1. 在低 VRAM 情況下執行 ComfyUI LTX 2.3 的設定 [1]

thumbnail 本節說明如何在低 VRAM 環境下設定 ComfyUI LTX 2.3，以避免記憶體不足錯誤並確保穩定運行。

1.1. 啟用積極記憶體節省模式 [9]

  1. 為了在 ComfyUI 中啟用積極記憶體節省模式，需要新增特定的啟動指令 [9]
    1. 啟動 ComfyUI 時，除了 python main.py，還需新增 low VRAM 指令 [10]
    2. 接著，新增 reserve VRAM 102，這會保留 1 到 2 GB 的記憶體供 Windows 使用，防止電腦崩潰 [11]
      1. 舉例來說，如果 GPU 有 32 GB，可以設定 reserve VRAM 24，為 ComfyUI 留下 8 GB 的記憶體 [14]
    3. 為了減少快取記憶體使用，新增 cache LRU 10 [16]
    4. 最後，新增 preview method TAESD 以建立輕量級的影像預覽 [18]
      1. 如果仍然遇到記憶體不足錯誤，可以將其更改為 preview method none 以節省更多記憶體 [19]
  2. 對於 ComfyUI 的可攜式版本，這些指令可以直接貼到 run NVIDIA GPU bat 檔案中 [20]

2. 最佳化模型與修補程式以節省 VRAM [23]

thumbnail

本節介紹如何選擇最佳化的模型並應用修補程式，以在 ComfyUI LTX 2.3 中大幅節省 VRAM。

2.1. 選擇節省 VRAM 的模型 [23]

  1. 使用 distilled 1.1 Q4 KM 模型，因為它不需要載入額外的 Laura 檔案，能節省大量 VRAM [23]
  2. 在雙剪輯載入器中，載入 Gemma 3 GGUF 檔案 [25]
    1. 選擇 GGUF 版本是因為它能將龐大的 AI 模型壓縮到僅 6.14 GB，使其適用於低 VRAM 環境 [27]
  3. 載入 LTX 2.3 文字投影檔案，其大小約為 2.31 GB [29]
  4. 這些模型總計約 23 GB [30]

2.2. 應用低 VRAM 修補程式與 LTX nag 節點 [31]

  1. 工作流程中包含一個「低 VRAM 修補程式群組」[31]
    1. 載入的模型會經過 Sage attention、memory efficient attention 和 chunk feed forward patches 處理 [32]
    2. 這些節點在影片生成過程中能有效降低記憶體峰值使用量 [33]
  2. 使用 LTX nag 節點來增強負面提示的效果 [34]
    1. 這個節點能讓 AI 更有效地避免生成不良解剖結構、奇怪的文字和偽影 [37]
    2. 透過這個簡單的節點，最終影片的品質會更好 [38]

3. 提示設定與兩階段影片生成 [39]

thumbnail

本節說明如何設定提示、選擇影片解析度，以及使用兩階段生成方法來最佳化低 VRAM 環境下的影片生成過程。

3.1. 提示設定與影片解析度 [39]

  1. 提示部分包含一個「旁路器群組」，允許使用者手動輸入提示或使用提示中繼選項 [40]
  2. 影片尺寸設定應直接以純文字輸入數值，避免使用額外的自訂解析度節點，因為每個額外節點都會消耗有限的 VRAM [44]
    1. 對於 8GB GPU，建議從 480x832 的解析度開始 [47]
    2. 影片設定為 10 秒，每秒 24 幀 [49]
    3. 如果需要進一步節省 VRAM，可以降低這些數值 [50]

3.2. 兩階段影片生成方法 [51]

  1. 影片生成分為兩個階段，以確保在低 VRAM 環境下第一階段能安全運行 [51]
    1. 第一階段完成前六個步驟 [53]
    2. 第二階段完成接下來的兩個步驟 [54]
    3. 建議先繞過第二階段和升頻器，測試第一階段是否成功 [56]
  2. 實際測試顯示，載入文字編碼器模型約佔用 3.7 GB VRAM，提示部分約佔用 5.6 GB [58]
    1. 在第一階段生成時，VRAM 會飆升至約 8.1 GB [62]
    2. 完成前六個步驟約需 44 秒，之後 VRAM 會降回約 3.6 GB [64]
  3. 啟用第二階段後，由於正確的快取設定，生成會從第一階段結束處繼續 [66]
    1. 第二階段約佔用 8 GB VRAM，最後兩個步驟約需 15 秒 [70]
    2. 整個影片生成過程約需 1 分鐘 [71]

4. 安全地升頻影片與生成範例 [72]

thumbnail

本節說明如何避免內建升頻器的高 VRAM 消耗，並提供一個更有效率的替代方案，同時展示此工作流程生成的影片範例。

4.1. 避免內建升頻器並使用 RTX 影片超解析度節點 [72]

  1. 啟用內建升頻器會導致 VRAM 飆升至約 14 GB，雖然 8GB GPU 仍能運行，但會大幅延長影片完成時間 [72]
  2. 建議的替代方法是先下載生成的影片，然後將其重新載入 ComfyUI，並使用 RTX 影片超解析度節點 [77]
    1. 這個節點能安全地升頻影片，即使設定為超高品質，也僅需約 3 到 4 GB 的 VRAM [79]
    2. 升頻過程約需 30 秒，對於低 VRAM 電腦來說，這比等待 14 GB 記憶體峰值更有效率 [81]

4.2. 工作流程生成的影片範例 [83]

  1. 第一個範例展示一位女孩唱歌的影片，具有高度真實的攝影機運動和出色的品質，整個場景約在 1 分鐘內生成 [84]
  2. 第二個範例展示一位老人在火車經過車站時吸菸的場景，影片精確地呈現了火車經過時風推動煙霧的物理效果 [88]
    1. 儘管仔細觀察會發現一個微小的物理問題，但整體結果看起來非常棒 [92]