انتقالات فيديو سلسة - LTX 2.3 FLW LoRA
ارفع مقطعي فيديو مُدخلين وولّد انتقالًا سلسًا بين اللقطتين.
حول
ينشئ سير عمل ComfyUI هذا انتقالًا سلسًا مُتعلّمًا بين مقطعين مُدخلين باستخدام LTX 2.3 FLW LoRA. تقوم بإدخال فيديو في كل عقدة LoadVideo، وتقوم عقدة انتقال مخصصة (UUID: 63482e7d-23c9-4396-a7a2-cd4ca2316eac) بتوليف تسليم سلس من نهاية اللقطة الأولى إلى بداية اللقطة الثانية. ثم تقوم SaveVideo بتجميع الإطارات المُعالجة في مقطع إخراج واحد. كما تتضمن MarkdownNote مدمجة دليلًا سريعًا للإعدادات الموصى بها ونصائح عملية.
تقنيًا، ينفذ سير العمل توليد فيديو إلى فيديو قائمًا على diffusion وموجّهًا بواسطة LTX 2.3 FLW LoRA لمواءمة اللون والملمس والحركة عبر القطع. ولتحقيق الاتساق الزمني، يتم تشغيل الاستدلال على كامل نطاق الإطارات (وليس نافذة الانتقال فقط). يساعد هذا التصميم على ثبات الشكل عبر التسلسل كاملًا، لكنه يعني أيضًا أن المقاطع الأطول والدقة الأعلى ستزيد زمن التشغيل واستهلاك VRAM. عادةً ستحدد نطاقات الدخول/الخروج لكل مقطع مصدر، وتحدد طول الانتقال، وتضبط تأثير/قوة LoRA و seed في عقدة الانتقال. تتحكم SaveVideo في معدل الإطارات واسم الملف للتصدير.
ما تقدّمه
- جارٍ قراءة سير العمل
يعمل في ComfyUI. لا يمكن تشغيل سير العمل هذا على هذه الصفحة. افتحه في Comfy Cloud مع تحميل كل شيء، أو نزّله لاستخدامه في ComfyUI الخاص بك.
جرّبه في Cloudداخل سير العمل
معاينة للقراءة فقط لرسم العقد البياني. افتحه في Comfy Cloud أو نزّله لتعديل العقد.
Loading the graph
Open full-size workflow previewالملفات في سير العمل هذا
- المؤلف
- Rob
يتطلب عُقدًا مخصصة
- جارٍ قراءة سير العمل
استخدم سير العمل هذا من خلال التعليمات البرمجية
يتم إنشاؤه من مخطط سير العمل والمدخلات عندما يكون ذلك ممكنًا؛ وإلا فتُعرض الأمثلة المخزنة. راجع بيانات الاعتماد ونقاط النهاية قبل تشغيل التعليمات البرمجية، إذ قد تترتب عليها رسوم.
What you need
- Runs on
- Comfy Cloud
- المفتاح
- COMFY_API_KEY
يتطلب خطة Cloud مدفوعة ورصيدًا.
# Python 3.10+: pip install comfy-sdk==0.4.0
import os
from comfy_sdk import Comfy
api_key = os.environ.get("COMFY_API_KEY", "").strip()
if not api_key: raise RuntimeError("Set COMFY_API_KEY")
os.environ.setdefault("COMFY_BASE_URL", "https://cloud.comfy.org")
client = Comfy(api_key=api_key)
workflow = client.workflows.from_json({
"116": {
"class_type": "SaveVideo",
"inputs": {
"codec": "auto",
"filename_prefix": "video/ComfyUI",
"format": "auto",
"format.codec": "auto",
"video": [
"108:122",
0
]
},
"_meta": {
"title": "Save Video"
}
},
"117": {
"class_type": "LoadVideo",
"inputs": {
"file": "7c1b43d5af480f29a8b75424ae10700e7216a1649759ed03aab61be8ee1a845e.mp4"
},
"_meta": {
"title": "Load Shot 1"
}
},
"118": {
"class_type": "LoadVideo",
"inputs": {
"file": "ab49a07d4e1faaa0f1f1cc60e3ad1edef70bdd41da40d1c0a27b0620a2e52493.mp4"
},
"_meta": {
"title": "Load Shot 2"
}
},
"108:1": {
"class_type": "DiffusionModelLoaderKJ",
"inputs": {
"compute_dtype": "bf16",
"enable_fp16_accumulation": False,
"model_name": "ltx-2.3-22b-dev_transformer_only_bf16.safetensors",
"patch_cublaslinear": False,
"sage_attention": "disabled",
"weight_dtype": "default"
},
"_meta": {
"title": "Diffusion Model Loader KJ"
}
},
"108:10": {
"class_type": "LTXVConditioning",
"inputs": {
"frame_rate": 24,
"negative": [
"108:9",
0
],
"positive": [
"108:8",
0
]
},
"_meta": {
"title": "LTXVConditioning"
}
},
"108:107": {
"class_type": "SimpleCalculatorKJ",
"inputs": {
"expression": "round((a + b + c - 1) / 8) * 8 + 1",
"variables.a": [
"108:109",
2
],
"variables.b": [
"108:111",
2
],
"variables.c": [
"108:125",
0
]
},
"_meta": {
"title": "TOTAL FRAMES"
}
},
"108:109": {
"class_type": "GetImageSize",
"inputs": {
"image": [
"108:120",
0
]
},
"_meta": {
"title": "Get Image Size"
}
},
"108:111": {
"class_type": "GetImageSize",
"inputs": {
"image": [
"108:121",
0
]
},
"_meta": {
"title": "Get Image Size"
}
},
"108:120": {
"class_type": "GetVideoComponents",
"inputs": {
"video": [
"117",
0
]
},
"_meta": {
"title": "Get Video Components"
}
},
"108:121": {
"class_type": "GetVideoComponents",
"inputs": {
"video": [
"118",
0
]
},
"_meta": {
"title": "Get Video Components"
}
},
"108:122": {
"class_type": "CreateVideo",
"inputs": {
"audio": [
"108:25",
0
],
"bit_depth": "auto",
"codec": "none",
"color_space": "sRGB",
"fps": 24,
"images": [
"108:24",
0
]
},
"_meta": {
"title": "Create Video"
}
},
"108:125": {
"class_type": "PrimitiveInt",
"inputs": {
"value": 48
},
"_meta": {
"title": "transition frames"
}
},
"108:13": {
"class_type": "LTXVAddGuide",
"inputs": {
"frame_idx": 0,
"image": [
"108:74",
0
],
"latent": [
"108:14",
0
],
"negative": [
"108:10",
1
],
"positive": [
"108:10",
0
],
"strength": 1,
"vae": [
"108:5",
0
]
},
"_meta": {
"title": "LTXVAddGuide"
}
},
"108:14": {
"class_type": "EmptyLTXVLatentVideo",
"inputs": {
"batch_size": 1,
"height": [
"108:74",
2
],
"length": [
"108:74",
3
],
"width": [
"108:74",
1
]
},
"_meta": {
"title": "Empty LTXV Latent Video"
}
},
"108:15": {
"class_type": "LTXVConcatAVLatent",
"inputs": {
"audio_latent": [
"108:29",
0
],
"video_latent": [
"108:13",
2
]
},
"_meta": {
"title": "Concat AV Latent"
}
},
"108:17": {
"class_type": "SamplerCustomAdvanced",
"inputs": {
"guider": [
"108:19",
0
],
"latent_image": [
"108:15",
0
],
"noise": [
"108:18",
0
],
"sampler": [
"108:20",
0
],
"sigmas": [
"108:21",
0
]
},
"_meta": {
"title": "SamplerCustomAdvanced"
}
},
"108:18": {
"class_type": "RandomNoise",
"inputs": {
"noise_seed": 240378926876440
},
"_meta": {
"title": "RandomNoise"
}
},
"108:19": {
"class_type": "CFGGuider",
"inputs": {
"cfg": 1,
"model": [
"108:4",
0
],
"negative": [
"108:13",
1
],
"positive": [
"108:13",
0
]
},
"_meta": {
"title": "CFG Guider"
}
},
"108:20": {
"class_type": "KSamplerSelect",
"inputs": {
"sampler_name": "euler_ancestral_cfg_pp"
},
"_meta": {
"title": "KSamplerSelect"
}
},
"108:21": {
"class_type": "BasicScheduler",
"inputs": {
"denoise": 1,
"model": [
"108:4",
0
],
"scheduler": "linear_quadratic",
"steps": 8
},
"_meta": {
"title": "BasicScheduler"
}
},
"108:23": {
"class_type": "LTXVSeparateAVLatent",
"inputs": {
"av_latent": [
"108:17",
0
]
},
"_meta": {
"title": "Separate AV Latent"
}
},
"108:24": {
"class_type": "VAEDecode",
"inputs": {
"samples": [
"108:31",
2
],
"vae": [
"108:5",
0
]
},
"_meta": {
"title": "VAE Decode"
}
},
"108:25": {
"class_type": "LTXVAudioVAEDecode",
"inputs": {
"audio_vae": [
"108:6",
0
],
"samples": [
"108:23",
1
]
},
"_meta": {
"title": "LTXV Audio VAE Decode"
}
},
"108:29": {
"class_type": "SetLatentNoiseMask",
"inputs": {
"mask": [
"108:30",
0
],
"samples": [
"108:98",
0
]
},
"_meta": {
"title": "Set Latent Noise Mask"
}
},
"108:30": {
"class_type": "SolidMask",
"inputs": {
"height": [
"108:74",
2
],
"value": 0,
"width": [
"108:74",
1
]
},
"_meta": {
"title": "Create Solid Mask"
}
},
"108:31": {
"class_type": "LTXVCropGuides",
"inputs": {
"latent": [
"108:23",
0
],
"negative": [
"108:13",
0
],
"positive": [
"108:13",
0
]
},
"_meta": {
"title": "LTXVCropGuides"
}
},
"108:33": {
"class_type": "DualCLIPLoader",
"inputs": {
"clip_name1": "gemma_3_12B_it.safetensors",
"clip_name2": "ltx-2.3_text_projection_bf16.safetensors",
"device": "default",
"type": "ltxv"
},
"_meta": {
"title": "Load CLIP (Dual)"
}
},
"108:4": {
"class_type": "LoraLoaderModelOnly",
"inputs": {
"lora_name": "ltx-2.3-22b-distilled-1.1_lora-dynamic_fro09_avg_rank_111_bf16.safetensors",
"model": [
"108:49",
0
],
"strength_model": 0.5
},
"_meta": {
"title": "Load LoRA"
}
},
"108:49": {
"class_type": "LoraLoaderModelOnly",
"inputs": {
"lora_name": "systms__SYSTMS-FLW-IC-LORA-LTX-23__SYSTMS_FLW_V1_LTX23.safetensors",
"model": [
"108:1",
0
],
"strength_model": 1
},
"_meta": {
"title": "Load LoRA"
}
},
"108:5": {
"class_type": "VAELoaderKJ",
"inputs": {
"device": "main_device",
"vae_name": "LTX23_video_vae_bf16.safetensors",
"weight_dtype": "bf16"
},
"_meta": {
"title": "VAELoader KJ"
}
},
"108:6": {
"class_type": "VAELoaderKJ",
"inputs": {
"device": "main_device",
"vae_name": "LTX23_audio_vae_bf16.safetensors",
"weight_dtype": "bf16"
},
"_meta": {
"title": "VAELoader KJ"
}
},
"108:61": {
"class_type": "GeminiNode",
"inputs": {
"model": "gemini-3-1-flash-lite",
"prompt": "Your task is to write an LTX 2.3 LoRA video prompt that describes the attached video, inferring a seamless morphing transition where the gray area is, using the following formula:\n\n[Action A] seamlessly transforms into [Action B]. \n[Subject A description] becomes [Subject B description]. \n[Setting A] shifts to [Setting B]. \n[Camera behavior across the transition]. \n[Lighting/mood continuity].\n\nHere is an example of what that might look like:\n\nA motocross rider performing a mid-air backflip seamlessly transforms into a man standing and holding a basketball. The upside-down rider on a dirt bike becomes a young man in a black t-shirt and white shorts. A mountainous landscape over a lake shifts to an outdoor urban basketball court with a city skyline. The camera holds steady through the morph, keeping the central figure framed. Soft evening daylight throughout, continuous and even.\n\nRETURN THE PROMPT ONLY",
"seed": 42,
"system_prompt": "",
"video": [
"108:63",
0
]
},
"_meta": {
"title": "Google Gemini"
}
},
"108:63": {
"class_type": "CreateVideo",
"inputs": {
"bit_depth": "auto",
"codec": "none",
"color_space": "sRGB",
"fps": 24,
"images": [
"108:74",
0
]
},
"_meta": {
"title": "Create Video"
}
},
"108:71": {
"class_type": "WanVideoVACEStartToEndFrame",
"inputs": {
"empty_frame_level": 0.5,
"end_image": [
"108:82",
0
],
"end_index": -1,
"num_frames": [
"108:107",
1
],
"start_image": [
"108:81",
0
],
"start_index": 0
},
"_meta": {
"title": "WanVideo VACE Start To End Frame"
}
},
"108:74": {
"class_type": "GetImageSizeAndCount",
"inputs": {
"image": [
"108:71",
0
]
},
"_meta": {
"title": "Get Image Size & Count"
}
},
"108:8": {
"class_type": "CLIPTextEncode",
"inputs": {
"clip": [
"108:33",
0
],
"text": [
"108:80",
0
]
},
"_meta": {
"title": "CLIP Text Encode (Prompt)"
}
},
"108:80": {
"class_type": "JoinStrings",
"inputs": {
"delimiter": " ",
"string1": [
"108:86",
0
],
"string2": [
"108:61",
0
]
},
"_meta": {
"title": "Join Strings"
}
},
"108:81": {
"class_type": "ImageResizeKJv2",
"inputs": {
"crop_position": "center",
"device": "cpu",
"divisible_by": 32,
"height": 0,
"image": [
"108:120",
0
],
"keep_proportion": "resize",
"pad_color": "0, 0, 0",
"upscale_method": "lanczos",
"width": 1280
},
"_meta": {
"title": "Resize Image v2"
}
},
"108:82": {
"class_type": "ImageResizeKJv2",
"inputs": {
"crop_position": "center",
"device": "cpu",
"divisible_by": 32,
"height": [
"108:81",
2
],
"image": [
"108:121",
0
],
"keep_proportion": "crop",
"pad_color": "0, 0, 0",
"upscale_method": "lanczos",
"width": [
"108:81",
1
]
},
"_meta": {
"title": "Resize Image v2"
}
},
"108:86": {
"class_type": "PrimitiveString",
"inputs": {
"value": "FLW,"
},
"_meta": {
"title": "Text"
}
},
"108:9": {
"class_type": "CLIPTextEncode",
"inputs": {
"clip": [
"108:33",
0
],
"text": ""
},
"_meta": {
"title": "CLIP Text Encode (Prompt)"
}
},
"108:96": {
"class_type": "LoadAudio",
"inputs": {
"audio": "ddc03eca36d627c209d416a515328420b2b52411ac4108498843d0316a22bb8c.mp3"
},
"_meta": {
"title": "Load Audio"
}
},
"108:98": {
"class_type": "LTXVAudioVAEEncode",
"inputs": {
"audio": [
"108:96",
0
],
"audio_vae": [
"108:6",
0
]
},
"_meta": {
"title": "LTXV Audio VAE Encode"
}
}
})
# run() also passes api_key to the partner nodes in this workflow.
job = client.run(workflow, api_key=api_key)الأسئلة والأجوبة
للحفاظ على الاتساق الزمني. تشغيل الاستدلال على كامل نطاق الإطارات يساعد على ثبات الشكل وتقليل التغيرات المفاجئة قبل التسليم وبعده. إذا كنت تريد تشغيلًا أسرع، اقتطع المدخلات إلى النطاقات الضرورية فقط، وقلّل الدقة/FPS، أو قصّر المقاطع.
جرّب زيادة مدة الانتقال، وخفض تأثير/قوة LoRA، وتثبيت seed للحصول على نتائج قابلة للتكرار. ضع القطع حول إطارات ذات تكوين متقارب (زاوية كاميرا، حجم الموضوع)، وتأكد من أن المدخلين بنفس الدقة وFPS.
تتغير المتطلبات حسب الدقة وطول المقطع ومدة الانتقال. ابدأ بمقاطع قصيرة ودقة متوسطة لتقييم الأداء. التسلسلات الأطول أو دقات HD+ تستفيد من GPUs بذاكرة VRAM أكبر؛ وإذا وصلت للحدود، قم بتصغير الدقة أو تقصير نطاق الإطارات.
تقوم SaveVideo بإخراج فيديو صامت. إذا احتجت الصوت، صدّر الفيديو ثم أعد إرفاق الصوت من أحد المقاطع المصدر (أو مسار موسيقي) في محرر الفيديو.