LTX 2.5 视频重绘指南（Video to Video）：API 现状揭秘、ComfyUI 风格迁移工作流与免显卡方案

如果你在搜索“LTX 2.5 Video to Video”或“LTX 2.5 视频生视频”，你很可能会遇到一个令人困惑的现象：一方面，社交平台上大量创作者展示了利用 LTX 2.5 实现的惊艳真人转动漫、赛博朋克重绘和动作迁移视频；但另一方面，当你打开 fal.ai、Replicate 等主流模型 API 托管平台时，却找不到任何名为“Video-to-Video”的独立接口。

LTX 2.5 到底原生支持视频重绘（Video to Video）吗？普通创作者如何利用 LTX 2.5 把已有视频转换成新风格？如果没有 24GB 显存的高性能显卡，又该如何体验？

本文将全面解答 LTX 2.5 在视频重绘领域的真实技术现状，提供开箱即用的本地 ComfyUI 工作流搭建指南，并为你提供云端免配置替代方案。

不想折腾复杂本地环境？ 立即在浏览器中体验 LTX 2.5 极清 AI 视频生成 →。无需下载几十 GB 模型，零门槛生成影视级动态画面。

LTX 2.5 视频风格转换实测

核心真相：LTX 2.5 到底支持 Video to Video 吗？

结论：底层架构完全支持，但云端托管平台暂未开放单一的“一键式” API 端点。

目前不同平台和环境下对 LTX 2.5 视频重绘的支持现状对比如下：

平台 / 环境	视频重绘（V2V）支持情况	实际运行与实现机制
本地 ComfyUI / Diffusers	完全支持	通过加载原视频帧，利用 LTX 3D VAE 编码到 Latent 空间，结合提示词通过加噪重采样（Latent Denoise）生成全新风格视频。
云端 API（如 fal.ai、Replicate）	无独立 V2V 端点	平台目前仅提供标准化程度高的文生视频（Text-to-Video）、图生视频（Image-to-Video）与音生视频（Audio-to-Video）。
在线 Web 生成工具	关键帧/首尾帧替代	网页工具主要通过首尾帧过渡（FLF2V）或提示词复刻运镜，而非直接处理原始 MP4 视频流输入。

为什么 fal.ai 等云端平台没有直接提供 V2V 接口？

与图生视频只需处理一张固定比例图片不同，纯粹的视频转视频（Video-to-Video）需要服务端处理不同编码格式、帧率、长宽比的 MP4 视频，涉及耗算力的逐帧 3D VAE 编码及时间轴去噪对齐。此外，降噪强度（Denoise Strength）对不同原片极其敏感，极易产生画面闪烁或偏离预期。

因此，云端托管商优先上线了吞吐量大、确定性强的文生/图生接口；而真正的视频重绘与风格迁移，目前主要由开源社区通过 ComfyUI 节点链来实现。

LTX 2.5 视频重绘的底层技术原理

要在重绘过程中既保留原视频的人物动作与镜头轨迹，又完美切换画面风格，理解其背后的处理机制至关重要：

3D 时空 VAE 编码：LTX 2.5 采用因果 3D VAE，同时在空间（宽高）和时间（帧序列）两个维度对输入视频进行高倍率特征压缩。
Latent 级加噪与重采样：将编码后的视频潜空间向量施加高斯噪声（由降噪幅度 Denoise 决定）。
DiT 时空去噪：Diffusion Transformer 在文本提示词引导下，逐步去除噪声，在保留底层骨骼动作与相机运镜的同时，将像素材质替换为目标画风。
扩散解码器细节还原：LTX 2.5 全新的 Diffusion Video Decoder 负责最终帧重建，有效改善传统 VAE 导致的边缘模糊、面部崩坏与时间轴抖动。

本地 ComfyUI 搭建 LTX 2.5 视频重绘工作流

如果你的电脑配备了 12GB 以上显存的 NVIDIA 显卡（如 RTX 3080/4070/4090），可以通过 ComfyUI 轻松搭建专属的视频风格转换工作流。

必备节点与环境准备

请先在 ComfyUI Manager 中安装并更新以下扩展节点：

ComfyUI-LTXVideo（Lightricks 官方节点库）
ComfyUI-VideoHelperSuite（VHS，用于视频读取、抽帧与重组输出）
ComfyUI-GGUF（选装，用于在 8GB/12GB 显存设备上加载量化模型）

完整开箱即用 ComfyUI 工作流 JSON 模板

你可以直接复制下方 JSON 代码，保存为 ltx25_video_to_video.json，然后直接拖拽或通过 ComfyUI 右侧菜单的 Load 按钮导入：

{
  "last_node_id": 8,
  "last_link_id": 12,
  "nodes": [
    {
      "id": 1,
      "type": "CheckpointLoaderSimple",
      "pos": [40, 100],
      "size": [320, 100],
      "flags": {},
      "order": 0,
      "mode": 0,
      "inputs": [],
      "outputs": [
        { "name": "MODEL", "type": "MODEL", "links": [1], "slot_index": 0 },
        { "name": "CLIP", "type": "CLIP", "links": [2, 3], "slot_index": 1 },
        { "name": "VAE", "type": "VAE", "links": [4, 5], "slot_index": 2 }
      ],
      "widgets_values": ["ltx-2.5-fp8.safetensors"]
    },
    {
      "id": 2,
      "type": "VHS_LoadVideo",
      "pos": [40, 260],
      "size": [320, 220],
      "flags": {},
      "order": 1,
      "mode": 0,
      "inputs": [],
      "outputs": [
        { "name": "IMAGE", "type": "IMAGE", "links": [6], "slot_index": 0 },
        { "name": "frame_count", "type": "INT", "links": null },
        { "name": "audio", "type": "AUDIO", "links": [7], "slot_index": 2 }
      ],
      "widgets_values": {
        "video": "input_video.mp4",
        "force_rate": 24,
        "custom_width": 768,
        "custom_height": 512,
        "frame_load_cap": 97,
        "skip_first_frames": 0,
        "select_every_nth": 1
      }
    },
    {
      "id": 3,
      "type": "VAEEncode",
      "pos": [400, 300],
      "size": [220, 80],
      "flags": {},
      "order": 2,
      "mode": 0,
      "inputs": [
        { "name": "pixels", "type": "IMAGE", "link": 6 },
        { "name": "vae", "type": "VAE", "link": 4 }
      ],
      "outputs": [
        { "name": "LATENT", "type": "LATENT", "links": [8], "slot_index": 0 }
      ]
    },
    {
      "id": 4,
      "type": "CLIPTextEncode",
      "pos": [400, 80],
      "size": [360, 100],
      "flags": {},
      "order": 3,
      "mode": 0,
      "inputs": [{ "name": "clip", "type": "CLIP", "link": 2 }],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [9],
          "slot_index": 0
        }
      ],
      "widgets_values": [
        "cinematic cyberpunk aesthetic, neon lights, rainy street, detailed face, keeping original motion"
      ]
    },
    {
      "id": 5,
      "type": "CLIPTextEncode",
      "pos": [400, 200],
      "size": [360, 80],
      "flags": {},
      "order": 4,
      "mode": 0,
      "inputs": [{ "name": "clip", "type": "CLIP", "link": 3 }],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [10],
          "slot_index": 0
        }
      ],
      "widgets_values": [
        "blurry, deformed, low quality, static, frame jitter, oversaturated"
      ]
    },
    {
      "id": 6,
      "type": "KSampler",
      "pos": [800, 120],
      "size": [280, 260],
      "flags": {},
      "order": 5,
      "mode": 0,
      "inputs": [
        { "name": "model", "type": "MODEL", "link": 1 },
        { "name": "positive", "type": "CONDITIONING", "link": 9 },
        { "name": "negative", "type": "CONDITIONING", "link": 10 },
        { "name": "latent_image", "type": "LATENT", "link": 8 }
      ],
      "outputs": [
        { "name": "LATENT", "type": "LATENT", "links": [11], "slot_index": 0 }
      ],
      "widgets_values": [42, "fixed", 30, 3.5, "euler", "simple", 0.55]
    },
    {
      "id": 7,
      "type": "VAEDecodeTiled",
      "pos": [1120, 150],
      "size": [240, 100],
      "flags": {},
      "order": 6,
      "mode": 0,
      "inputs": [
        { "name": "samples", "type": "LATENT", "link": 11 },
        { "name": "vae", "type": "VAE", "link": 5 }
      ],
      "outputs": [
        { "name": "IMAGE", "type": "IMAGE", "links": [12], "slot_index": 0 }
      ],
      "widgets_values": [512]
    },
    {
      "id": 8,
      "type": "VHS_VideoCombine",
      "pos": [1400, 120],
      "size": [300, 260],
      "flags": {},
      "order": 7,
      "mode": 0,
      "inputs": [
        { "name": "images", "type": "IMAGE", "link": 12 },
        { "name": "audio", "type": "AUDIO", "link": 7 }
      ],
      "outputs": [],
      "widgets_values": {
        "frame_rate": 24,
        "loop_count": 0,
        "filename_prefix": "LTX25_V2V",
        "format": "video/h264-mp4",
        "pingpong": false,
        "save_output": true
      }
    }
  ],
  "links": [
    [1, 1, 0, 6, 0, "MODEL"],
    [2, 1, 1, 4, 0, "CLIP"],
    [3, 1, 1, 5, 0, "CLIP"],
    [4, 1, 2, 3, 1, "VAE"],
    [5, 1, 2, 7, 1, "VAE"],
    [6, 2, 0, 3, 0, "IMAGE"],
    [7, 2, 2, 8, 1, "AUDIO"],
    [8, 3, 0, 6, 3, "LATENT"],
    [9, 4, 0, 6, 1, "CONDITIONING"],
    [10, 5, 0, 6, 2, "CONDITIONING"],
    [11, 6, 0, 7, 0, "LATENT"],
    [12, 7, 0, 8, 0, "IMAGE"]
  ],
  "groups": [],
  "config": {},
  "extra": {},
  "version": 0.4
}

工作流使用说明：

模型准备：将 LTX 2.5 权重（如 ltx-2.5-fp8.safetensors）放入 ComfyUI/models/checkpoints/ 或对应 unet/ 目录；
导入工作流：将上述 JSON 文件拖入 ComfyUI 网页界面；
加载输入视频：在 VHS_LoadVideo 节点上传或选择你的本地短视频（建议时长 3-5 秒，768P 分辨率）；
调整提示词与降噪：在正向提示词节点填入目标画风，在 KSampler 中根据需求调整 denoise（0.45 保持较多原貌，0.65 彻底重绘风格）；
一键生成：点击 Queue Prompt 即可在 VHS_VideoCombine 节点实时预览并下载带有原音频的风格化新视频。

关键参数调优建议

参数项	推荐取值	作用与避坑技巧
降噪强度 (Denoise)	`0.45 - 0.55`（轻度滤镜与光影重塑） `0.60 - 0.72`（真人转动漫/赛博朋克重绘）	低于 0.4 几乎无风格变化；高于 0.75 会丢失原视频人物动作和一致性。
帧率 (FPS)	`24` 或与原视频保持一致	保持动作自然流畅，避免画面卡顿或抽搐。
采样步数 (Steps)	`25 - 30 步`	30 步在画质细腻度与生成速度之间达到最佳平衡。
引导系数 (CFG)	`3.0 - 4.5`	避免过高 CFG 导致画面色彩过饱和或边缘灼烧感。
输出分辨率	`768x512` 或 `1024x576`	长宽数值必须为 32 的整数倍，否则 3D VAE 会直接报错。

经典风格转换提示词（Prompt）模板

在进行视频风格迁移时，建议采用 主体保留 + 目标艺术风格 + 光影与材质细节 的结构编写提示词：

1. 实拍真人转赛博朋克未来风

Prompt: A cinematic cyberpunk re-imagining of a person walking along a bustling city street at night. Neon blue and magenta light reflections on wet pavement, cybernetic HUD visor overlays, futuristic carbon-fiber jacket, volumetric steam, 8k cinematic lighting, photorealistic textures, retaining the original body movement and walking rhythm.

2. 真实场景转新海诚唯美动漫风

Prompt: High-end Makoto Shinkai anime aesthetic, hand-drawn 2D animation style, vibrant blue sky with soft cumulus clouds, warm golden hour lighting, clean cel-shaded character outlines, picturesque scenery, retaining smooth camera panning and original scene composition.

3. 定格黏土动画风（Claymation）

Prompt: Charming handcrafted stop-motion claymation style, plasticine clay textures with visible thumbprints, miniature studio lighting, playful tactile aesthetic, clean edges, keeping the exact action and pacing from the source video.