ComfyUIでLTX-2.3のI+A2V用LoRA（ID-LoRA）を試してみた

画像と音声をインプットにした動画生成用のLoRAがリリースされました。

今回は２つのLoRAがリリースされており、それぞれの使い分けは以下です。ちなみにモデル名に記載されている3kですが、トレーニングを3,000step実施しているという意味みたいですね。

ltx-2.3-id-lora-celebvhq-3k.safetensors：ある程度動きにも対応している傾向にあるため、基本的にはこちらを使う。

ltx-2.3-id-lora-talkvid-3k.safetensors：AI Avater的な感じの用途の場合はこちらを使う。

また、ワークフローについては以下にあります。

ただ、以下のモデルを使う前提になっていて、「ComfyUI\models\text_encoders」で「git clone https://huggingface.co/google/gemma-3-12b-it-qat-q4_0-unquantized」を実行して、モデルをダウンロードする必要があります。

普段使いのgemma-3-12bを使いたいので、今回は以下の記事で紹介したワークフローにLoRAを追加します。

一応、これまでのLTX-2.3関連の記事も載せておきます。

I2V

FLF2V

I+A2V

V2V（ControlNet LoRA）

V2V（Colorizer LoRA）＋追加モデル

V2VA（動画延長）

動画でも解説してます。

環境

OS:Windows 11
GPU:GeForce RTX 4090
CPU:i9-13900KF
memory:128G

構築手順

ComfyUIを最新化してください。

モデル

ltx-2.3-22b-dev-fp8.safetensorsをダウンロードして「ComfyUI\models\checkpoints」に配置

ltx-2.3-spatial-upscaler-x2-1.0.safetensorsをダウンロードして「ComfyUI\models\latent_upscale_models」に配置
ltx-2.3-22b-distilled-lora-384.safetensorsをダウンロードして「ComfyUI\models\loras」に配置

gemma_3_12B_it_fp4_mixed.safetensorsをダウンロードして「ComfyUI\models\text_encoders」に配置

gemma-3-12b-it-abliterated_lora_rank64_bf16.safetensorsをダウンロードして「ComfyUI\models\loras」に配置

ltx-2.3-id-lora-celebvhq-3k.safetensorsとltx-2.3-id-lora-talkvid-3k.safetensorsをダウンロードして「ComfyUI\models\loras」に配置

ワークフロー

ワークフローは以下です。

LoRAを切り替える場合は、このノードのモデルを変更します。

生成結果

生成結果は以下です。生成時間は約5分です。
CPUメモリ：70GB
GPUメモリ：29.3GB（VRAM22.3GB+共有メモリ7.0GB）

CelebVHQ

TalkVid

LoRAなし

感想

LoRAがあることで、一貫性と自然さが向上してますね。
AI Avater系の動画であれば今回のLoRAを使うのがよさそうです。