企业官网建设流程全解析

LTX-2.5-22b-IC-LoRA-Refine-Details是一款基于 LTX-2.5-22B 视频模型的 In-Context LoRA（IC-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。

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.json（framework: pytorch，task: 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：

1. 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。
2. 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。
3. 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 tile，LoRA 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：

1. 将 LoRA 权重复制到 ComfyUI 的models/loras目录。
2. 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LTXVTiledFusionSampler（tile 1024×576）。
3. 把视频拖到LoadVideo，设置output_size（FullHD / 4K / 8K），写好画面风格提示词，运行。
4. 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。
5. 若自建节点图，顺序为：lanczos 缩放（画布为 32 的倍数）→LTXAddVideoICLoRAGuide（latent_downscale_factor1）→LTXVTiledFusionSampler（tile 1024×576、overlap 0.5、blend 0.05、cfg1.0，8 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8n+1（49、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

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LTXAddVideoICLoRAGuide（frame_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 mp4（4K 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-LoRA，video-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 4K（RTX 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 License（ltx-2.x-community-license），完整条款见 README.md 中的 License 一节。