修复 ComfyUI 中的 LTX-2 错误：OOM、黑屏和闪烁解决方案

嘿，各位，Dora 在这里。我本来没打算调试 ComfyUI 中的 LTX-2。一切始于一个微小的停顿：在我已经运行过十多次的工作流之后，预览窗口变黑了。没有剧烈的失败，只是…什么都没有。我重新尝试，观察控制台，调整了一两个设置。到周末（测试期间为 2026 年 1 月 6-10 日），我已经收集了一些重复出现的修复方法。这不是什么宏大的教程，更像是我会交给也在努力让 LTX-2 表现良好的朋友的笔记，而不是把早上变成驱动程序重新安装。你知道，这就是我们都太熟悉的那种悄悄的混乱。

60 秒诊断（症状 → 原因映射）

当 LTX-2 在 ComfyUI 中出现故障时，我发现快速的模式匹配比猜测要好得多。以下是我在进行任何大的改动之前会运行的 60 秒地图：

症状：闪烁或帧间漂移
可能原因：不稳定的引导（CFG 过高）、变化的种子、过强的运动设置。
快速尝试：固定种子、降低 CFG 一点、减少运动/去噪，添加时间一致性步骤。

症状：奇怪的色彩偏移、“雪花”或拉伸块
可能原因：权重/版本不匹配、错误的 VAE、损坏的缓存或不完整的下载。
快速尝试：重新验证哈希、清除模型缓存、确认 VAE 兼容性。

症状：关于形状或 NoneType 的节点错误
可能原因：一个节点没有输出（之前的失败），或不兼容的节点/模型版本。
快速尝试：隔离故障分支、仅运行到该节点、检查 ComfyUI 控制台的第一条真正的错误行。如果其中之一出现，我就停下来。一次只改一个。然后我重新运行一个 2-3 秒的片段，这样我就不会在长渲染上浪费时间。

OOM 修复：分辨率 / 精度 / 批量降级顺序

我的 LTX-2 OOM 常规很无聊，但它有效。我按这个顺序进行，只有在 OOM 持续时我才进行下一步：

1. 首先是分辨率

将高度/宽度降低 20-30%，而不是减半。许多 LTX-2 图形对步长很敏感（8 或 16 的倍数）。我保持尺寸能被 16 整除以避免隐藏的填充。
如果你的目标是 1024×576，试试 896×504。让我告诉你，它看起来比你预期的更接近原始效果。

2. 接下来是精度

在相关的加载器节点中将模型精度切换到 fp16（如果你的堆栈支持，可以是 bf16）。在 NVIDIA 消费类 GPU 上，fp16 通常能提供最干净的内存节省。
混合精度很好，但我避免在运行过程中逐个节点切换。对重型部分承诺使用一种精度。

3. 最后是批量大小

为视频采样设置批量为 1。即使小批量也会在内存中乘以关键激活。我只在快速潜在或预览时增加批量。

我还注意到了一个微妙的好处：在调整 OOM 时锁定种子。随机性可以掩盖你上一次更改是否真的有帮助。

黑屏：模型加载与解码问题

我这周遇到的第一个黑屏根本不是模型故障。这是一个解码怪癖。

我如何快速区分两者

检查文件大小和持续时间

如果视频长度正确且大小大致符合预期，帧可能在那里。你的播放器可能不喜欢像素格式或色彩空间。
使用安全基线重新编码：
ffmpeg -i input.mp4 -pix_fmt yuv420p -c:v libx264 -crf 18 output.mp4
（有关更多编码选项，请参阅 FFmpeg 文档） 检查 ComfyUI 控制台
真正的模型加载问题会宣布自己：缺失权重、不兼容的键或 VAE/模型哈希不匹配。
如果你看到成功的采样日志且没有异常，这可能是一个显示/编码路径问题。

潜在维度不匹配

LTX-2 管道期望某些步长（通常是 16 的倍数）。如果你的潜在或控制输入不匹配，你可能会得到空白或接近黑色的帧。
我验证任何调整大小节点都发生在模型期望之前，并且所有分支都对宽度/高度达成一致。

色彩范围惊喜

全范围与有限范围在某些播放器中看起来可能被压碎成黑色。快速重新编码（上面）通常会解决它。

如果它确实是模型加载问题，我会查找源头：检查加载器节点中的 LTX-2 检查点路径是否指向实际文件，确认校验和，并确保节点的预期权重格式（safetensors 与 ckpt）与文件匹配。官方 ComfyUI 文档和模型的 README 是我唯一信任的版本/格式说明页面。

闪烁修复：稳定性参数和提示锚定

闪烁不总是一个错误。有时它是模型完全按照被告知的方式运行，自由度太高。

对我有帮助的：

固定种子
对于任何 A/B 测试，我锁定种子。它立即消除了一个滑溜的变量。
降低 CFG 一点
如果我在 8-9，我试试 6。过高的引导可以在不同的方向拉拽帧。
去噪和运动强度
这里温和的减少（10-20%）通常比增加步骤更有帮助。我发现稍微减少去噪可以更好地保持时间信号。
提示锚定
保持稳定的基础提示，并将更改移动到一个小的、明确的部分（关键帧或简短的括号）。改变整个句子中的帧会邀请漂移。
时间一致性通过
如果你的图形有一个时间/一致性节点，轻轻运行它。它不会发明细节，但可以减少抖动。
采样器选择
我用相同的种子测试 2-3 个采样器。有些在视频上更跳跃。如果一个在相同的步长数下平静了边缘，我就使用它。

小提示：我不再追求”完美”的帧一致性。对我来说，目标是减少编辑时的心理疲劳，是我可以剪切的东西，而不是显微镜下的完美。

损坏的输出：权重不匹配 / 路径错误

腐败对我来说表现为粉色块、闪闪发光的雪或与提示不匹配的色带。每一次，都是一些平凡的事情：

不匹配的权重
加载器期望一个特定的 LTX-2 变体：我有一个不同的、名字相似的。我现在在文件名中包含模型日期或哈希。
错误的 VAE
随意交换 VAE 对我有利。修复很简单：使用 LTX-2 节点文档或模型 README 指定的 VAE。如果未指定，默认使用捆绑的或由图形作者推荐的 VAE。
部分下载
一个 3-8 GB 的检查点在 95% 处失败在文件夹视图中看起来很完整。我检查文件大小与存储库列表，并在可用时验证哈希。
路径故障（特别是 Windows）
非 ASCII 字符和很长的路径过去曾破坏了我的负载。相信我，我保持模型路径短（例如，D:\models\ltx2\…）并尽可能避免空格。
混合格式
在某些节点中，safetensors 与 .ckpt 不可互换。我匹配节点的预期。

当我怀疑损坏时，我用一个已知好的小提示在一个小分辨率下重新运行。如果那很干净，我知道问题出在我的当前组合中，而不是整个安装中。

日志阅读：哪一层崩溃了

我的大部分省时方法来自阅读第一个失败的行，而不是最后一个戏剧性的行。ComfyUI 的控制台通常会告诉你足够的信息，如果你花三十秒时间放慢速度。

我寻找的：

CUDA 内存不足
不是一个错误。如上所述减少分辨率/精度/批量。如果它每次都在同一步骤失败，你就在敲击一个特定的激活峰值，降低步骤或启用内存高效注意。
CUDNN_STATUS_EXECUTION_FAILED 或非法内存访问
通常是驱动程序或库不匹配。我在文本文件中记下我的 CUDA、PyTorch 和 GPU 驱动程序版本。如果我最近更新了其中一个，我会回滚它或重建 venv。ComfyUI 文档有一个小的已知好的组合矩阵。
大小不匹配 / 形状错误
张量的形状是错误的。这通常是一个节点图问题：调整大小发生在一个分支而不是另一个分支上，或者控制输入期望不同的尺度。我追踪它们发散的维度。
KeyError / 缺失 state_dict 键
权重-节点不匹配。将列出的缺失键与模型 README 进行比较。错误的检查点变体或过时的节点。
AttributeError: ‘NoneType’ …
一个早期的节点返回了没有。我仅运行到该节点的图形。第一个 None 是真正的罪魁祸首。