LTXV，自初登场就主打一个体积小，速度快，
前面几代版本体积的确小，速度的确很快，但是质量也是真的差。
随着开发团队继续捣鼓，LTXV终究走向了大模型之路，
这次推出的LTX 2，体积高达19B（190亿参数)，官方给出的NVFP4量化高达20GB，
推荐显存占用直接来到了32GB，不过速度依旧很快，支持I2V，T2V，首尾帧，视频续播，深度控制...而且还能生成音频，是一个很大的突破了。
而且还支持长达35S的视频，可以说很有潜力。
(官方：LTX-2 支持最长 10 秒的带同步音频的连续录制时长更长的片段。不过社区用户弄到了35秒)
但是我们广大同学中，没几个用得起RTX PRO 6000的，
别说这个显卡了，5090，4090又有多少人用得起呢？
绝大多数用户能有16G显存就不错了。
（同学A：我只有手机，能运行吗？)
（同学B：我的RTX 960能上吗？)
（同学C：我的显存高达4G，内存高达8G，能上吗？)
以上同学先不要绝望，虽然的确也没多大希望。
但是万一GGUF出了Q2,Q1量化呢？说不准就能跑了。
那么据社区用户初次体验来说，即便是5090也难以承担如此庞大的模型。
难道说要重演FLUX 2的悲剧了吗？
然而并非如此，
根据社区用户的使用情况来看，有人直接改了comfyui的代码： ComfyUI\comfy\ldm\lightricks\embeddings_connector.py
修改以下代码
hidden_states = torch.cat((hidden_states, learnable_registers[hidden_states.shape[1]:].unsqueeze(0).repeat(hidden_states.shape[0], 1, 1)), dim=1)
为
hidden_states = torch.cat((hidden_states, learnable_registers[hidden_states.shape[1]:].unsqueeze(0).repeat(hidden_states.shape[0], 1, 1).to(hidden_states.device)), dim=1)
这让4090在8步精简版模型上可以近乎实时的处理，速度非常之快。
还有人简单的在启动脚本上添加--novram参数。
将模型卸载到了内存上，启动权重流式传输，这只消耗了3GB显存，并且速度也不慢。
（社区用户分享来看，5080 16G，1分钟可以弄出5秒的视频）
可谓是八仙过海，各显神通。
（之前英伟达和comfyui一起优化了权重流式传输，用于FLUX2，从而显著降低了显存使用，虽然FLUX2也能用这个方法，但是速度会更慢更慢...）
注意：用内存跑的话，内存建议64G，而且96G，128G比较好，
主要是因为出了LTX视频模型，还多了一个谷歌的gemma-3。
当然，目前，我们可以使用unsloth的gemma-3-12b-it-bnb-4bit来降低内存需求，
不过即便如此也需要48GB内存，或者至少内存显存加起来有这么多。
那么既没有多能用的显卡，也只有8G,16G内存的同学们可以先点击右上角，等后续完善看看可不可能了。
至于想要升级内存来玩这个模型的，当前内存那么贵，干脆等几年再看看吧。
说不定很快就出现比LTX2更好的模型了呢~
随着GGUF的支持，模型的显存占用得到了减半式下滑，如今，Q8量化的显存占用是19G，Q4量化的则只需要12G，Q2则是6G，Q1则是3G，没错，3G显存真的能跑，而且不需要流式传输，不过代价就是模型的精度大幅下降，产出的视频质量也变得很低，所以与其用Q1，还是用流式传输用内存跑好些。
GGUF本身也支持用CPU跑，所以也可以考虑显存加内存大小匹配的量化模型.
目前建议的工作流程：https://github.com/Lightricks/ComfyUI-LTXVideo/tree/master/example_workflows
模型下载地址：https://huggingface.co/Lightricks/LTX-2
放入checkpoints文件夹。
其中distilled代表是8步蒸馏版本，lora则是8步蒸馏lora。
upscaler则是超分辨率模型。
我们可以按需下载，探客喜欢速度（速度快，那用CPU都能跑啊)，也不想用lora（毕竟原始版加lora比蒸馏版还大 ），所以下载的就是ltx-2-19b-distilled-fp8.safetensors
GGUF版本：https://huggingface.co/Kijai/LTXV2_comfy/tree/main/diffusion_models
按需下载丢进unet文件夹中即可。
gemma3下载地址：https://huggingface.co/unsloth/gemma-3-12b-it-bnb-4bit/tree/main
里面所有的文件全部下载，然后都放入新建的gemma-3-12b-it-bnb-4bit文件夹中。
（喜欢的话也能用它来部署本地的聊天模型，现在用文本生成模型作文本编码器已经是普遍现象了，传统的CLIP已经成为过去了）
把该文件夹丢进clip文件夹里。
GGUF版本：https://huggingface.co/unsloth/gemma-3-12b-it-GGUF/tree/main
更新comfyui到最新版本，安装ltx-video节点包：
https://github.com/Lightricks/ComfyUI-LTXVideo
在启动脚本上添加--novram参数，启动comfyui。
（--reserve-vram 4也是比较常用的，表示预留4GB显存)
(--cache-none --reserve-vram 1 --lowvram则更进一步，只预留1GB显存)
更新KJNODE：https://github.com/kijai/ComfyUI-KJNodes
更新GGUF加载节点：https://github.com/city96/ComfyUI-GGUF
Kija的GGUF节点工作流：https://files.catbox.moe/lx9tyz.json
当然也可以手动修改常规工作流中的模型加载节点为GGUF。
然后拖拽工作流程进入comfyui界面，
使用常规工作流需要将原本的编码器加载节点换成gemma 3 model loader。
GGUF直接换成GGUF的编码器加载节点即可。
步数设置为8，CFG设置为1，开始启动。
