑，适合快速运镜、人物走动，打斗场面等。
帧数越多，AI 计算量越大，生成等待时间越长，对显卡的要求越高！对于我的5060Ti-16G显卡来说，30帧就有些吃力了，基本就是能够到的极限了，再高基本就跑不了了！
下来我们正式开始，LTX2.3视频模型的本地部署，和基础文生视频工作流的搭建。
第一步：启动我们的ComfyUI,如下图所示点击工作台左侧的"模板"，这里面有很多ComfyUI官方提供的一些基础工作流。
我们在模板库里搜索"LTX2.3",可以看到里面有"文生视频、图生视频、图像音频转视频"的工作流，今天我们先看"LTX-2.3:文生视频"的工作流。
直接点击"LTX-2.3:文生视频"，就会把这个工作流加入到我们的工作台里，可以看到这个工作流特别的简单，总共由三部分。
从左往右分别是：
（1）工作流的一个介绍，里面有模型文件的下载地址，以及在ComfyUI中应该存放的的位置信息。不多大家要注意，这里面给的模型文件的下载地址是Huggingface的地址，我们国内是没有办法直接访问的。
（2）Text to Video (LTX-2.3)组件，这是第三方封装好的LTX2.3 一键文生视频整合节点，把模型加载、文本编码、视频采样、空间超分打包成单节点，不用手动拼接多个原生 LTX 节点，新手直接填参数就能出片。
里面用到了4个加载模型文件的参数，从上到下分别是：
①ckpt_name：这是LTX的主视频模型，fp8 量化版本，显存友好，16G 显存即可运行；完整 FP16 原版需要 24G 以上显存。
②distilled_lora：这是LTX官方提供的蒸馏运动 LoRA，核心作用：提升画面自然动态、减少画面闪烁、抑制物体变形；384 代表适配 384 帧以内短视频
③text_encoder：这就是前面几张我们用的文本编码文件(clip)，Ltx用的这个Gemma3 12B文本编码器，是可以支持中文的，输入中文不会报错、能正常跑通生成。但是不建议直接用中文，最好是翻译成英文再输入。
④latent_upscale_model：这里是LTX官方提供的2倍放大模型模型，版本 1.1比老的1.0版本好很多；这个节点的作用是 ：先生成低分辨率潜像，再用该模型放大 2 倍输出高清视频。 比如：我们给的分辨率是 1280x720，模型实际先生成 640x360的低分辨率视频，再放大到目标尺寸，大幅降低生成时显存占用，同时提升画面锐度、纹理细节。
第二步：模型下载，他的官方介绍里给的下载地址都是国外的HuggingFace的地址，正常情况下我们是无法直接访问的，我们需要去国内的魔塔社区里面去下载这些模型文件。
（1）再魔塔里搜索"LTX-2.3",如下图：
这里面我们只下载一个Lora文件"ltx-2.3-22b-distilled-lora-384.safetensors"和一个放大模型文件"ltx-2.3-spatial-upscaler-x2-1.1.safetensors"。
这里面的主模是官方原版的，我的16G显存是跑不动的，24G以上显存的显卡可以尝试一下。
（2）我们16G的显卡，LTX主模型搜索"LTX-2.3-fp8",如下图：
把下图标出的两个都下来，第二个distilled的文件后面会用到。
（3）文本编码文件搜索"gemma_3_12B_it_fp8"。
第三步：模型文件部署，把下载好的文件分别复制到下面的文件夹里，从上到下依次是：
（1）latent_upscale_model文件夹放入"ltx-2.3-spatial-upscaler-x2-1.1.safetensors"。
（2）loras文件夹放入"ltx-2.3-22b-distilled-lora-384.safetensors"。
（3）text_encoders文件夹放入"gemma_3_12B_it_fp8_scaled.safetensors"。
（4）checkpoints文件夹放入主模型（如下图），大家可以看到，我多下载了一个nvfp4的版本，这个版本是50系显卡的专用模型文件，都说效果只比fp8的版本差一丢丢，单速度提升了很多。不过我自己是下来，速度的确提升了很多，单效果差很多，也可能是我还不会用，就先放着。
第四步：重新启动ComfyUI,如果你向我一样，在复制文件的时候由套了一层文件夹，那么你进到工作流以后就需要把4个文件的路径分别重新选择一下。
到此LTX-2.3文生视频的工作流就搭好了，可以开始尝试了。
如果你也是跟我一样用的50系列的显卡，想尝试一下nvfp4版本的模型文件，那下载后直接在组件里切换就行了，剩下的都不用动（如下图）。
下面是我生成的视频，大家可以看到nvfp4版本的模型文件确实是快，基本都是150s左右。而普通的fp8版本基本都在210s左右，不过你自己试一下看看效果就知道了，效果差的有点多。
---------结束线---------
至此我们的LTX-2.3模型的部署，以及文生视频的工作流搭建就完成了，下一章开始我们就去实现图生视频的工作流搭建。
我建了一个群，方便大家在学习的过程中相互交流。有兴趣的朋友可以加一下，平时也会在群里分享一些资料。
如果大家在阅读文章的时候有什么困惑，可以在文章的底部留言，我看到的第一时间就会进行回复。
再一个也可以在赞赏文章后，针对所赞赏文章的内容，有不明白的地方，可以和我约个时间，进行一对一的实时交流，赞赏金额不限制，多少都可以！