我一直在關注 AI 影片生成的進化，如果你也和我一樣，在各種模型之間反覆橫跳，你一定深有體會：想要高品質的畫面，往往就得犧牲生成速度；想要音畫同步，操作流程又極其複雜。
但今天，我想告訴你，遊戲規則改變了。
Lightricks 剛剛發佈了 LTX-2.3，這不僅僅是一個小版本的迭代，它透過一個統一的節點架構，將文生影片、圖生影片和音訊驅動影片整合在了一起。更重要的是，它在 ComfyUI 裡的表現非常強。
如果你想製作高品質的數位人，或者更穩定地生成有電影感的短片，這套工作流值得你認真研究。
為什麼 LTX-2.3 值得關注？
在進入實操之前，先看清楚 LTX-2.3 到底升級了什麼。基於社群回饋，Lightricks 這次不是簡單補丁，而是對底層能力做了比較完整的重構。
1. 細節明顯更銳利
官方重建了潛空間，並訓練了新的 VAE。這帶來的直接變化是：髮絲、皮膚紋理、服裝邊緣，甚至畫面裡的文字，都比過去更容易保持清晰，塑膠感和糊感明顯減輕。
2. 提示詞理解能力更強
它的提示詞連接器擴大到了原來的 4 倍，意味著模型對複雜空間關係和風格指令的理解更扎實。像「左邊站著一個男孩，右邊蹲著一隻貓」這種描述，模型的執行穩定性會高很多。
3. 圖生影片不再容易「假動」
過去很多 I2V 工作流會出現一個老問題：畫面看起來像投影片，人物幾乎不動，或者只是簡單縮放。LTX-2.3 對運動邏輯的處理更自然，動作連續性和鏡頭感都更好。
4. 原生支援豎屏
它支援原生的 1080x1920 直式生成，這對短影片創作者非常重要。不是先做橫屏再硬裁，而是從一開始就按豎屏結構生成，構圖更合理。
如何在 ComfyUI 中跑通 LTX-2.3
如果你準備在 ComfyUI 裡真正把它用起來，我建議你按下面這個順序理解。
第 1 步：先準備核心模型
你至少需要準備基礎檢查點，而且我建議兩個版本都下好：
- Dev 版：適合追求更高品質，通常可以從
CFG 4、20 steps開始測試。 - Distilled 版：適合追求生成速度，通常
CFG 1、8 steps就能很快出結果。
除此之外，別忘了對應的 Video VAE 和 Audio VAE。如果你後面要做音訊驅動影片，這兩個元件不是可選項，而是工作流穩定運行的關鍵。
第 2 步：理解統一工作流的切換方式
LTX-2.3 真正厲害的地方，不只是品質提升，而是它把多種影片生成方式納入了同一個工作流邏輯。
在 ComfyUI 裡，你基本可以透過幾個開關完成模式切換：
- 想做 T2V：關閉 I2V 和 Custom Audio，只讓模型按 Prompt 生成。
- 想做 I2V：開啟 I2V，上傳參考首幀，讓模型圍繞原始圖像延展動作。
- 想做 A2V / Talking Avatar：開啟 Custom Audio，上傳你的配音檔，讓模型根據音訊驅動角色口型和表情。
如果你之前被不同模型、不同節點鏈路搞得很亂，那麼你會立刻理解這種統一結構的價值：不是每做一種任務就換一套系統，而是在一套熟悉的工作流裡切模式。
第 3 步：學會兩階段採樣
這一步很實用，也很容易被忽視。
在這個工作流裡，你可以先用半解析度生成初始影片，先確認動作、構圖和節奏沒有跑偏；然後再透過 LTX-2.3 Spatial Upsampler 做 2 倍潛空間放大。
這樣做的核心收益很簡單：
- 前期試錯更快
- 渲染時間明顯縮短
- 最終細節損失相對可控
對大多數人來說，這比一上來就全解析度硬跑更理性。你真正要優化的不是單次出圖參數，而是整套創作閉環的效率。
做數位人時，為什麼這套方案特別有吸引力？
如果你的目標是 Talking Avatar，LTX-2.3 在 ComfyUI 裡的優勢會更明顯。
傳統數位人流程最大的問題，不是「不能做」，而是鏈路太碎。你往往要先處理音訊，再分離人聲，再做嘴型驅動，再補動作一致性，最後還要回頭修清晰度。每多一層模組，就多一層不穩定。
而 LTX-2.3 的統一架構，至少把這件事往「可控生產流程」推進了一步。尤其是結合類似 Mel-Band Roformer 這樣的人聲處理節點後，整個音訊驅動流程會順很多。
這不代表它已經完美，但它確實比過去更接近「能反覆穩定複現」的生產工具。
Prompt 怎麼寫，效果差距最大？
這裡我給你一個非常直接的建議：不要只寫畫面主體，要把動作和鏡頭語言一起寫進去。
LTX-2.3 的理解能力上來之後，Prompt 的上限也被抬高了。你如果還停留在「一個人在街上走」的描述方式，模型當然也只能給你一個相對平的結果。
更有效的寫法是這樣：
一個穿著棕色夾克的男人在雨後的紐約街頭狂奔，背景是虛化的霓虹燈，鏡頭快速後退並持續跟隨，地面反射出潮濕的燈光，整體呈現電影感手持攝影風格。
這種 Prompt 的重點不是堆砌形容詞，而是同時交代：
- 主體是誰
- 場景是什麼
- 動作怎麼發生
- 鏡頭怎麼運動
- 整體氛圍是什麼
當模型對這些維度都能理解時，輸出自然會比「關鍵詞拼盤」更像一條真正的影片鏡頭。
我的實戰建議
如果你準備真正把它用起來，我建議你這樣開始：
- 先用 Distilled 版快速試構圖和動作。
- 畫面方向確定後，再切到 Dev 版追品質。
- 預設把兩階段採樣當成工作流標準配置，而不是補救手段。
- 做數位人時，優先保證音訊品質和首幀品質，因為這兩項最直接影響最終穩定性。
很多人做 AI 影片時容易陷入一個誤區：不停換模型，卻不優化流程。LTX-2.3 給你的真正價值，不只是「更強了」，而是它讓你有機會把工作流固定下來。
結論
LTX-2.3 在 ComfyUI 上的表現說明了一件事：AI 影片正在從「偶爾能出驚喜」的玩具，走向「可以系統生產」的工具。
它把視覺、動作和音訊三件原本分散的事情，盡量壓進同一個工作流裡。對創作者來說，這種統一性比單純再高一點畫質更重要。
如果你對 AI 影片生成感興趣，尤其想做數位人、短片或者直式內容，那麼這套 ltx 2.3 comfyui 工作流值得你親自跑一遍。你很可能會發現，過去需要多套工具拼起來的事情，現在第一次真正有了統一解法。
更快的路線：直接在瀏覽器使用 LTX Video 2.3
當然，不是每個人都想先花時間接節點、下載模型、再慢慢調 ComfyUI 工作流，才開始驗證自己的想法。
如果你想走一條更快的路線，可以直接使用 ltx23.app。它讓你在瀏覽器裡就能體驗 LTX 2.3，不需要先把整套本地環境完整搭好。
我的建議很簡單：如果你需要更深的控制力、更多自訂節點，以及更偏生產級的工作方式，就用 ComfyUI；如果你只是想快速測試 prompt、驗證創意方向，或者更輕量地拿到可用結果，那就直接去 ltx23.app。
