在 2026 年初的 CES 大展上，Lightricks 推出了震撼 AI 業界的 LTX-2 開源影音模型，正式宣告影片生成進入了「音影同步」的新紀元。不同於以往模型僅能生成無聲畫面，LTX-2 是一款強大的影音底層模型，其最大的特色在於能夠在單次生成過程中（Single Pass），同步產生動作細節、人物對話、背景環境音以及配樂。這種高度的一致性解決了過往影片生成後需另外配音、音畫不同步的痛點，為創作者提供了極大的自由度與控制力。
更令人振奮的是，ComfyUI 也在第一時間達成原生支援，讓使用者能透過節點式工作流精確操控 T2V、I2V 以及多種 ControlNet 模式。針對消費級硬體，LTX-2 也與 NVIDIA 深度合作，優化了 NVFP8 與 NVFP4 等量化格式，顯著降低了顯示記憶體（VRAM）的負擔。本次測試環境採用最新一代 RTX 5070 Ti (16G VRAM) 搭配 64G RAM，在執行這款高達 19B 參數的模型時，雖然模型總重（包含 Gemma 3 12B 文字編碼器）遠超顯存容量，但透過 ComfyUI 優異的權重串流技術，依然能穩定產出高品質的 720p 影音作品。實測顯示，透過提示詞產出一段 5 秒的影音影片約需 4 至 5 分鐘，雖然耗費近 50GB 的系統記憶體，但換來的是強大的運鏡與充滿空間感的立體音效。
▲ 在開始體驗 LTX-2 之前，我們首先需要準備好對應的工作流，並且確保 ComfyUI 已是最新版本。透過 ComfyUI 選單中的「File → Open」功能，載入官方提供的 JSON 工作流檔案（直接下載點 / 來源網址）。
▲ 初次載入 LTX-2 工作流時，若系統偵測到缺少的模型，會跳出提醒視窗。這裡可以看到 LTX-2 所需的模型相當龐大，包含約 25GB 的 FP8 主模型、22GB 的 Gemma 3 文字編碼器，以及 LoRA 和 Upscaler，建議預留充足的硬碟空間。點擊「Download」可以下載模型。
▲ 當所有模型下載好後會自動依照正確路徑（如 checkpoints、text_encoders 等目錄）放置妥當，這時我們可以關閉視窗，開始進入實際的參數設定階段。
▲ 進入主畫面後可以看到 Text to Video (LTX 2.0) 節點。提示詞部分不僅要描述視覺畫面，還能加入聲音細節，如雨聲、歌聲或特定旋律，模型會一次性將其實現。我們先點入節點進入子流程看看吧！
▲ 展開整個 LTX-2 子流程，可以看到其複雜的節點連接結構。模型使用了分段採樣與潛空間放大技術，確保在 16G 顯存的環境下，依然能分階段處理文字編碼、影音採樣以及最後的 VAE 解碼，發揮 5070 Ti 的計算紅利。
▲ 設定好 Prompt 並檢查各項參數後，點擊「Run」按鈕開始生成。系統會先進行模型加載，由於模型總量超過 50GB，這時系統 RAM 的壓力會顯著提升，建議在生成期間關閉其他不必要的背景程式，以換取最佳的處理效能。
▲ 影片生成完成！在 RTX 5070 Ti 的測試環境下，一段 720p 24fps 的 5 秒影片共耗時約 260.29 秒。生成的結果不僅畫面細膩，運鏡滑順，重點是內嵌的 MP4 檔案中已經包含了同步生成的背景音效與配樂，成果相當令人驚艷。
▲ 測試示範影片欣賞《ᴴᴰ【LTX-2】文生影測試：奇幻森境童話、寫實青春午後》
🎬 測試示範影片章節：
一、奇幻森境童話：走入發光雨傘與魔法森林交織的夢幻世界，感受純真童趣。
📝 提示詞：A wide shot of a cute little girl walking through a dreamy, enchanted forest under a soft glowing umbrella. Ethereal light filters through the ancient trees as gentle rain falls, making the surroundings sparkle. She strolls rhythmically along a mossy path, swaying with joy. She looks up and sings in a sweet, clear voice: "It's raining, it's raining!" The camera follows her movement as she skips slightly. The background features glowing flora and soft mist, creating a whimsical and magical atmosphere. High-quality cinematic lighting, 8k, vibrant colors.
二、寫實青春午後：捕捉金黃光影下少女的靜謐時光，挑戰 LTX-2 對皮膚紋理與自然光影的寫實極限。
📝 提示詞：Photorealistic cinematic film, 8k resolution, shot on 35mm lens. A direct frontal medium shot of a real Japanese teenage girl wearing a realistic modern school uniform and high-quality white over-ear headphones. She is sitting on actual lush green grass in a sun-lit public park, surrounded by natural wildflowers and blooming cherry blossom trees. The lighting is authentic golden hour sunlight with natural lens flares and soft shadows. Starting with a relaxed posture, she slowly and naturally raises her head to look toward the distant horizon, a subtle, peaceful smile of genuine enjoyment on her face. Her hair moves naturally in the wind. The camera performs a slow, smooth optical zoom-in on her face. Audio: A beautiful, emotive, and immersive piano track plays clearly, representing the music she is listening to. Background ambient sounds of nature, gentle wind rustling through real leaves, and distant birds chirping blend softly. High dynamic range, sharp focus, realistic skin textures.
《上一篇》Gemini x Nano Banana Pro：繪製全景式角色深度概念分解圖 
《下一篇》ComfyUI：解決 RTX 50 系列 Blackwell 架構 CUDA Kernel 錯誤 
留言區 / Comments
萌芽論壇