本 ComfyUI 工作流可将文本提示转为短视频，采用 LTX-0.9.5 文生视频模型。流程从 CheckpointLoaderSimple 和 CLIPLoader 加载模型和文本编码器开始，再用 CLIPTextEncode 将正向和负向提示词转为嵌入向量。LTXVConditioning 将嵌入适配为视频条件，使模型能根据文本描述生成时序连贯的运动。
随后，EmptyLTXVLatentVideo 定义视频画布（帧数、宽高、FPS、种子），LTXVScheduler 和自定义采样器块（SamplerCustom + KSamplerSelect）驱动所有帧的去噪采样。采样后，VAEDecode 将潜变量帧转为 RGB 图像，CreateVideo 合成帧序列为视频，SaveVideo 保存到磁盘。工作流分为清晰的步骤组（Step1 - 加载模型、Step2 - 视频尺寸、Step3 - 提示词、自定义采样器），便于随时调整模型、分辨率、时长和采样参数。
本工作流的优势在于每一步都可控：通过 CLIPTextEncode 详细描述内容和运动；EmptyLTXVLatentVideo 精确设定时长和比例；采样器和种子保证结果可复现。作者建议 LTX-0.9.5 适合长、细致的提示词，简短提示往往效果较弱，建议详细描述主体、动作、场景和镜头运动以获得最佳质量。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "LTXV 文生视频" (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 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
