【免費(fèi)下載鏈接】LTX-2.5-22b-IC-LoRA-Refine-Details項(xiàng)目地址https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5-22b-IC-LoRA-Refine-Details點(diǎn)擊查看免費(fèi)下載LTX-2.5-22b-IC-LoRA-Refine-Details 是基于 LTX-2.5-22B 底模的視頻細(xì)節(jié)重制 IC-LoRA 適配器喂入一段發(fā)糊、壓縮過或放大的視頻它能逐幀重建紋理、邊緣與顆粒感把 1080p 素材直接細(xì)化到 4K。本文給出一份開箱即用的參數(shù)設(shè)置清單——8 步推理、LoRA 強(qiáng)度 1.0、引導(dǎo)強(qiáng)度 1.0——幫新手第一次運(yùn)行就拿到可用的成片效果。 30秒看懂這個(gè)模型做什么以源視頻本身作為參考幀對齊重建高頻細(xì)節(jié)不改構(gòu)圖、曝光和色彩核心能力1080p → 4K 一次通過8K 走兩步階梯長視頻流式分窗不做什么不修復(fù)色彩、不上色老片請先用 Restoration IC-LoRA、不能一步生成原生 8K 級細(xì)節(jié)模型文件ltx-2.5-22b-ic-lora-refine-details-1.0.safetensorsstep 3000 最終權(quán)重任務(wù)類型為 video-to-video官方演示效果可參考倉庫內(nèi)示例視頻森林溪流對比、霓虹小巷對比。 核心參數(shù)設(shè)置清單照抄即可參數(shù)推薦值說明LoRA 強(qiáng)度strength / weight1.0官方訓(xùn)練目標(biāo)權(quán)重勿隨意調(diào)低推理步數(shù)8 步使用蒸餾 sigmas1.0, 0.99375, 0.9875, 0.98125, 0.975, 0.909375, 0.725, 0.421875, 0.0采樣器euler與蒸餾 sigmas 配套引導(dǎo)強(qiáng)度guidance / cfg1.0蒸餾模型不需要高 cfg參考下采樣因子downscale factor1參考視頻與輸出畫布 1:1分塊尺寸tile1024x576豎版 576x1024訓(xùn)練桶尺寸最接近訓(xùn)練分布分塊重疊overlap0.5不要低于 0.5否則周期紋理會(huì)相位斷裂融合方差blend variance0.05每步高斯融合接縫不可見網(wǎng)格循環(huán)grid cycle1默認(rèn)即可輸出畫布32 的倍數(shù)如 3840x21761920x1080 源可直接細(xì)化到 3840x2176幀數(shù)8n149 / 97 / 121 / 241…超過約 240 幀用 97 幀流式窗口VAE 解碼分塊解碼1024 px、128 重疊、時(shí)間向 256防止顯存爆炸 關(guān)鍵點(diǎn)任何輸出尺寸都要走分塊流程Full HD 也不例外。1920x1088 畫布正好是 3x3 個(gè) 1024x576 分塊單塊直通反而會(huì)讓 LoRA 離開訓(xùn)練桶效果更差。 ComfyUI 推薦配置流程把 LoRA 權(quán)重文件 復(fù)制到 ComfyUI 的models/loras目錄加載官方的LTX-2.5_V2V_TiledFusion_Upscale工作流Tiled Fusion 分塊放大流程它會(huì)自動(dòng)加載 LTX-2.5 蒸餾 transformer、Gemma-4 12B 文本編碼器、LTX-2.5 視頻 VAE以及以1.0強(qiáng)度加載的本 LoRA并用LTXVTiledFusionSampler跑 1024x576 分塊視頻拖入LoadVideo設(shè)置output_sizeFullHD / 4K / 8K寫一段外觀與風(fēng)格提示詞運(yùn)行工作流的 Preprocess 組會(huì)先用 lanczos 把視頻放大到輸出尺寸再作為 guide 喂入——模型永遠(yuǎn)看不到小原片這一步別跳過自建節(jié)點(diǎn)圖的順序是lanczos 放大到輸出畫布32 的倍數(shù)→LTXAddVideoICLoRAGuidelatent_downscale_factor1→LTXVTiledFusionSampler1024x576 分塊、overlap 0.5、blend 0.05、cfg 1.08 步蒸餾 sigmas→LTXICLoRALoaderModelOnlystrength 1.0→VAEDecodeTiled。 分辨率與幀數(shù)怎么定4K 是 1080p 源的最佳落點(diǎn)1080p → 3840x2176 一次通過121 幀約 22 分鐘RTX PRO 60008K 必須走階梯先細(xì)化到 4K → lanczos 放大到 8K → 可選輕第二次 pass。一步?jīng)_ 8K 時(shí)1024x576 窗口只覆蓋畫面 13%是訓(xùn)練尺度的 2 倍模型會(huì)開始編造紋理瓜會(huì)換位、招牌文字會(huì)變長視頻超過約 240 幀或顯存緊張時(shí)在 guide 節(jié)點(diǎn)開啟use_streamingtile_frames設(shè) 97采樣器同步設(shè) 97即可 97 幀窗口滾動(dòng)處理參考幀數(shù)要求兩邊都是 32 的倍數(shù)幀數(shù) 8n11920x1080 源建議細(xì)化到 3840x2176或先裁剪成 1920x1056?? 提示詞寫法只描述渲染不描述主體每個(gè)分塊都會(huì)收到完整提示詞所以提示詞要保持通用、圍繞清晰度、紋理、顆粒、光線來寫點(diǎn)名主體反而會(huì)把它畫進(jìn)不含該主體的分塊。推薦正向提示詞sharp photographic detail, crisp natural texture, fine surface detail, clean edges, natural film grain, high resolution footage推薦負(fù)向提示詞blurry, soft, plastic, smeared detail, oversharpened halos, warped facesREADME 示例中還疊加了high resolution footage、溪流場景額外加fog, haze, text負(fù)向項(xiàng)。例外需要按分塊提示主體時(shí)比如修復(fù)嚴(yán)重失真的物體把含該主體的分塊單獨(dú)跑一個(gè)單分塊 pass 并單獨(dú)寫提示詞——生成的視頻用它自己的原始生成提示詞時(shí)同理只作用于含主體的那個(gè)分塊不要整個(gè)畫布通用。? 可選增強(qiáng)-1 token 參考圖產(chǎn)品 / 文字 / 人臉主體在退化后辨識(shí)度低時(shí)招牌文字、logo、人臉可以給模型真身在灰色底圖上放 1~3 張主體原生分辨率裁切用第二個(gè)LTXAddVideoICLoRAGuide以frame_idx-1、強(qiáng)度 1.0 接在視頻 guide 之后參考圖是按分塊生效的參考圖要做成輸出畫布大小把每張裁切放在對應(yīng)主體的位置上方覆蓋該主體的每個(gè)分塊都會(huì)看到它——放錯(cuò)位置會(huì)適得其反官方實(shí)測位置正確恢復(fù)了招牌文字和人臉位置錯(cuò)誤則文字被攪亂參考圖還會(huì)提升整幀高頻細(xì)節(jié)能量所以只用于救主體不要默認(rèn)開啟此路徑要求整片處理use_streaming關(guān)閉?? 常見坑與排查清單現(xiàn)象原因與對策一步?jīng)_到 8K 出現(xiàn)變畫面分塊尺度超出訓(xùn)練范圍改走 4K → 8K 階梯老片/廣播片變干凈但變空模型把中頻碼流損傷當(dāng)噪點(diǎn)抹平先跑 Restoration IC-LoRA 再細(xì)化影院 raw 原片反而更軟模型去掉了它無法重建的傳感器顆粒此類源不適合煙花、海浪泡沫、風(fēng)中樹葉過銳隨機(jī)紋理類過銳是預(yù)期邊界優(yōu)先用描述性提示詞而非降強(qiáng)度文字、logo 變成噪點(diǎn)字形重度退化下模型重畫讀不出的字用 -1 參考圖壓在招牌原位置或單獨(dú)跑該分塊并點(diǎn)名文字最后 1~2 幀細(xì)節(jié)掉約 10%窗口運(yùn)行會(huì)被重疊遮住單段運(yùn)行則墊 8 幀再裁掉成片看起來不如預(yù)期ComfyUISaveVideo約 8 Mbps 的 4K 編碼委屈了結(jié)果改存 latents 重解碼或 PNG 序列編碼另記住一條鐵律放大不會(huì)超過源的上限。焦深大、光線均勻、紋理密的區(qū)域最受益淺景深虛化部分只有 1.0 倍增益驗(yàn)收請看 1:1 焦內(nèi)區(qū)域。 項(xiàng)目文件說明文件用途README.md完整官方文檔訓(xùn)練細(xì)節(jié)、管線原理、推薦設(shè)置、故障排查ltx-2.5-22b-ic-lora-refine-details-1.0.safetensorsstep 3000 最終權(quán)重配合 LTX-2.5 蒸餾 transformer 使用configuration.json模型元信息pytorch / video-to-videoexamples/refine_forest_stream_crop.mp4森林溪流 8K 結(jié)果 1:1 裁剪對比examples/refine_neon_alley_crop.mp4霓虹小巷 8K 結(jié)果 1:1 裁剪對比按這份清單設(shè)置完參數(shù)你應(yīng)當(dāng)?shù)玫揭粋€(gè)與源逐幀對齊、無分塊接縫、細(xì)節(jié)密度可達(dá)普通 lanczos 放大 3 倍的視頻。更多訓(xùn)練與管線細(xì)節(jié)rank 128、1024x576x97 訓(xùn)練桶、留集評測 0.97 細(xì)節(jié)分等見 README.md。贊分享【免費(fèi)下載鏈接】LTX-2.5-22b-IC-LoRA-Refine-Details項(xiàng)目地址https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5-22b-IC-LoRA-Refine-Details點(diǎn)擊查看免費(fèi)下載相關(guān)推薦如何讓老款Mac重獲新生OpenCore Legacy Patcher完整升級指南如何讓老款Mac重獲新生OpenCore Legacy Patcher完整升級指南 還在為蘋果官方不再支持的老款Mac而煩惱嗎OpenCore LegacyIC-LoRA技術(shù)終極解析LTX-2.5-22b-IC-LoRA-Alpha-Gen的Video-to-Video條件機(jī)制與單階段推理設(shè)計(jì)IC LoRA技術(shù)終極解析LTX 2.5 22b IC LoRA Alpha Gen的Video to Video條件機(jī)制與單階段推理設(shè)計(jì) LTX 2.5 2人工智能大模型媒體生成LoRA如何用命令行運(yùn)行LTX-2.5-22b-IC-LoRA-Alpha-Genltx_pipelines.ic_lora參數(shù)完全指南如何用命令行運(yùn)行LTX 2.5 22b IC LoRA Alpha Genltx_pipelines.ic_lora參數(shù)完全指南 LTX 2.5 22b IC人工智能大模型媒體生成LoRA上一篇一鍵解決Windows系統(tǒng)管理難題WinUtil工具全面解析與實(shí)戰(zhàn)指南下一篇Terraform-docs 配置指南深入解析.terraform-docs.yml文件創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考