LTX 2.3 LoRA ComfyUI 推理：使用 LTX 2.3 流程的訓練匹配 AI Toolkit LoRA 輸出#

這個即時運行的 RunComfy 工作流程通過 RC LTX 2.3 (LTX2Pipeline) (流程級別對齊，而不是通用取樣器圖) 在 ComfyUI 中運行 LTX 2.3 LoRA 推理。RunComfy 構建並開源了這個自訂節點——請參見 runcomfy-com repositories——並且您可以通過 lora_path 和 lora_scale 控制適配器應用。

注意：此工作流程需要 2X Large 或更大的機器運行。

為什麼 LTX 2.3 LoRA ComfyUI 推理在 ComfyUI 中看起來經常不同#

AI Toolkit 訓練預覽是通過模型專用的 LTX 2.3 流程渲染的，其中文本編碼、調度和 LoRA 注入設計為協同工作。在 ComfyUI 中，使用不同的圖（或不同的 LoRA 加載路徑）重建 LTX 2.3 可以改變這些交互，因此即使複製相同的提示、步驟、CFG 和種子，仍然會產生可見的漂移。RunComfy RC 流程節點通過在 LTX2Pipeline 中從頭到尾執行 LTX 2.3 並在該流程中應用您的 LoRA，從而縮小了這一差距，保持推理與預覽行為一致。來源：RunComfy 開源倉庫。

如何使用 LTX 2.3 LoRA ComfyUI 推理工作流程#

步驟 1：獲取 LoRA 路徑並將其加載到工作流程中（2 種選擇）#

選擇 A — RunComfy 訓練結果 → 下載到本地 ComfyUI：

1. 轉到 Trainer → LoRA Assets
2. 找到您要使用的 LoRA
3. 點擊右側的 ⋮ (三點) 菜單 → 選擇 複製 LoRA 連結
4. 在 ComfyUI 工作流程頁面，將複製的連結粘貼到 UI 右上角的 下載 輸入框中
5. 在點擊下載之前，確保目標文件夾設置為 ComfyUI > models > loras (此文件夾必須選為下載目標)
6. 點擊 下載 — 這確保 LoRA 文件保存到正確的 models/loras 目錄中
7. 下載完成後，刷新頁面
8. LoRA 現在出現在工作流程中的 LoRA 選擇下拉框 中 — 選擇它

選擇 B — 直接 LoRA URL（覆蓋選擇 A）：

1. 將 直接 .safetensors 下載 URL 粘貼到 LoRA 節點 的 path / url 輸入框中
2. 當此處提供 URL 時，它會 覆蓋選擇 A — 工作流程會在運行時直接從 URL 加載 LoRA
3. 無需本地下載或文件放置

提示：確認 URL 解析為實際的 .safetensors 文件（而不是登陸頁面或重定向）。

步驟 2：將推理參數與您的訓練樣本設置匹配#

在 LoRA 節點中，選擇您的適配器在 lora_path (選擇 A)，或將直接 .safetensors 連結粘貼到 path / url (選擇 B 覆蓋下拉框)。然後將 lora_scale 設置為您在訓練預覽中使用的相同強度，並從那裡調整。

其餘參數位於 生成 節點上（以及視圖中的 加載流程 節點上）：

• prompt：您的文本提示（如果您在訓練時使用觸發詞，請包括它們）
• width / height：輸出分辨率；匹配您的訓練預覽尺寸以獲得最清晰的比較（建議 LTX 2.3 使用 32 的倍數）
• num_frames：輸出視頻幀數
• sample_steps：推理步驟數（30 是常見的默認值）
• guidance_scale：CFG/引導值（5.5 是常見的默認值；不要超過 7）
• seed：固定種子以重現；更改它以探索變化
• seed_mode（僅在存在時）：選擇 fixed 或 randomize
• frame_rate：輸出幀率；保持與訓練設置一致以實現運動對齊

訓練對齊提示：如果您在訓練期間自定義了取樣值（seed、guidance_scale、sample_steps、觸發詞、分辨率），請在此鏡像這些確切的值。如果您在 RunComfy 上進行訓練，請打開 Trainer → LoRA Assets > 配置以查看解析的 YAML 並將預覽/樣本設置複製到工作流程節點中。

步驟 3：運行 LTX 2.3 LoRA ComfyUI 推理#

點擊 Queue/Run — SaveVideo 節點將結果寫入您的 ComfyUI 輸出文件夾。

快速檢查表：

• ✓ LoRA 是：下載到 ComfyUI/models/loras (選擇 A)，或通過直接 .safetensors URL 加載 (選擇 B)
• ✓ 本地下載後刷新頁面（僅選擇 A）
• ✓ 推理參數與訓練 sample 配置匹配（如果自定義）

如果以上所有內容正確，則此處的推理結果應該與您的訓練預覽非常接近。

LTX 2.3 LoRA ComfyUI 推理的故障排除#

大多數 LTX 2.3 "訓練預覽與 ComfyUI 推理" 差距來自 流程級別差異（模型如何加載、調度以及 LoRA 如何合併），而不是來自單個錯誤旋鈕。 這個 RunComfy 工作流程通過在 RC LTX 2.3 (LTX2Pipeline) 中從頭到尾運行推理並通過 lora_path / lora_scale 在該流程中應用您的 LoRA (而不是堆疊通用加載器/取樣器節點) 來恢復最接近的 "訓練匹配" 基線。

(1) LoRA 形狀不匹配或 "key not loaded" 警告#

為什麼會發生 LoRA 是為不同的模型系列或不同的 LTX 變體訓練的。您將看到許多 lora key not loaded 行，並可能出現形狀不匹配錯誤。

如何解決（推薦）

• 確保 LoRA 是專門為 LTX 2.3 與 AI Toolkit 訓練的 (LTX 2.0 / 2.1 / 2.2 LoRA 不能互換)。
• 保持圖形 "單一路徑" 用於 LoRA：僅通過工作流程的 lora_path 輸入加載適配器，並讓 LTX2Pipeline 處理合併。不要並行堆疊額外的通用 LoRA 加載器。
• 如果您已經遇到不匹配並且 ComfyUI 隨後開始產生不相關的 CUDA/OOM 錯誤，請 重啟 ComfyUI 過程 以完全重置 GPU + 模型狀態，然後使用兼容的 LoRA 重試。

(2) 推理結果與訓練預覽不匹配#

為什麼會發生 即使 LoRA 加載，結果仍可能漂移，如果您的 ComfyUI 圖形與訓練預覽流程不匹配（不同的默認值、不同的 LoRA 注入路徑、不同的調度）。

如何解決（推薦）

• 使用此工作流程並將您的直接 .safetensors 連結粘貼到 lora_path。
• 從您的 AI Toolkit 訓練配置（或 RunComfy Trainer → LoRA Assets 配置）中複製取樣值：width、height、num_frames、sample_steps、guidance_scale、seed、frame_rate。
• 除非您在訓練/取樣時使用它們，否則不要在比較中加入 "額外速度堆疊"。

(3) 使用 LoRAs 顯著增加推理時間#

為什麼會發生 當 LoRA 路徑強制額外的修補/去量化工作或在比僅基礎模型更慢的代碼路徑中應用權重時，LoRA 可能使 LTX 2.3 慢得多。

如何解決（推薦）

• 使用此工作流程的 RC LTX 2.3 (LTX2Pipeline) 路徑，並通過 lora_path / lora_scale 傳遞您的適配器。在此設置中，LoRA 在 流程加載期間合併一次（AI Toolkit 樣式），因此 每步取樣成本 保持接近基礎模型。
• 當您追求預覽匹配行為時，避免堆疊多個 LoRA 加載器或混合加載路徑。保持為 一個 lora_path + 一個 lora_scale 直到基線匹配。

(4) 大分辨率或長視頻的 OOM 錯誤#

為什麼會發生 LTX 2.3 是一個 22B 參數模型，視頻生成對 VRAM 要求很高。高分辨率或許多幀可能超過 GPU 記憶體，特別是與 LoRA 開銷一起。

如何解決（推薦）

• 使用 2X Large (80 GB VRAM) 或更大的機器。此工作流程不兼容 Medium、Large 或 X Large 機器。
• 如果您需要快速迭代，請減少分辨率或幀數，然後在最終渲染時放大。
• 如果可用，啟用 VAE 瓦片化——這可以節省約 3 GB VRAM，質量損失最小。

現在運行 LTX 2.3 LoRA ComfyUI 推理#

打開工作流程，設置 lora_path，然後點擊 Queue/Run 以獲得接近您 AI Toolkit 訓練預覽的 LTX 2.3 LoRA 結果。