這個 ComfyUI 工作流程使用 LTX 2.3 影片擴散模型與 SYSTMS FLW 轉場 LoRA，在兩段來源片段之間建立連貫、由文字引導的轉場。MODELS 群組透過 DiffusionModelLoaderKJ 載入 transformer-only 的 LTX 2.3 主幹，搭配 VAELoaderKJ 載入相符的 VAE，並使用 LoraLoaderModelOnly 套用 FLW LoRA，讓模型偏向自然、流動感的鏡頭切換。提示詞使用 CLIPTextEncode 編碼（可選用 Gemini 節點自動產生），再透過 LTXVConditioning 與 LTXVAddGuide 引導轉場內容與風格。
在底層，工作流程會在 EmptyLTXVLatentVideo 分配時間軸，用 LTXVSeparateAVLatent 與 LTXVConcatAVLatent 管理 A/V 潛空間串流，並使用 SolidMask 與 SetLatentNoiseMask 將去雜訊局部化到交接區域。取樣由 SamplerCustomAdvanced 搭配 CFGGuider、KSamplerSelect、BasicScheduler 與 RandomNoise 處理，以確保可重現性。推論後，VAEDecode 重建影格，VHS_VideoCombine 組裝成最終影片。LTXVCropGuides 提供構圖引導，協助在鏡頭間保持主體對齊，讓模型產生更乾淨、更可信的變形轉場。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
