LTX 2.3 Sulphur 图像到视频工作流程：可控运动的电影级图像到视频#
此 LTX 2.3 Sulphur 图像到视频工作流程将单个静态图像转化为可发布的电影级镜头，具有自然的微表情、可信的人物运动和稳定的大气连续性。它专为需要控制相机感觉、情绪和场景动态的叙事镜头而设计，而无需迷失在设置细节中。
该工作流程围绕 LTX-2.3 运行一个两阶段的扩散管道：一个低分辨率通过建立运动和时间安排，接着是潜在的放大和高分辨率精细化通过以实现最终细节。Sulphur 风格的 LoRA 引导外观和肤色，而提示分割支持镜头中的节奏演变。切换一个开关即可根据需要运行经典的图像到视频或纯文本到视频。
Comfyui LTX 2.3 Sulphur 图像到视频工作流程中的关键模型#
- Lightricks LTX-2.3-22B dev FP8。驱动生成和解码的基础视频扩散检查点，同时保持内存使用实用。模型卡
- LTX-2.3 空间放大器 x2。用于通过之间的潜在超分辨率模型，以保持运动同时增加空间保真度。模型页面
- Gemma 3 12B 指令调优文本编码器，包装用于 LTX-2。为全局和分段提示启用丰富的、扎实的条件。库
- Sulphur 风格 LoRA 和 LTX-2.3 蒸馏 LoRA 1.1。配对的 LoRA 稳定面部真实性和电影色调，同时保留提示控制。
如何使用 Comfyui LTX 2.3 Sulphur 图像到视频工作流程#
整体流程：设置镜头尺寸和长度，准备您的静态图像，定义一个全局提示加上可选的局部提示节奏，然后渲染。低分辨率阶段构建运动和时间安排，潜在放大器提升细节，高分辨率阶段在解码为 MP4 之前完成纹理和光照。
视频设置#
选择您的目标 宽度、高度、长度（帧数）和 帧率。尺寸设置为可以被常见的扩散网格大小整除以避免伪影。一个布尔值，切换到文本到视频？（#28），控制是否注入或绕过静态图像。保持与输入图像一致的纵横比以获得最干净的构图，特别是对于面部和手部。
图像预处理#
您的源静态图像被加载、调整大小，并通过 ImageResizeKJv2（#75）和 LTXVPreprocess（#76）轻微压缩以准备扩散。一个缩放版本被馈送到低分辨率通过以稳定运动播种，而更高细节版本可用于高分辨率通过。在生成之前使用此部分对齐构图和留白。这里的微妙预裁剪调整在更一致的视线和背景连续性上会有回报。
空潜在#
EmptyLTXVLatentVideo（#21）和 LTXVEmptyLatentAudio（#33）使用您的镜头设置构建同步的视频和音频潜在。它们由 LTXVConcatAVLatent（#32）合并以建立一个时间线框架，供下游节点精细化。音频分支创建一个静音的有效轨道，因此最终的 MP4 可以在任何地方可靠播放。这些潜在还锚定提示段，以便运动变化落在您期望的位置。
提示#
在 PromptRelayEncode（#80）中编写您的镜头描述。使用简洁的全局提示来设定整体外观，然后添加节拍特定的行作为局部提示，用 | 字符分隔，以在剪辑中演变微动作。来自 LTXAVTextEncoderLoader（#5）的 LTX 文本编码器处理语义，而 CLIPTextEncode（#41）提供一个强大的面向现实的负提示。LTXVConditioning（#31）混合正负条件并与帧速率同步。
模型#
CheckpointLoaderSimple（#44）加载 LTX-2.3 基础。PathchSageAttentionKJ（#67）优化大图像的注意力。一个简短的 LoRA 链在每个采样阶段应用 Sulphur 风格和蒸馏稳定性 LoRA。此设计在外观一致性和提示响应性之间取得了平衡，因此角色身份和光照在通过之间保持一致。
生成低分辨率#
此首次扩散通过建立运动。LTXVImgToVideoInplace（#22）将您的预处理静态图像注入时间线；如果启用了 切换到文本到视频？，其 绕过 输入干净地禁用图像注入以实现纯 T2V。LTXVScheduler（#47）形状化西格玛时间表以控制运动幅度和时间平滑度。由 CFGGuider（#42）和 KSamplerSelect（#17）驱动的 SamplerCustomAdvanced（#9）合成一个连贯的低分辨率 A/V 潜在。LTXVSeparateAVLatent（#35）然后分离视频和音频路径，并将构图信息转发给 LTXVCropGuides（#10）以进行指导感知的构图。
潜在放大#
LTXVLatentUpsampler（#13）使用 LTX-2.3 空间放大器在潜在空间中提升空间细节，同时保持从第一通过学到的运动。这里的放大避免了重新发明时间安排，并减少了通常在第二次通过再生中看到的闪烁。它将一个更清晰的、运动一致的潜在传递给最终的精细化阶段。
生成高分辨率#
精细化阶段通过 LTXVConcatAVLatent（#3）重新组合放大的视频潜在和音频潜在。CFGGuider（#8）和 KSamplerSelect（#6）在 SamplerCustomAdvanced（#36）中使用调整后的西格玛时间表来引导快速、细节导向的采样器进行完成。如果您保持图像注入启用，第二个 LTXVImgToVideoInplace（#14）帮助模型在高分辨率下尊重静态图像而不失去已建立的运动。结果是一个稳定的电影级序列，具有自然的眼睛和嘴巴动态。
输出#
VAEDecode（#68）将最终视频潜在转化为帧，而 LTXVAudioVAEDecode（#23）重建静音音轨。CreateVideo（#38）以您选择的帧速率将帧和音频混合，SaveVideo（#45）写入 H.264 MP4 以便立即审阅和共享。使用每个镜头的描述性文件名前缀来保持迭代的组织。
数字转换#
一个小型实用模块计算半比例尺寸以管理 VRAM 和速度。通常您不需要触及这些，但它们确保上游的宽度和高度驱动一切一致。如果您更改基础分辨率，这些会自动调整。
Comfyui LTX 2.3 Sulphur 图像到视频工作流程中的关键节点#
PromptRelayEncode（#80）。集中全局提示和与时间线对齐的逐节拍局部提示。用它来编写镜头中的微表情和小相机揭示。保持局部提示简短且具体，以便它们补充而不是对抗全局外观。LTXVImgToVideoInplace（#22, #14）。将静态图像注入低分辨率和高分辨率潜在。增加强度当您希望最终紧贴参考帧时；减少它以获得更多自由。绕过输入连接到文本到视频开关，因此您可以干净地禁用图像注入以进行 T2V 运行。LTXVScheduler（#47）。控制噪声水平在低分辨率通过中的演变，直接影响运动强度和平滑度。用它来驯服过于活跃的镜头或在感觉静止时添加微妙的推动。此处的调整在面部、头发和手持类似相机能量上最为显著。LTXVLatentUpsampler（#13）。使用 LTX 的空间放大器执行 x2 潜在放大，保留在第一次通过中学习的运动提示。在高分辨率精细化之前使用它来添加清晰的纹理和边缘定义，而不重新滚动时间。CFGGuider（#42, #8）。平衡模型对您的提示的遵循强度与其学习的先验。如果面部漂移或风格减弱，微调指导；如果细节看起来过于强迫或塑料，放松它。与快速查看负提示配对变化以保持现实感。KSamplerSelect（#17, #6）。让您为每个阶段选择采样算法。为低分辨率通过选择一个强大、富有表现力的采样器，为完成通过选择一个快速、细节友好的选项。在比较外观时保持选择一致。
可选附加项#
- 为了有意的相机行为，您可以在需要一致的横向推动时向您的 LoRA 加载器链中添加一个相机控制 LoRA，如 LTX 家族中的 Dolly-Left。模型页面
- 保持宽度和高度可被 32 整除以避免潜在操作中的错位并保持 VRAM 效率。
- 在局部提示中使用简短、主动的动词来编排节拍，例如收紧握力、移开视线、柔化微笑。
- 如果您目标非常高的输出尺寸，请考虑用
VAEDecodeTiled（#43）替换VAEDecode以更高效地解码帧。 - 当面部最重要时，通过仅调整提示文本和
CFGGuider来迭代，而不是更改采样器或分辨率。这保持比较有意义，并突出最佳的 LTX 2.3 Sulphur 图像到视频工作流程的措辞。
致谢#
此工作流程实现并构建在以下作品和资源之上。我们感谢 RunningHub 提供的工作流程参考，Lightricks 提供的 LTX 2.3 家族（模型、空间放大器和相机控制 LoRA），以及 Comfy-Org 提供的 LTX 文本编码器，感谢他们的贡献和维护。有关权威详细信息，请参阅以下链接的原始文档和库。
资源#
- RunningHub/RunningHub 工作流程参考
- 文档 / 发布说明: runninghub.ai post
- Lightricks/LTX 2.3 模型来源
- Hugging Face: Lightricks/LTX-2.3-fp8
- Lightricks/LTX 2.3 空间放大器来源
- Hugging Face: Lightricks/LTX-2.3
- Lightricks/LTX 相机控制 LoRA 来源
- Hugging Face: Lightricks/LTX-2-19b-LoRA-Camera-Control-Dolly-Left
- Comfy-Org/LTX 文本编码器来源
- Hugging Face: Comfy-Org/ltx-2
注意：使用参考的模型、数据集和代码需遵循其作者和维护者提供的相应许可和条款。