此 ComfyUI 工作流程可將文字提示轉換為短片，採用 LTX-0.9.5 文生影片模型。流程會用 CheckpointLoaderSimple 與 CLIPLoader 載入模型與文字編碼器，並透過 CLIPTextEncode 將正向與負向提示詞轉為嵌入向量。這些向量經 LTXVConditioning 處理，讓模型能根據文字描述生成時序連貫的動態。
接著，EmptyLTXVLatentVideo 定義影片畫布（影格數、寬高、FPS、種子），LTXVScheduler 與自訂取樣器區塊（SamplerCustom + KSamplerSelect）負責全影格去雜訊。取樣後，VAEDecode 將潛在影格還原為 RGB 圖像，CreateVideo 組合影格為影片，SaveVideo 輸出檔案。流程分為明確步驟（Step1 - 載入模型、Step2 - 影片尺寸、Step3 - 提示詞、自訂取樣器），方便調整模型、解析度、時長與取樣。
此流程的優勢在於每個階段都能精細控制：描述性提示詞（CLIPTextEncode）決定內容與動態；EmptyLTXVLatentVideo 精確設定時長與比例；種子與取樣器（KSamplerSelect）確保可重現性。作者建議 LTX-0.9.5 需長且細緻的提示詞，簡短描述易產生品質較差的影片，建議詳述主體、動作、場景與鏡頭運動以獲最佳效果。
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 "LTXV 文字轉影片" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("ltxv_text_to_video_api.json");
wf.setInput("6", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("79")[0].toFile("output.png"); // SaveVideoSDK 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
