Corrigir Erros do LTX-2 no ComfyUI: Soluções para OOM, Quadros Pretos e Flicker

Ei, pessoal, sou a Dora. Não comecei a depurar LTX-2 no ComfyUI de propósito. Tudo começou com uma pequena pausa: uma janela de visualização preta depois de um fluxo de trabalho que eu havia executado uma dúzia de vezes. Nenhuma falha dramática. Apenas… nada. Tentei novamente, observei o console, ajustei uma configuração ou duas. Até o final da semana (testado de 6 a 10 de janeiro de 2026), eu havia coletado um punhado de correções que se repetiram. Isso não é um grande tutorial, mais como notas que eu daria para um amigo que também está tentando fazer o LTX-2 funcionar sem transformar sua manhã em uma reinstalação de driver. Você sabe, aquele tipo de caos silencioso que todos nós conhecemos bem demais.

Diagnóstico em 60 Segundos (mapeamento de sintoma → causa)

Quando o LTX-2 se comporta mal no ComfyUI, descobri que reconhecimento rápido de padrões bate adivinhação. Aqui está o mapa de 60 segundos que executo antes de tocar em qualquer coisa pesada:

Sintoma: Cintilação ou desvio de fotograma para fotograma
Causa provável: orientação instável (CFG muito alta), sementes alteradas, configurações de movimento excessivamente fortes.
Tente rápido: corrija a semente, baixe CFG um pouco, diminua movimento/denoise, adicione uma etapa de consistência temporal.

Sintoma: Mudanças de cor estranhas, “neve” ou blocos esticados
Causa provável: incompatibilidade de peso/versão, VAE incorreto, cache corrompido ou download parcial.
Tente rápido: re-verificar hashes, limpar cache de modelos, confirmar compatibilidade de VAE.

Sintoma: Erros de nó sobre formas ou NoneType
Causa provável: um nó não produziu saída (falha anterior) ou versões de nó/modelo incompatíveis.
Tente rápido: isole o ramo com falha, execute até aquele nó apenas, verifique o console do ComfyUI para a primeira linha de erro real. Se um desses acertar, eu paro. Uma mudança por vez. Então executo um clipe de 2 a 3 segundos para não queimar tempo em renderizações longas.

Correção OOM: Ordem de Downgrade de Resolução / Precisão / Lote

Minha rotina OOM do LTX-2 é chata, mas funciona. Faço isso nesta ordem e só passo para o próximo passo se o OOM persistir:

1. Resolução primeiro

• Reduza altura/largura em 20-30% em vez de cortar pela metade. Muitos gráficos LTX-2 são sensíveis à passada (múltiplos de 8 ou 16). Mantenho dimensões divisíveis por 16 para evitar preenchimento oculto.
• Se você está mirando em 1024×576, tente 896×504. Deixe-me lhe dizer, fica mais perto do original do que você esperaria.

2. Precisão próxima

• Alterne a precisão do modelo para fp16 (ou bf16 se sua pilha suportar) no nó de carregador relevante. Em GPUs de consumidor NVIDIA, fp16 geralmente oferece a maior economia de memória.
• Precisão mista é aceitável, mas evito alternar por nó durante a execução. Comprometa-se com uma precisão para as partes pesadas.

3. Tamanho do lote por último

• Defina o lote como 1 para amostragem de vídeo. Até pequenos lotes multiplicam ativações-chave na memória. Só aumento o lote para latentes ou visualizações rápidas.

Também notei uma vitória sutil: bloqueie a semente ao ajustar OOM. A aleatoriedade pode mascarar se sua última mudança realmente ajudou.

Tela Preta: Problemas de Carregamento de Modelo vs Decodificação

Minha primeira tela preta desta semana não foi uma falha de modelo. Foi uma peculiaridade de decodificação.

Como separo os dois rapidamente

Verifique o tamanho do arquivo e a duração

• Se o vídeo tem o comprimento certo e aproximadamente o tamanho esperado, os quadros podem estar lá. Seu reprodutor pode não gostar do formato de pixel ou espaço de cor.

• Re-codifique com uma linha de base segura:
  ffmpeg -i input.mp4 -pix_fmt yuv420p -c:v libx264 -crf 18 output.mp4
  (veja a documentação do FFmpeg para mais opções de codificação) Examine o console do ComfyUI

• Problemas reais de carregamento de modelos se anunciam: pesos ausentes, chaves incompatíveis ou incompatibilidade de hash VAE/modelo.

• Se você vir registros de amostragem bem-sucedidos e nenhuma exceção, é provavelmente um caminho de exibição/codificação.

Incompatibilidades de dimensão latente

• Pipelines LTX-2 esperam certas passadas (geralmente múltiplos de 16). Se suas entradas latentes ou de controle não corresponderem, você pode obter quadros em branco ou quase pretos.
• Verifico que todos os nós de redimensionamento acontecem antes de o modelo esperá-los, e que todos os ramos concordam com largura/altura.

Surpresas de intervalo de cor

• Intervalo completo vs limitado pode parecer esmagado para preto em alguns reprodutores. Uma re-codificação rápida (acima) geralmente resolve.

Se for um problema de carregamento de modelo, vou à fonte: verifique se o caminho do checkpoint LTX-2 no nó carregador aponta para o arquivo real, confirme a soma de verificação e certifique-se de que o formato de peso esperado do nó (safetensors vs ckpt) corresponde ao arquivo. A documentação oficial do ComfyUI e o README do modelo são as únicas páginas em que confio para notas de versão/formato.

Correção de Cintilação: Parâmetros de Estabilidade e Ancoragem de Prompt

Cintilação nem sempre é um bug. Às vezes é o modelo fazendo exatamente o que foi instruído, com muita liberdade.

O que me acalmou as coisas:

• Corrija a semente
  Bloqueio a semente para qualquer teste A/B. Remove uma variável escorregadia de uma vez.

• Baixe CFG um pouco
  Se estou em 8–9, tento 6. Orientação excessivamente alta pode puxar quadros em direções diferentes.

• Denoise e força de movimento
  Reduções suaves aqui (10–20%) geralmente ajudam mais do que aumentar passos. Descobri que um pouco menos de denoise preserva melhor os sinais temporais.

• Ancoragem de prompt
  Mantenha um prompt base estável e mova as alterações para uma pequena seção explícita (quadros-chave ou uma breve observação). Alterar a sentença inteira entre quadros convida à desvio.

• Passe de consistência temporal
  Se seu gráfico tem um nó temporal/consistência, execute-o levemente. Não vai inventar detalhes, mas pode limpar o tremor.

• Escolha do amostrador
  Testo 2–3 amostradores com a mesma semente. Alguns são mais saltos em vídeo. Se um acalma as bordas na mesma contagem de passos, eu o mantenho.

Pequena observação: parei de perseguir “coerência de quadro perfeita”. Meu objetivo é menos fadiga mental ao editar, algo que eu possa cortar, não perfeição sob microscópio.

Saída Corrompida: Incompatibilidade de Peso / Erros de Caminho

Corrupção apareceu para mim como blocos rosa, neve brilhante ou faixas de cor que não correspondia ao prompt. Toda vez, era algo mundano:

• Pesos incompatíveis
  O carregador esperava uma variante LTX-2 específica: eu tinha uma diferente com nome similar. Agora incluo a data ou hash do modelo nos nomes de arquivo.

• VAE incorreto
  Trocar VAEs casualmente me mordeu. A correção foi simples: use o VAE especificado pelo documentação do nó LTX-2 ou o README do modelo. Se nenhum for especificado, padronize para o agrupado ou recomendado pelo autor do gráfico.

• Downloads parciais
  Um checkpoint de 3–8 GB falhando em 95% parece completo em uma visualização de pasta. Verifico o tamanho do arquivo contra a listagem do repositório e, quando disponível, verifico o hash.

• Contratempos de caminho (especialmente no Windows)
  Caracteres não-ASCII e caminhos muito longos quebraram carregamentos para mim no passado. Acredite em mim, mantenho caminhos de modelo curtos (por exemplo, D:\models\ltx2\…) e evito espaços quando posso.

• Formatos mistos
  safetensors vs .ckpt não são intercambiáveis em alguns nós. Combino a expectativa do nó.

Quando suspeito de corrupção, executo novamente um prompt conhecido e bom em uma resolução minúscula. Se isso estiver limpo, sei que o problema está em minha combinação atual, não na instalação inteira.

Leitura de Registro: Qual Camada Falhou

A maioria de meu tempo útil veio da leitura da primeira linha de falha, não da última dramática. O console do ComfyUI geralmente diz o suficiente se você abrandar por trinta segundos.

O que procuro:

• CUDA fora de memória
  Não é um bug. Reduz res/precisão/lote como acima. Se falhar no mesmo passo toda vez, você está atingindo um pico de ativação específico, diminua passos ou habilite atenção eficiente em memória.

• CUDNN_STATUS_EXECUTION_FAILED ou acesso a memória ilegal
  Frequentemente incompatibilidade de driver ou biblioteca. Noto meu CUDA, PyTorch, e versões de driver de GPU em um arquivo de texto. Se recentemente atualizei um, faço rollback ou reconstruo o venv. A documentação do ComfyUI tem uma pequena matriz de combinações conhecidas e boas.

• Incompatibilidade de tamanho / erros de forma
  Um tensor tem a forma errada. Isso é geralmente um problema de gráfico de nó: um redimensionamento acontece em um ramo e não em outro, ou uma entrada de controle espera uma escala diferente. Rastreio as dimensões onde divergem.

• KeyError / chaves state_dict ausentes
  Incompatibilidade de peso–nó. Compare as chaves listadas ausentes com o README do modelo. Variante de checkpoint incorreta ou nó desatualizado.

• AttributeError: ‘NoneType’ …
  Um nó anterior retornou nada. Executo o gráfico até aquele nó apenas. O primeiro None é o culpado real.

Dois hábitos que ajudaram:

• Execute clipes curtos durante a depuração. Dez segundos de registros de falha desperdiçam muito menos tempo do que um minuto de silêncio.
• Habilite qualquer alternância de depuração/verbose disponível no nó suspeito. Contexto extra bate adivinhação.

Mantenho um pequeno “cartão de ambiente” na pasta do projeto: modelo de GPU e VRAM, driver, CUDA, PyTorch, commit do ComfyUI, versões do pacote de nós e o hash do checkpoint LTX-2. Quando algo quebra, comparo com o cartão da semana passada antes de culpar o modelo.

Quando Mudar para Nuvem (atalho de solução de problemas do WaveSpeed)

Não me apresso para a nuvem para LTX-2, mas há momentos em que é a forma mais limpa de separar “o humor da minha máquina” de problemas reais.

Quando mudo

• VRAM menor que 16 GB e preciso de saídas 1024p sem compromissos pesados.
• Estou vendo travamentos instáveis amarrados a minhas versões locais de CUDA/driver, e não tenho tempo para reconstruir.
• Quero uma segunda opinião: mesmo gráfico, hardware diferente.

O que faço no WaveSpeed (ou qualquer espaço de trabalho de GPU comparável)

• Escolha uma imagem conhecida e boa (combinação CUDA/PyTorch documentada). Isso importa mais do que TFLOPS bruto quando você está depurando.
• Sincronize apenas o gráfico mínimo, os pesos LTX-2 exatos (com hash) e um prompt de teste breve.
• Execute o menor caso reproduzível primeiro. Se funciona na nuvem e não localmente, é provavelmente ambiente: se falha em ambos, é o gráfico ou pesos.

Custos e trade-offs

• Você pagará por computação, sim. Mas uma repro limpa pode economizar uma tarde de roleta de driver.
• Discos de nuvem também podem ocultar problemas de caminho, apenas de maneiras diferentes. Ainda mantenho caminhos curtos e ASCII.

Isso não é um impulso para mover seu fluxo de trabalho. É apenas um atalho silencioso quando você está preso e o prazo é mais alto que sua paciência.

Construímos o WaveSpeed para momentos exatamente como este — quando você apenas precisa de um ambiente de GPU limpo para descartar coisas rapidamente. Se você está preso depurando LTX-2, pode tentar nosso WaveSpeed aqui.

---

Qual é o bug LTX-2 mais maluco que você encontrou esta semana? Deixe um comentário e me avise se for uma nova armadilha.