LTX 2.3 LoRA ComfyUI 推理：使用 LTX 2.3 流水线的训练匹配 AI Toolkit LoRA 输出
这个生产就绪的 RunComfy 工作流通过 RC LTX 2.3 (LTX2Pipeline) （流水线级对齐，而不是通用采样器图）在 ComfyUI 中运行 LTX 2.3 LoRA 推理。RunComfy 构建并开源了这个自定义节点——请参见 runcomfy-com repositories——您可以通过 lora_path 和 lora_scale 控制适配器的应用。
注意：此工作流需要 2X Large 或更大的机器才能运行。
为什么 LTX 2.3 LoRA ComfyUI 推理在 ComfyUI 中常常看起来不同
AI Toolkit 训练预览通过特定模型的 LTX 2.3 流水线渲染，其中文本编码、调度和 LoRA 注入设计为协同工作。在 ComfyUI 中，通过不同的图形（或不同的 LoRA 加载路径）重建 LTX 2.3 可能会改变这些交互，因此复制相同的提示、步骤、CFG 和种子仍然会产生可见的漂移。RunComfy RC 流水线节点通过在 LTX2Pipeline 中端到端执行 LTX 2.3 并在该流水线中应用您的 LoRA 来缩小这种差距，从而保持推理与预览行为的一致性。来源：RunComfy 开源仓库。
如何使用 LTX 2.3 LoRA ComfyUI 推理工作流
步骤 1：获取 LoRA 路径并将其加载到工作流中（2 种选项）
选项 A — RunComfy 训练结果 → 下载到本地 ComfyUI：
- 前往 Trainer → LoRA Assets
- 找到您想使用的 LoRA
- 点击右侧的 ⋮（三点） 菜单 → 选择 复制 LoRA 链接
- 在 ComfyUI 工作流页面，将复制的链接粘贴到 UI 右上角的 下载 输入框中
- 在点击下载之前，确保目标文件夹设置为 ComfyUI > models > loras（必须选择此文件夹作为下载目标）
- 点击 下载 — 这确保 LoRA 文件保存到正确的
models/loras目录中 - 下载完成后，刷新页面
- LoRA 现在出现在工作流中的 LoRA 选择下拉菜单中 — 选择它
选项 B — 直接 LoRA URL（覆盖选项 A）：
- 将 直接
.safetensors下载 URL 粘贴到 LoRA 节点的path / url输入框中 - 当此处提供 URL 时，它将 覆盖选项 A — 工作流在运行时直接从 URL 加载 LoRA
- 不需要本地下载或文件放置
提示：确认 URL 解析为实际的 .safetensors 文件（而不是登陆页面或重定向）。
步骤 2：将推理参数与您的训练样本设置匹配
在 LoRA 节点中，选择您的适配器在 lora_path（选项 A）中，或将直接 .safetensors 链接粘贴到 path / url（选项 B 覆盖下拉菜单）。然后将 lora_scale 设置为您在训练预览期间使用的相同强度，并从那里进行调整。
其余参数在 生成 节点（以及根据图形不同，加载流水线 节点）上：
prompt：您的文本提示（如果您使用触发词进行训练，请包括它们）width/height：输出分辨率；匹配您的训练预览大小以获得最清晰的比较（建议使用 LTX 2.3 的 32 的倍数）num_frames：输出视频帧数sample_steps：推理步数（30 是常见默认值）guidance_scale：CFG/指导值（5.5 是常见默认值；不要超过 7）seed：固定种子以重现；更改它以探索变化seed_mode（仅在存在时）：选择fixed或randomizeframe_rate：输出 FPS；与训练设置保持一致以实现运动对齐
训练对齐提示：如果您在训练期间自定义了采样值（seed，guidance_scale，sample_steps，触发词，分辨率），请在此处镜像这些确切的值。如果您是在 RunComfy 上训练的，请打开 Trainer → LoRA Assets > 配置以查看解析的 YAML 并将预览/样本设置复制到工作流节点中。
步骤 3：运行 LTX 2.3 LoRA ComfyUI 推理
点击 队列/运行 — SaveVideo 节点将结果写入您的 ComfyUI 输出文件夹。
快速检查表：
- ✓ LoRA 要么：下载到
ComfyUI/models/loras（选项 A），要么通过直接.safetensorsURL 加载（选项 B） - ✓ 本地下载后刷新页面（仅选项 A）
- ✓ 推理参数与训练
sample配置匹配（如果自定义过）
如果以上所有内容都正确，则此处的推理结果应与您的训练预览非常接近。
LTX 2.3 LoRA ComfyUI 推理故障排除
大多数 LTX 2.3 "训练预览与 ComfyUI 推理" 差距来自 流水线级别的差异（模型的加载方式、调度方式以及 LoRA 的合并方式），而不是单个错误的旋钮。 这个 RunComfy 工作流通过在 RC LTX 2.3 (LTX2Pipeline) 中端到端运行推理并通过 lora_path / lora_scale 应用您的 LoRA（而不是堆叠通用加载器/采样器节点）来恢复最接近的 "训练匹配" 基线。
(1) LoRA 形状不匹配或 "key not loaded" 警告
为什么会发生这种情况 LoRA 是为不同的模型系列或不同的 LTX 变体训练的。您将看到许多 lora key not loaded 行以及可能的形状不匹配错误。
如何修复（推荐）
- 确保 LoRA 是 专门为 LTX 2.3 用 AI Toolkit 训练的（LTX 2.0 / 2.1 / 2.2 LoRA 不能互换）。
- 将图形保持为 "单路径" LoRA：仅通过工作流的
lora_path输入加载适配器，并让 LTX2Pipeline 处理合并。不要在并行中堆叠额外的通用 LoRA 加载器。 - 如果您已经遇到不匹配并且 ComfyUI 之后开始产生不相关的 CUDA/OOM 错误，请 重启 ComfyUI 进程 以完全重置 GPU + 模型状态，然后使用兼容的 LoRA 重试。
(2) 推理结果与训练预览不匹配
为什么会发生这种情况 即使 LoRA 加载，结果仍可能漂移，如果您的 ComfyUI 图形与训练预览流水线不匹配（不同的默认值，不同的 LoRA 注入路径，不同的调度）。
如何修复（推荐）
- 使用此工作流并将您的直接
.safetensors链接粘贴到lora_path。 - 从您的 AI Toolkit 训练配置（或 RunComfy Trainer → LoRA Assets 配置）中复制采样值：
width，height，num_frames，sample_steps，guidance_scale，seed，frame_rate。 - 除非您在训练/采样时使用了它们，否则将 "额外速度堆栈" 排除在比较之外。
(3) 使用 LoRA 显著增加推理时间
为什么会发生这种情况 当 LoRA 路径强制额外的修补/解量化工作或在比基础模型单独更慢的代码路径中应用权重时，LoRA 可以使 LTX 2.3 变得更慢。
如何修复（推荐）
- 使用此工作流的 RC LTX 2.3 (LTX2Pipeline) 路径，并通过
lora_path/lora_scale传递您的适配器。在这种设置中，LoRA 在流水线加载期间合并一次（AI Toolkit 风格），因此 每步采样成本 保持接近基础模型。 - 当您追求预览匹配行为时，避免堆叠多个 LoRA 加载器或混合加载路径。保持为 一个
lora_path+ 一个lora_scale直到基线匹配。
(4) 在大分辨率或长视频时出现 OOM 错误
为什么会发生这种情况 LTX 2.3 是一个 22B 参数模型，视频生成对 VRAM 要求很高。高分辨率或许多帧可能会超出 GPU 内存，尤其是在 LoRA 开销下。
如何修复（推荐）
- 使用 2X Large (80 GB VRAM) 或更大的机器。此工作流不兼容 Medium、Large 或 X Large 机器。
- 如果您需要快速迭代，请降低分辨率或帧数，然后缩放以进行最终渲染。
- 如果可用，启用 VAE 平铺 — 它可以节省约 3 GB VRAM，质量损失最小。
立即运行 LTX 2.3 LoRA ComfyUI 推理
打开工作流，设置 lora_path，然后点击队列/运行以获取接近您的 AI Toolkit 训练预览的 LTX 2.3 LoRA 结果。
