一、说明
LTX-2.5是2026年8月发布的220亿参数开放权重升级版，相比2.3版本在画质、性能、功能上有全面升级。
🎬 画质与生成能力升级
- 规格大幅提升 ：从2.3的最高1024x1024分辨率、5秒时长，升级到支持4K分辨率、最长20秒视频，帧率从24fps提升至50fps 。
- 细节伪影改善：新增扩散视频解码器，替换传统VAE重建阶段，大幅减少人脸崩坏、纹理抖动、画面文字模糊等伪影问题，动态场景稳定性显著提升 。
- 原生多镜头一致性：一次生成即可产出多段衔接镜头，全程保持角色长相、场景环境、光线氛围、配音音色完全统一，省去大量后期拼接工作 。
- 动态算力分配：采用可变令牌率（VTR）和像素扩散技术，根据画面复杂度动态分配算力，简单场景少算、复杂场景多算，实现"影院级帧间平衡" 。
⚡ 速度与显存优化变化
- 生成速度翻倍 ：官方双GB200环境下，10秒视频仅需6.8秒渲染完成，速度约为2.3的2倍；消费级RTX5090实测10秒片段约1.5分钟，仍远快于同类竞品 。
- 显存优化升级 ：通过NVIDIA官方优化省40%显存，支持FP4量化，最低显存门槛从2.3的8GB提升至16GB，8GB显卡已无法正常运行 。
- 你的V100 16G适配提示：刚好踩中最低显存门槛，需使用FP4量化版本，关闭4K模式，最高可稳定运行768P分辨率任务，无法开启原生4K渲染。
🔧 架构与核心功能更新
- 文本编码器升级：从2.3的T5替换为定制版Gemma 4，对多主体、长提示词的语义理解能力大幅增强，提示词遵循度明显提升 。
- 音视频深度融合：基于22B参数双流扩散Transformer架构，音视频在同一模型内同步预测生成，对白、环境音、背景音乐与画面完全同步，无需后期二次配音 。
- 专业工作流支持：原生支持4K HDR与EXR RAW专业调色工作流，ComfyUI发布首日就完成原生集成，零配置即可直接使用，无需额外适配 。
- 世界模型特性增强：强化对物理世界规律的理解，大幅减少"穿墙"等生成幻觉，生成内容更符合真实世界逻辑，还可支持数字环境模拟、机器人导航辅助等延伸场景 。
二、取模板
模板下面的输入图都在https://github.com/Comfy-Org/workflow_templates/
下载下来可以用作参考，也免于到处去找图，学习速度会快点
时间变为15秒，
三、运行
按上面设置运行，OOM了
我们把像素调小点，这时候要么减少时间，要么降低显示像素，也许还可以优化，但是我还不知道
INFO Prompt executed in 00:13:33,能接受不？
四、提示词
还是找AI吧，肯定比我写的好，input图，
提示词为：画面保持关之琳精致的面部神态不变，她缓缓抬起眼睫，眼波轻轻流转，抬手将耳边一缕碎发温柔捋到耳后，指尖动作轻柔舒缓。镜头从半身特写缓慢向前推近，聚焦她含笑的眉眼，暖柔的柔光落在脸颊，发丝随着细微动作轻轻晃动，整体节奏缓慢优雅，全程保留原图人物五官与着装特征，画面流畅无变形，生成同步的轻柔呼吸声与细碎的布料摩擦声。
这次用中文试试，听说是可以的
生成视频，变得这么丑了，还是我的关关吗？正准备条参数
LTX-2.5_i2v_00003_
要想保持人脸不变，首先关闭prompt_enhance开关，固定noise_seed，我是固定的
在提示词最开头加入的强约束语句
严格100%保留参考图中关之琳的全部面部五官特征、脸型轮廓、妆容细节，全程人物面部身份完全一致，无任何面部变形、特征漂移、五官改变
画面保持关之琳精致的面部神态不变，她缓缓抬起眼睫，眼波轻轻流转，抬手将耳边一缕碎发温柔捋到耳后，指尖动作轻柔舒缓。镜头从半身特写缓慢向前推近，聚焦她含笑的眉眼，暖柔的柔光落在脸颊，发丝随着细微动作轻轻晃动，整体节奏缓慢优雅，全程保留原图人物五官与着装特征，画面流畅无变形，生成同步的轻柔呼吸声与细碎的布料摩擦声。
把Stage1的去噪强度调整到0.25-0.35区间，进一步降低模型修改原图面部细节的自由度，从生成起点就锁死初始人脸特征。
改了参数后
INFO Prompt executed in 00:13:45
视频到时候发给大家看，我曾经的女神，搞成这样
LTX-2.5_i2v_00005_