LTX 2.3 Image : des checkpoints image dans ComfyUI
Une nouvelle PR ComfyUI ajoute un chemin LTXV 2.3 uniquement image, avec des checkpoints 13B Dev et Distillé, un échantillonnage 8 étapes sans CFG et des builds convrot int8.
LTX 2.3 a été jusqu'à présent un modèle vidéo et audio, mais il s'avère que la même architecture permet un générateur d'images fixes performant. Une nouvelle demande de fusion contre ComfyUI par elismasilva ajoute un chemin de modèle dédié uniquement image (ltxv_image) pour les checkpoints LTXV 2.3, et un dépôt Hugging Face compagnon livre quatre checkpoints safetensors unifiés élagués pour le texte vers image.
LTX 2.3 : le modèle fondamental audio-vidéo dont les checkpoints uniquement image sont élagués
Ce que la PR ajoute
La demande de fusion achemine les checkpoints LTXV 2.3 uniquement image via une nouvelle paire LTXVImage / LTXVImageModel, sélectionnée uniquement lorsque les métadonnées du checkpoint indiquent le modèle comme image_model="ltxv_image". Le chemin vidéo LTX existant reste intact et continue d'instancier le LTXVModel actuel. Au-delà du chargeur, la PR apporte également :
- Attention à porte optionnelle dans les blocs transformateurs LTXV (désactivée par défaut).
- Routage de perturbation STG par bloc pour l'auto-attention LTXV.
LTXVGuidanceRescale, un nouveau nœud implémentant un recalage de guidance style Diffusers.- Deux plans :
Texte vers image (LTX-2.3 Image Dev)etTexte vers image (LTX-2.3 Image Distillé), enregistrés sousGénération et édition d'images/Texte vers image.
La PR est ouverte depuis le 28 août 2026 et n'a pas encore été fusionnée. Jusqu'à ce que le chemin ltxv_image arrive en amont, les checkpoints peuvent être testés sur la branche ComfyUI de l'auteur.
Les checkpoints
Les quatre fichiers dans elismasilva/ltx2.3-image-comfyui sont dérivés de la famille LTX 2.3 de Lightricks, élagués pour supprimer les chemins d'exécution vidéo et audio. Aucun nouvel entraînement n'est impliqué : les poids sont convertis en checkpoints ComfyUI unifiés et placés dans models/checkpoints/.
| Fichier | Variante |
|---|---|
ltx-2.3-13b-image-dev.safetensors | Dev, bf16 |
ltx-2.3-13b-image-distilled.safetensors | Distillé, bf16 |
ltx-2.3-13b-image-dev-convrot-int8.safetensors | Dev, convrot int8 quantifié |
ltx-2.3-13b-image-distilled-convrot-int8.safetensors | Distillé, convrot int8 quantifié |
Le nom 13b fait référence à la taille effective après élagage du paquet LTX 2.3 original plus grand. Les builds convrot int8 sacrifient une certaine fidélité pour une utilisation VRAM réduite.
Paramètres suggérés
La carte du modèle donne des points de départ pour chaque variante :
| Dev | Distillé | |
|---|---|---|
| Étapes | 20 à 40 | 8 |
| CFG | 3.0 à 5.0 | 1.0 (sans CFG) |
| Échelle PAG | ~0.8 (optionnel) | ~0.8 (optionnel) |
| Recalage guidance | ~0.7 (optionnel) | ~0.7 (optionnel) |
Les deux plans de la PR exposent le prompt, la résolution, les étapes, la guidance, et les contrôles PAG / recalage-guidance, donc les paramètres ci-dessus correspondent directement aux flux de travail livrés.
ltxv_image provenant de la PR #15953 ou de la branche ltxv-image-only de l'auteur. Ils ne se chargeront pas sur l'actuel ComfyUI en amont tant que la PR n'est pas fusionnée.
Pourquoi un chemin image pour un modèle vidéo
Le LTX-2.3 de Lightricks est un modèle fondamental audio-vidéo conjoint, et l'élagage uniquement image suit la même direction que d'autres familles vidéo : retirer les poids temporels et audio, conserver le prior spatial, et vous obtenez un checkpoint texte vers image rapide qui hérite de l'adhérence au prompt du modèle de base. Pour les utilisateurs ComfyUI exécutant déjà LTX 2.3 pour la vidéo, les checkpoints image réutilisent le même encodeur de texte et les mêmes conventions de chargement, donc essayer le texte vers image coûte peu de plus qu'un téléchargement de checkpoint. Si la PR fusionne, LTX 2.3 couvrira les images fixes et la vidéo à l'intérieur de ComfyUI core sans paquets de nœuds supplémentaires.
Commentaires
Connectez-vous avec GitHub pour rejoindre la discussion.