ltx_2.3_22b_distilled_1.1_lora_dynamic_fro09_avg_rank_111_bf16.safetensors

ltx 2.3 22b distilled 1.1 lora dynamic fro09 avg rank 111 bf16

• *LTX 2.3 Dev 模型的蒸馏 LoRA（Kijai v1.1）**：以较小的 LoRA 文件复现接近蒸馏模型的采样行为，使 LTX 2.3 Dev 可在 **8 步、CFG 1** 的设定下进行快速视频推理。

模型概述

项目 说明

• -- ---

文件名 ltx-2.3-22b-distilled-1.1 lora-dynamic fro09 avg rank 111 bf16.safetensors

模型类型 蒸馏 LoRA（非完整基础模型）

对应底模 LTX 2.3 22B **Dev** 模型

作者/来源 Kijai / Kijai/LTX2.3 comfy

版本 v1.1 dynamic-rank

文件精度 BF16

文件大小 约 2.74 GB

推荐平台 ComfyUI

显存参考 16 GB VRAM 起；具体取决于分辨率、帧数和卸载策略

推荐采样设置 Steps = 8 ， CFG = 1.0 ，LoRA strength = 1.0

模型介绍

该文件不是可独立使用的视频生成 checkpoint，而是加载在 **LTX 2.3 Dev** 模型之上的 LoRA 权重。它将 Dev 模型原本偏向较多步数、较高 CFG 的推理行为，转换为接近蒸馏模型的快速推理行为。

与另行下载完整蒸馏 checkpoint 相比，此方案的特点是：当本地已经具备 LTX 2.3 Dev 模型时，只需额外加载约 2.74 GB 的 LoRA，即可使用蒸馏式采样配置。它适合希望降低采样步数、缩短单次生成时间，同时保留 Dev 基模工作流兼容性的用户。

名称释义

ltx-2.3-22b ：适配 LTX 2.3 22B 系列模型。

distilled-1.1 ：蒸馏 LoRA 的 v1.1 版本。

dynamic ：按层采用动态秩（dynamic rank）分配，而不是所有层使用统一 rank。

fro09 ：训练时使用的 Frobenius 范数目标标记，页面说明其目标为 Dev→Distilled 差分的 0.9。

avg rank 111 ：各层 LoRA rank 的平均值约为 111；相较 v1.0 的平均 rank 105 有所提高。

bf16 ：权重以 BFloat16 精度保存。

模型训练

根据发布页说明，该 LoRA 属于 **dynamic-rank distillation LoRA**。训练目标是近似 LTX 2.3 Dev 模型与对应蒸馏模型之间的行为差分，使 Dev 基模在低步数采样配置下产生蒸馏式输出。

动态秩策略会为不同层分配不同 rank：信息密度更高的层可分配更多容量，较不关键的层则使用较少容量，从而在文件体积与蒸馏质量之间取得平衡。该版本的平均 rank 为 111，使用 refined Frobenius targets；发布页将其列为 v1.0（平均 rank 105）的后续改进版。

说明：公开页面未披露完整训练数据、训练时长、优化器、学习率、batch size 或全部损失函数参数。本 README 不对这些未公开内容作推测。

安装与加载

• 下载 LoRA 文件：

• 将文件放入 ComfyUI 的 LoRA 目录：

• 重启 ComfyUI，或刷新模型列表。

• 加载 **LTX 2.3 22B Dev** 基模，例如名称中带有 dev 的模型文件；然后在 LoraLoader 中选择本 LoRA。

不要将本 LoRA 应用于名称中已包含 distilled 的 checkpoint。两次蒸馏会导致输出过度、失真或不稳定。

模型推理

ComfyUI 基础连接

推荐参数

参数 建议值 说明

• -- --- ---

基础模型 LTX 2.3 22B Dev 不使用已蒸馏 checkpoint

LoRA strength 1.0 这是该蒸馏 LoRA 的训练标定值

Steps 8 低步数蒸馏推理的核心设置

CFG 1.0 与该 LoRA 的标定配置匹配

分辨率 例如 768×512 宽和高应可被 32 整除

帧数 例如 65 建议符合 8n + 1 的帧数约束

将采样器继续保留在 Dev 默认的约 30 步，或显著偏离 CFG 1，通常不会获得正确的蒸馏行为，可能出现画面模糊、噪点增多或生成速度没有改善等情况。

与其他 LoRA 叠加

如果还需叠加内容或风格 LoRA，建议：

本蒸馏 LoRA 保持 1.0 ；

其他内容/风格 LoRA 从 0.6–0.8 开始尝试；

若 I2V 条件遵循明显变差，优先改用专为 I2V conditioning 设计的 cond-safe 蒸馏 LoRA，或在目标蒸馏基模上重新训练风格 LoRA。

模型效果

预期效果

• *推理更快**：将适配的 Dev 模型工作流从约 30 步的常规配置转向 8 步推理。
• *降低下载负担**：已有 Dev 基模时，无需额外下载完整蒸馏 checkpoint，即可引入蒸馏式采样行为。
• *接近蒸馏输出特性**：在推荐的 8 steps / CFG 1 / strength 1.0 配置下，目标是保留大部分蒸馏质量。
• *工作流兼容性较好**：以 LoRA 形式加载，便于在既有 LTX 2.3 Dev 工作流中切换和测试。

效果验证建议

建议用相同 prompt、seed、分辨率和帧数进行 A/B 对比：

• Dev 基模，按常规 Dev 参数采样；
• Dev 基模 + 本 LoRA， 8 steps 、 CFG 1 ；
• 观察主体一致性、运动连续性、细节稳定性、生成耗时及显存占用。

实际结果会受到提示词、初始化图像（如 I2V）、采样器、量化类型、显卡和 ComfyUI/LTX 节点版本影响。因此不建议将发布页中的“接近蒸馏质量”理解为对所有场景都完全等价的承诺。

显存与性能建议

• *16 GB VRAM** 为页面给出的最低参考值；该容量下建议先使用 768×512 、 65 frames 测试。

若显存不足，启用 ComfyUI 的 sequential offloading / 模型卸载功能。

减小分辨率与帧数通常比盲目降低 LoRA 强度更能稳定地缓解 OOM。

高分辨率、长视频或多个 LoRA 叠加时，实际显存需求会明显增加。

常见问题

• 为什么生成仍然很慢？

检查采样器是否仍为 Dev 的默认设置。加载 LoRA 不会自动修改采样参数；请手动设置 Steps = 8 、 CFG = 1.0 。

• 为什么画面发糊、噪点多或不稳定？

优先恢复训练标定值：LoRA strength 1.0 、 8 steps 、 CFG 1.0 。随后再逐项测试采样器、提示词和其他 LoRA 的影响。

• 为什么输出“过火”或严重失真？

最常见原因是将该 LoRA 叠加到了已经蒸馏的模型上。请改用 LTX 2.3 **Dev** 模型，而不是任何名称带 distilled 的模型。

• ComfyUI 找不到模型文件怎么办？

确认文件位于 ComfyUI/models/loras/ ，并重启 ComfyUI。若工作流引用了 ltx2/ 、 ltx-2/ 或 loras/ 等子目录前缀，可在 models/loras/ 下建立对应子目录，或编辑工作流 JSON，使其仅引用文件名。

• 显存不足怎么办？

启用 sequential offloading，降低到如 768×512 的分辨率，并减少帧数（例如 65 帧）。请同时保持宽高可被 32 整除、帧数符合 8n + 1 。

参考与致谢

LTX Workflow：LTX 2.3 Distilled 1.1 LoRA 页面

Kijai/LTX2.3 comfy（Hugging Face）

模型权重的许可证、使用范围和再分发条件，请以 Hugging Face 源仓库及 LTX 2.3 基础模型的最新许可说明为准。