LTX-2.5 Native Resolution：在 ComfyUI 中进行分块 4K 与 8K 视频编辑
Lightricks 的 Native Resolution 通过 Tiled Fusion 将 LTX-2.5 的 4K 和 8K 视频编辑带入 ComfyUI，并新增 Refine 和 Restore 两个 IC-LoRA。
一段通过 LTX-2.5 Native Resolution 工作流处理的 1080p 素材。来源：LTX.io 在 X 上。
在此之前，让 IC-LoRA 处理远超其训练窗口的分辨率，要么意味着一次性采样整个画布并耗尽 VRAM，要么分别生成若干分块再拼接最终结果，而这样会留下接缝。Tiled Fusion 改为在一条共享的去噪轨迹内部应用这些分块，这正是让 Full HD、4K 和 8K 可在同一个工作流中选择的原因。
Native Resolution 工作流的发布宣传片。
两个新的 ComfyUI 工作流
LTX 视频节点包在 2026 年 9 月 29 日新增了两个示例图（PR #570）：
| 工作流 | 功能 |
|---|---|
LTX-2.5_V2V_TiledFusion_Upscale.json | 一次完成细节精修与图像放大。片段会先调整大小到所选的输出尺寸，然后使用 Refine Details 适配器运行八个融合步骤，采用 tile_size（qHD、HD 或 FullHD）分块。 |
LTX-2.5_V2V_TiledFusion_Native_4K_8K.json | 完整的阶梯流程。先在初始画布尺寸下进行全画幅构图处理，然后进行 Latent 放大到所选的 4K 或 8K 输出，最后执行分块精修。 |
两个图与其他 LTX-2.5 示例共用相同的子图布局（Load Models、Inputs、Preprocess、Generate、Decode）。Preprocess 内新增的 Get Tiling Sizes 节点负责管理三个尺寸预设：tile_size、initial_canvas_size 和 output_size。它会输出符合模型要求的画布，即尺寸为 32 的倍数、帧数为 8n+1。
Tiled Fusion 的工作原理
LTXVTiledFusionSampler 与现有的 LTXVTiledSampler 是不同的节点，两者不可互换。LTXVTiledSampler 独立采样并混合各个分块。而融合采样器保持一个 Latent 画布和一个噪声场，在每一个去噪步骤对重叠裁剪区域运行模型，并将经过步骤处理的分块以高斯混合方式回贴到画布上。由于这些分块共享同一条轨迹，因此不会像拼接已完成分块那样形成接缝。
因此，峰值 VRAM 取决于实际参与步骤处理的空间分块尺寸和时间窗口，而不是整块画布。喂给采样器的引导 Latent 必须来自 IC-LoRA 引导节点，因为它携带了追加的引导帧以及采样器自行裁剪时所用的噪声遮罩。
采样器的图结构如下：
UNET + IC-LoRA
Gemma CLIP → CLIPTextEncode (pos / neg)
guide frames → LTX Add Video IC-LoRA Guide
KSamplerSelect (euler / heun / ...) → SAMPLER
Manual Sigmas (descending, ending at 0)
│
▼
LTXV Tiled Fusion Sampler → LATENT → VAE Decode (tiled)Native Resolution 阶梯流程
4K/8K 图分两个阶段运行：
- 构图。 源视频被调整大小到
initial_canvas_size，一次全画幅处理在整帧纳入上下文的情况下建立构图。发布的工作流在此阶段选择ltx-2.5-22b-ic-lora-day-to-night-0.9.safetensors。 - 精修。 使用
ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors放大 Latent，在 8K 路径上应用两次，然后 Tiled Fusion 以空间分块运行精修处理。第二阶段使用全新的外观与风格提示词，选择ltx-2.5-22b-ic-lora-refine-details-1.0.safetensors，并将调整到输出尺寸的原始片段作为新的引导附加进来。
源音频在生成期间被编码并保持固定，然后解码并重新封装到保存的视频中，因此原有的声音在放大后依然保留。
一段 HD 素材经过该工作流处理，并以 8K EXR 交付到 Nuke。来源：LTX.io 在 X 上。
分块处理并不能替代构图处理。当一个适配器需要在一块远超其训练窗口的画布上建立全新的整体观感时，仍然要靠全画幅阶段来完成这项工作。
关键设置
| 输入 | 说明 |
|---|---|
tile_width / tile_height | IC-LoRA 训练时的空间窗口，以像素为单位，必须是 32 的倍数。分块过小会让内容以错误的缩放比例呈现。 |
overlap_frac | 保持 0.5 或更高。低于该值时，结构化内容上会出现周期性网格。 |
blend_var | 高斯重叠方差。默认 0.05。 |
grid_cycle | 1 表示固定网格，开销最低；4 表示在各步骤间偏移网格。仅影响空间。 |
tile_frames | 以像素帧为单位的时间窗口，LTX 为 97。需要在引导节点上启用 use_streaming 并设置相同的值。 |
| 采样器 | 使用离散步进方法（euler、heun、dpm_2）。dpmpp_2m 和 lms 等历史方法会丢失其多步记忆，自适应采样器无法融合，而祖先类方法会为每个分块添加独立噪声并可能产生接缝。 |
use_tiled_encode | 在引导节点上必须保持为 false。空间分块的引导编码会把网格印入条件。 |
对于长于一个训练窗口的片段，请开启流式处理，并在引导节点和采样器上设置相同的 tile_frames，这样每个时间窗口都会作为独立片段重新编码。
Refine Details 与 Restore
本次发布附带的两个适配器承担不同的任务，二者都可以通过替换 ComfyUI/models/loras/ 中的一个文件，在 Tiled Fusion Upscale 工作流中运行。
- Refine Details（Hugging Face）重建柔和、压缩、生成或已放大的素材中的精细纹理、边缘和颗粒。它按
1024 × 576的采样分块训练，即使是 Full HD 画布也期望使用分块工作流。 - Restore（Hugging Face）清理并为受损档案素材上色：低分辨率拷贝、压缩的广播视频、磁带、棕褐色以及黑白胶片扫描件。它基于 LTX-2.3 训练，其模型卡记录了在未更改的权重上搭配 LTX-2.5 蒸馏 transformer、视频 VAE 和 Gemma-4 文本编码器进行的测试。推荐画布为：4:3 素材使用
1440 × 1056或1440 × 1088，16:9 素材使用1920 × 1088，采样分块为960 × 544。
对于档案素材，顺序很重要：先运行 Restore，然后可选地用 Refine Details 达到交付分辨率。先精修会把损伤也锐化，并降低推断出的色彩。隔行或电视电影转换的素材在任一处理之前必须先做去隔行。
局限
Lightricks 明确表示，这些都是生成式工具。Restore 合成看似合理的颜色与细节，而不是逐像素恢复源素材，因此重建出的文字、人脸和物体属于演绎，并非历史记录。Refine Details 重建纹理，并不保证文字或身份的忠实保留。
在 8K 路径上，Refine Details 模型卡推荐一种渐进路线：先精修到 4K，用 Lanczos 把该结果调整大小到 8K，然后再执行一次可选的温和第二遍处理。直接进行 8K 处理会让每个分块处于比该适配器训练时更大的缩放比例，可能凭空生成纹理。Full HD、4K 和 8K 都可以在尺寸选择器中选择，但该选择器并不构成性能保证，峰值 VRAM 和运行时间仍需要在目标硬件上进行基准测试。
可用性
采样器和尺寸节点位于官方 ComfyUI-LTXVideo 节点包中，因此除了更新该节点包外无需单独安装。工作流位于 example_workflows/2.5/，第一阶段使用的 day-to-night 适配器来自 LTX-2.5-22b-IC-LoRA-Day-To-Night。
两个新适配器以及其余版本匹配的模型栈都在 Hugging Face 上，而 Lightricks 的模型仓库设有访问限制，因此必须先申请并获得授权才能下载。工作流的 Model Links 说明列出了每个图所需的确切文件。
评论
使用 GitHub 登录后即可参与讨论。