此 ComfyUI 工作流程以 LTX-2.3 影片模型為核心，將單張參考圖片轉為短篇、連貫的影片片段，動作與風格可控。你上傳的首格（First Frame 群組的 LoadImage）作為強力視覺錨點，也可選擇在 Last Frame 群組混入結尾參考，並用自然語言提示詞引導場景。文字條件由 CLIPTextEncode 與 LTXAVTextEncoderLoader（Conditioning 群組）處理，LTXVAddGuide 則將參考畫格融合進模型條件流。
流程中，EmptyLTXVLatentVideo 依你設定解析度、畫格數與 FPS 建立影片潛在空間。RandomNoise 決定生成種子，取樣由 SamplerEulerAncestral 執行，CFGGuider 與 ManualSigmas 排程確保動作穩定一致。LTXVConcatAVLatent 將影片潛在空間與音訊潛在空間（預設 LTXVEmptyLatentAudio，為靜音）配對，輸出為標準影音容器。最終畫格由 VAEDecodeTiled 高效解碼，SaveVideo 寫入磁碟。GetImageSize、LTXVCropGuides 等輔助節點協助主體構圖，LTXVPreprocess 將輸入圖片正規化至模型預期空間。最終可快速將單張圖片轉為流暢、風格一致的影片片段。
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 "LTX-2.3：FLF2V" (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("video_ltx2_3_flf2v_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("39", "image", asset); // LoadImage
const job = await client.run(wf);
await job.getOutputs("68")[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
