【免费下载链接】LTX-2.5-22b-IC-LoRA-Refine-Details项目地址https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5-22b-IC-LoRA-Refine-Details点击查看免费下载LTX-2.5-22b-IC-LoRA-Refine-Details是一款基于 LTX-2.5-22B 视频模型的 In-Context LoRAIC-LoRA它把一段发软、压缩或已被放大的视频作为参考在同一帧上重建出原生高画质般的纹理、边缘与颗粒。搭配Tiled Fusion逐步分块潜空间融合采样策略它能单趟完成 1080p 直通 4K 放大成品没有肉眼可见的分块接缝——这就是标题里零接缝的来源。 本文核心关键词LTX-2.5-22b-IC-LoRA-Refine-Details、Tiled Fusion、1080p 上采样 4K、视频细节重建、IC-LoRA、潜空间融合 这个模型能做什么一句话把看起来糊的视频重绘成原生高画质的视频而不是单纯放大像素。项目说明输入任意分辨率视频1080p 网络片、压缩视频、AI 生成视频输出4K3840×2176等输出画布每个像素都是新生成的原理单趟推理 逐去噪步分块潜空间融合全程无接缝、无逐块闪烁进阶先 4K、再 lanczos 到 8K可选第二趟逐层逼近 8K核心文件与文档模型权重ltx-2.5-22b-ic-lora-refine-details-1.0.safetensors最终 checkpoint训练 step 3000约 1.3GB运行于 LTX-2.5 蒸馏 transformer任务配置configuration.jsonframework: pytorchtask: video-to-video完整官方说明README.md Tiled Fusion 原理为什么分块还能零接缝模型只在 **1024×576 的分块tile**上训练过。画布比 tile 大时比如 4K如果简单地把画面切成几块分别生成块与块之间几乎必然出现接缝和闪烁。Tiled Fusion 用三个设计解决了这个问题一张画布、一个噪声场整帧是同一个 latent所有分块共享同一份噪声而不是各切各的。每个去噪步内裁剪重叠窗口每一步都裁出互相重叠 50% 的 1024×576 窗口每个窗口以它自己那份参考画面裁剪作为条件独立去噪。步内高斯加权融合窗口结果用高斯权重blend variance 0.05合并回同一个 latent。因为融合发生在步循环内部各窗口在每一步都保持耦合最终没有接缝、也没有逐块闪烁。简单类比不是各自画一格再拼拼图而是一群人每画一笔前都互相看一眼整幅画。 为什么必须分块训练窗口决定一切训练数据来自 4K 素材的成对数据目标是 4K 真实缩放到 1024×576 的图绝不使用放大后的目标参考是同一块被故意劣化成发软放大源的画面。模型因此只学会一件事当高频细节缺失或被抹平时如何在时间上保持一致地把它重建出来。它不改变构图、曝光和色彩。由此推出两条实操铁律4K 是甜点位4K 输出时tile 内的内容尺度恰好与训练时一致。8K 不能一步到位8K 下同一 tile 只覆盖 13% 的画面相当于训练尺度的 2 倍特写模型会开始编造纹理水果排布会乱、招牌文字会变。正确姿势refine 到 4K → lanczos 到 8K → 可选的第二趟轻处理。⚠️即使是 FullHD 输出也要走分块流程1920×1088 画布正好是 3×3 个训练 tile 的网格若整帧单趟不过 tileLoRA 会脱离训练桶效果反而变差。️ ComfyUI 中最快的 Tiled Fusion 上采样步骤只需 5 步即可跑通 1080p → 4K将 LoRA 权重复制到 ComfyUI 的models/loras目录。打开 ComfyUI-LTXVideo 仓库中的工作流LTX-2.5_V2V_TiledFusion_Upscale.json。它会自动加载 LTX-2.5 蒸馏 transformer、Gemma-4 12B 文本编码器、LTX-2.5 视频 VAE 和本 LoRA权重 1.0并运行LTXVTiledFusionSamplertile 1024×576。把视频拖到LoadVideo设置output_sizeFullHD / 4K / 8K写好画面风格提示词运行。工作流会先用 lanczos 把视频放大到输出尺寸再作为 guide喂给模型——模型从没见过原始小图。长视频由 97 帧滑窗use_streaming默认开启自动处理。若自建节点图顺序为lanczos 缩放画布为 32 的倍数→LTXAddVideoICLoRAGuidelatent_downscale_factor1→LTXVTiledFusionSamplertile 1024×576、overlap 0.5、blend 0.05、cfg1.08 步蒸馏 sigmas→VAEDecodeTiled解码1024px、重叠 128、时间 256。硬性约束输出画布两边都必须是32 的倍数帧数满足8n149、97、121、241…。1920×1080 源素材请直接 refine 到 3840×2176或先裁到 1920×1056。⚡ Tiled Fusion 关键参数速查表参数推荐值备注LoRA 强度1.0固定推理步数8 步蒸馏 sigmaseuler1.0, 0.99375, …, 0.421875, 0.0Guidance / cfg1.0蒸馏模型不需要大引导Tile 尺寸1024×576竖版 576×1024与训练桶一致效果最佳overlap0.5不可低于 0.5否则周期性细纹理会相位断裂blend variance0.05高斯融合权重grid cycle1—帧数8n1窗口 97 帧长视频用流式滑窗解码VAEDecodeTiled1024 / 重叠 128 / 时间 256提示词建议描述渲染风格而非画面主体因为每个 tile 都会收到完整提示词提到主体可能被画进不包含它的 tile 中正向sharp photographic detail, crisp natural texture, fine surface detail, clean edges, natural film grain, high resolution footage负向blurry, soft, plastic, smeared detail, oversharpened halos, warped faces 若某主体商品、文字、logo、人脸在劣化后变得模糊不清可在-1token 位置附加参考图把主体的原生分辨率裁剪放在灰色背景图上用第二个LTXAddVideoICLoRAGuideframe_idx为 -1、强度 1.0挂在视频 guide 之后。参考图是逐 tile 生效的把裁剪放在输出画布上主体所在位置覆盖该主体的 tile 就能看到真图。️ 真实效果1080p → 4K → 8K 演示视频官方示例是一段 1920×1088 生成视频用本 LoRA Tiled Fusion 连续 refine 两次先到 3840×2176再到 7680×4352——每一像素均为生成第二趟加入的细节是 1080p 源里从未有过的。仓库内 4 支演示视频examples/refine_forest_stream_crop.mp4森林溪流 1:1 裁剪对比左 lanczos 放大右 8K 结果800×800 结果像素examples/refine_neon_alley_crop.mp4霓虹巷道夜景 1:1 裁剪对比examples/refine_forest_stream_wipe.mp4森林溪流全画幅擦除式对比examples/refine_neon_alley_wipe.mp4霓虹巷道全画幅擦除式对比❗ 避坑清单这些情况下 Tiled Fusion 不是万能的放大不能超过源素材的信息量深景深、均匀光、密集纹理最多测到普通 lanczos 放大 3 倍的细节浅景深虚化区仅 1.0 倍。请在 1:1 下看对焦区域评判。存档/老电视片源模型会把中频段的编码损伤当噪点抹掉并略微去饱和——请先跑 Restoration IC-LoRA再 refine。原始 Cinema raw 素材成品会略软于 lanczos 放大模型去掉了它无法重建的颗粒不适合此工具。随机纹理烟花、海浪泡沫、风中树叶可能过锐——与其降 LoRA 强度代价是别处细节流失不如换更描述性的提示词。文字/招牌重度劣化后可能变成字形噪声用 -1 token 参考图或对该 tile 单独跑一趟带文字的提示词极小字体两种方式都救不回。尾帧丢细节LTX 生成的最后 1~2 帧会损失约 10% 细节滑窗模式下重叠会遮住它单窗口跑则给视频补 8 帧再裁掉。导出别冤枉效果ComfyUISaveVideo的 mp44K 约 8 Mbps会低估画质建议存 latent 重新解码或从 PNG 序列编码。 小结与资源它是什么LTX-2.5-22B 上的细节重建 IC-LoRAvideo-to-video专注重建高频细节不碰构图与色彩。它怎么做1024×576 训练桶 每步 50% 重叠窗口 高斯步内融合 零接缝零闪烁。最佳用法1080p 源 → 单趟 4KRTX PRO 6000 上 121 帧约 22 分钟8K 走4K → lanczos → 可选二趟阶梯。授权LTX-2.x Community Licenseltx-2.x-community-license完整条款见 README.md 中的 License 一节。资源路径模型权重ltx-2.5-22b-ic-lora-refine-details-1.0.safetensors项目说明文档README.md任务配置configuration.json演示视频examples/ 目录4 支对比视频赞分享【免费下载链接】LTX-2.5-22b-IC-LoRA-Refine-Details项目地址https://ai.gitcode.com/hf_mirrors/Lightricks/LTX-2.5-22b-IC-LoRA-Refine-Details点击查看免费下载相关推荐4K不是终点LTX-2.5-22b-IC-LoRA-Refine-Details阶梯式8K超分与适用边界完整指南4K不是终点LTX 2.5 22b IC LoRA Refine Details阶梯式8K超分与适用边界完整指南 LTX 2.5 22b IC LoRA Re它是怎么练成的LTX-2.5-22b-IC-LoRA-Refine-Details训练数据集与IC-LoRA微调深度剖析它是怎么练成的LTX 2.5 22b IC LoRA Refine Details训练数据集与IC LoRA微调深度剖析 LTX 2.5 22b IC LoRIC-LoRA是什么以LTX-2.5-22b-IC-LoRA-Refine-Details为例搞懂视频到视频微调的核心概念IC LoRA是什么以LTX 2.5 22b IC LoRA Refine Details为例搞懂视频到视频微调的核心概念 IC LoRAIn Conte上一篇如何用LibreSprite免费创建专业级像素动画完整入门指南下一篇【亲测免费】 探索未来编码体验Xcode-Build-Server创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考