Rebels LTX-2 Dev (GGUF)

注意：CivitAI 上有一个bug，你无法看到总下载量或点赞数。相信我，它正在被下载。评论由于某些原因也没有显示。如果你有任何问题，请在我的YouTube视频下留言。

我的PC配置（供参考）：

（RTX 3070 + i7）8GB 显存 + 16GB 系统内存 = 总计24GB。对于如此高的内存需求，运行效果相当不错。

链接

Dev GGUF（选择低于你显存需求的量化等级，整体工作流需求极大）

https://huggingface.co/unsloth/LTX-2-GGUF/tree/main

文本编码器（与Dual CLIP加载器GGUF节点中的第二个编码器一起运行）
https://huggingface.co/GitMylo/LTX-2-comfy_gemma_fp8_e4m3fn/blob/main/gemma_3_12B_it_fp8_e4m3fn.safetensors

嵌入连接器（在Dual CLIP加载器GGUF节点中与Gemma编码器一起运行）

https://huggingface.co/Kijai/LTXV2_comfy/blob/main/text_encoders/ltx-2-19b-embeddings_connector_dev_bf16.safetensors

蒸馏LoRA（用于工作流后期的上采样）

https://huggingface.co/Lightricks/LTX-2/blob/main/ltx-2-19b-distilled-lora-384.safetensors

细节LoRA（提升低分辨率生成的保真度。相信我，它很有帮助。）
https://huggingface.co/Lightricks/LTX-2-19b-IC-LoRA-Detailer/blob/main/ltx-2-19b-ic-lora-detailer.safetensors

VAEs（音频和视频）

音频

https://huggingface.co/Kijai/LTXV2_comfy/blob/main/VAE/LTX2_audio_vae_bf16.safetensors

视频

https://huggingface.co/Kijai/LTXV2_comfy/blob/main/VAE/LTX2_video_vae_bf16.safetensors

潜在上采样器（放入latent_upscale_models文件夹）

https://huggingface.co/Lightricks/LTX-2/blob/main/ltx-2-spatial-upscaler-x2-1.0.safetensors

重要！
你需要以下自定义节点：

- KJ Nodes（可在自定义节点管理器中获取，更新并使用夜间版）

- ComfyUI-GGUF 节点（可在自定义节点管理器中获取，更新并使用夜间版）

- 来自 VantageWithAI 的自定义节点：“Vantage GGUF Unet Loader”
此节点为实验性，但比常规的Unet GGUF节点更高效。（目前GGUF节点缺少一个PR合并，若不手动在命令提示符中更新，该节点将无法运行。我不建议你手动更新，因为极其不便。相信我，使用Vantage节点即可。）

要获取Vantage节点，请在你的自定义节点文件夹中打开命令提示符，复制以下命令并按回车：

git clone https://github.com/vantagewithai/Vantage-Nodes.git

（我已从YouTube教程中移除了“cd comfyui/custom_nodes”部分，因为不需要）

完成后，使用此命令：

cd Vantage-Nodes
pip install -r requirements.txt

这将完整安装节点。重启ComfyUI，然后拖入我的工作流，即可获得完全可用的LTX-2工作流！

我强烈建议用以下参数更新你的BAT文件：
--lowvram --disable-xformers --use-pytorch-cross-attention --reserve-vram 2 --disable-smart-memory

该工作流对资源需求极高。即使使用最低量化等级，我的PC在分辨率高于480p时也运行困难。我建议你用记事本打开BAT文件，将这些参数添加到包含“--windows-standalone”的代码行中，保存为副本，仅用于LTX-2。（可以重命名为便于记忆的名称，如LTX-2.bat。具体操作方法见YouTube视频，如果你不知道怎么做的话！）

教程视频