LTX-2 ComfyUI Anleitung: Vollständiges Tutorial zur lokalen Bereitstellung

Das lokale Ausführen von LTX-2 bietet mehrere überzeugende Vorteile gegenüber Cloud-basierten Lösungen. Sie erhalten vollständige Privatsphäre – Ihre Prompts und generierten Videos verlassen niemals Ihren Rechner. Sie eliminieren Kosten pro Generierung nach der anfänglichen Hardware-Investition. Sie können Workflows mit LoRA-Modellen anpassen und das Basismodell für bestimmte Stile feinabstimmen. Und Sie erhalten schnellere Iterationen ohne Netzwerklatenz oder Wartezeiten. ComfyUI bietet die ideale Oberfläche für LTX-2 mit einem knotenbasierten visuellen Workflow, der komplexe Videogenerierungs-Pipelines intuitiv und reproduzierbar macht. Diese Anleitung führt Sie durch alles – von der ersten Einrichtung bis zu fortgeschrittenen Optimierungstechniken.

Stellen Sie vor dem Start sicher, dass Ihr System die Mindestanforderungen erfüllt. Für die GPU benötigen Sie eine NVIDIA-Karte mit mindestens 24 GB VRAM (RTX 4090, A6000 oder A100 empfohlen). Für optimale Leistung bei 4K-Auflösung sind 48 GB+ VRAM ideal. Ihr System sollte mindestens 32 GB RAM und 100 GB freien Speicherplatz für Modelle haben. Software-Anforderungen umfassen: Python 3.10 oder höher, CUDA 12.0 oder höher mit kompatiblen Treibern, Git zum Klonen von Repositories und FFmpeg zur Videoverarbeitung. Windows-Benutzer sollten sicherstellen, dass Visual Studio Build Tools installiert sind. Für Linux reichen Standard-Build-Tools aus. Mac-Benutzer beachten: LTX-2 erfordert derzeit NVIDIA CUDA und unterstützt Apple Silicon nicht nativ.

Beginnen Sie mit dem Klonen des ComfyUI-Repositorys: git clone https://github.com/comfyanonymous/ComfyUI. Navigieren Sie in das Verzeichnis und installieren Sie Abhängigkeiten mit pip install -r requirements.txt. Laden Sie als Nächstes die LTX-2-Modellgewichte von Hugging Face herunter. Legen Sie die Hauptmodelldatei in ComfyUI/models/checkpoints/ und den VAE in ComfyUI/models/vae/ ab. Für die Audiogenerierung laden Sie das Audiomodell separat herunter und platzieren es im entsprechenden Ordner. Installieren Sie die benutzerdefinierten LTX-2-Knoten, indem Sie die Erweiterung in ComfyUI/custom_nodes/ klonen. Starten Sie nach der Installation ComfyUI neu und überprüfen Sie, ob LTX-2-Knoten im Knotenmenü erscheinen. Das erstmalige Laden des Modells kann je nach Speichergeschwindigkeit einige Minuten dauern.

Erstellen Sie einen grundlegenden Text-zu-Video-Workflow durch Hinzufügen der folgenden Knoten: LTX-2 Model Loader (verbindet sich mit Ihrem Checkpoint), CLIP Text Encode (für Ihren Prompt), LTX-2 Video Sampler (Kern-Generierungsknoten), VAE Decode (konvertiert Latents in Videoframes) und Video Combine (gibt finale Videodatei aus). Verbinden Sie die Knoten der Reihe nach und konfigurieren Sie die Sampler-Einstellungen. Für beste Ergebnisse verwenden Sie 30-50 Denoising-Schritte, CFG-Skala zwischen 7-9 und wählen Sie Ihre Zielauflösung (720p zum Testen, 4K für finale Ausgabe). Die Frameanzahl bestimmt die Videolänge – bei 25 FPS ergeben 150 Frames 6 Sekunden Video. Fügen Sie den Audio Generator-Knoten nach dem Video Sampler hinzu, wenn Sie synchronisierte Audioausgabe wünschen.

Für die Animation statischer Bilder modifizieren Sie den Text-zu-Video-Workflow durch Hinzufügen eines Image Loader-Knotens. Das Bild liefert die Referenz für den ersten Frame und gewährleistet visuelle Konsistenz im gesamten Video. Verbinden Sie Ihr Bild mit dem Bildeingang des LTX-2 Video Samplers. Passen Sie die Bildeinfluss-Stärke an – höhere Werte (0,7-0,9) erhalten engere Treue zum Quellbild, während niedrigere Werte (0,3-0,5) kreativere Bewegung ermöglichen. Der Prompt sollte die gewünschte Animation beschreiben, nicht den Bildinhalt. Zum Beispiel 'Kamera schwenkt langsam nach rechts, subtile Windbewegung im Haar' anstatt die Person im Bild zu beschreiben. Dieser Workflow eignet sich hervorragend für Produktanimationen, Porträtanimationen und stilkonsistente Videoserien.

Die bahnbrechende Funktion von LTX-2 ist die native Audiogenerierung, die sich perfekt mit dem Videoinhalt synchronisiert. Aktivieren Sie Audio durch Hinzufügen des LTX-2 Audio Generator-Knotens nach Ihrem Video Sampler. Der Audio-Knoten analysiert das generierte Video und erzeugt passenden Sound – Dialoge mit präziser Lippensynchronisation, Umgebungsatmosphäre und Hintergrundmusik. Konfigurieren Sie den Audiotyp: 'full' generiert alle Audiotypen, 'dialogue' konzentriert sich auf Sprache, 'ambient' erzeugt Umgebungsgeräusche und 'music' fügt Hintergrund-Tracks hinzu. Für Dialoge fügen Sie Sprecherbeschreibungen in Ihren Prompt ein: 'ein Mann mit tiefer Stimme spricht langsam über Technologie'. Die Audio-Abtastrate ist standardmäßig 44,1 kHz – passen Sie an, wenn Ihr nachfolgender Workflow andere Raten erfordert. Das Ausgabeformat unterstützt WAV und MP3.

Maximieren Sie Ihre Generierungsgeschwindigkeit und -qualität mit diesen Optimierungen. Aktivieren Sie FP16-Präzision beim Laden des Modells, um die VRAM-Nutzung bei minimalem Qualitätsverlust zu halbieren. Verwenden Sie xformers oder flash-attention für schnellere Attention-Berechnung – installieren Sie mit pip install xformers. Für Multi-GPU-Setups unterstützt ComfyUI die Modellverteilung über Geräte hinweg. Stapelverarbeitung: Reihen Sie mehrere Generierungen ein und lassen Sie sie über Nacht laufen. Auflösungsstrategie: Generieren Sie bei 720p zum Testen von Prompts, dann regenerieren Sie die Gewinner bei 4K. Caching: Aktivieren Sie Modell-Caching, um Neuladen zwischen Generierungen zu vermeiden. VRAM-Management: Schließen Sie andere GPU-intensive Anwendungen während der Generierung. Für 4K bei 50 FPS erwarten Sie 3-5 Minuten pro 10-Sekunden-Clip auf RTX 4090 oder 1-2 Minuten auf A100.

CUDA Speicher erschöpft: Reduzieren Sie die Auflösung oder aktivieren Sie speichereffiziente Attention. Versuchen Sie, weniger Frames pro Batch zu generieren. Modell lädt nicht: Überprüfen Sie die Dateiplatzierung in den korrekten Modellverzeichnissen. Stellen Sie sicher, dass Modelldateien nicht beschädigt sind (Prüfsummen vergleichen). Schwarze oder beschädigte Ausgabe: Aktualisieren Sie Ihre GPU-Treiber auf die neueste Version. Stellen Sie sicher, dass die CUDA-Version mit der PyTorch CUDA-Version übereinstimmt. Audio-Desync: Regenerieren Sie mit expliziten Audio-Timing-Parametern. Überprüfen Sie, ob Video-FPS mit Audio-Abtastratenberechnungen übereinstimmt. Langsame Generierung: Aktivieren Sie alle empfohlenen Optimierungen. Erwägen Sie ein GPU-VRAM-Upgrade. ComfyUI startet nicht: Löschen Sie ComfyUI/custom_nodes/__pycache__-Ordner und starten Sie neu. Aktualisieren Sie alle benutzerdefinierten Knoten auf die neuesten Versionen. Bei anhaltenden Problemen sind die LTX-2 Community Discord und GitHub Issues ausgezeichnete Ressourcen zur Fehlerbehebung für spezifische Konfigurationen.