Hy-Nomas x LTX-2.5 Audio Workflows

Hy-Nomas x LTX-2.5 Audio Workflows

两个 ComfyUI 工作流，用标准的 LTX-2.5 蒸馏模型为无声的 Hy-Nomas 视频世界或任意视频片段配上音轨，画面保持不变。

由 BennyDaBall 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这两个 ComfyUI 工作流为 Hy-Nomas 生成的视频配上音轨。Hy-Nomas 是腾讯的 8B 视频世界模型，它渲染出来的片段没有声音。工作流运行标准的 LTX-2.5 蒸馏模型，不需要训练，也不需要额外的模型。视频帧保持冻结，LTX 只生成音频，所以声音会跟着画面里发生的事走。

适合谁：如果你已经在 ComfyUI 里用 Hy-Nomas 制作视频世界，又想不离开节点图就加上声音，它很适合你。它也能处理其他任意片段，所以手上有无声素材的剪辑师同样用得上。

Industry | Who uses it | How they use it | Example
影视与视频 | 视频创作者 | 为无声的 Hy-Nomas 世界片段加声音 | 奔跑的马的片段会得到与动作吻合的马蹄声
游戏与世界 | 用 WASD 探索世界的人 | 为保存下来的 Hy-Nomas Drive 配乐 | 保存的 mp4 载入工作流 1 后就有了音轨
内容创作 | 短视频制作者 | 给手头已有的片段加上音频 | 片段带着相同的画面和一条新音轨回来

如果你不用 ComfyUI，可以跳过它。作者测得峰值显存接近 31 GiB 且没有卸载，所以请先确认你的显卡。

用在哪里：

• ComfyUI 0.43 或更新版本，作者测试的是 0.44.0
• Windows、macOS 或 Linux，装有 Python，用来下载文件
• Hy-Nomas 世界片段和保存下来的 Hy-Nomas Drive 视频
• 你载入第一个工作流的任何其他视频片段

Use case | Who | What they get back
为已有片段加声音 | 视频制作者 | 同一段视频，带一条新音轨
一次运行完成写世界和配乐 | Hy-Nomas 用户 | 一个由 LTX 生成音频的两段式世界
为 WASD 探索配乐 | 世界探索者 | 一个现在带声音的 mp4

如何设置：你需要先有可用的 ComfyUI 和一些模型文件，然后再开始。

• ComfyUI 0.43 或更新版本
• 来自 Hugging Face 上 Lightricks 仓库的四个 LTX-2.5 文件，该仓库有访问限制，所以请先接受它的许可
• 仅工作流 2 需要：ComfyUI-Manager 里的 Hy-Nomas 节点包，另加 t8star 仓库里的三个 Hy-Nomas 文件

1. 用 Python 安装 Hugging Face 工具。
2. 用下面的第二条命令下载这个仓库。
3. 把四个 LTX-2.5 文件复制到 ComfyUI 的 diffusion_models、text_encoders 和 vae 文件夹。
4. 如果用工作流 2，安装节点包，并把它的三个文件放进对应的文件夹。
5. 在 ComfyUI 里打开 workflows 文件夹中的一个工作流 JSON 文件。

pip install -U huggingface_hub
hf download BennyDaBall/Hy-Nomas-x-LTX-2.5-Audio-Workflows

四个 LTX-2.5 文件放在这些路径：

diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors
text_encoders/gemma4-12b-with-proj-ltx-2.5-comfy-int8-convrot.safetensors
vae/ltx-2.5-video-vae-bf16.safetensors
vae/ltx-2.5-audio-vae-bf16.safetensors

工作流 2 还需要这三个 Hy-Nomas 文件：

hy_nomas_distil_int8.safetensors
hy_nomas_pixelumm_fp8.safetensors
qwen_2.5_vl_7b_fp8_scaled.safetensors

如何使用：载入一个工作流，输入声音提示词，然后运行。提示词写成一段，风格参照 LTX 提示词。先简短描述场景，再写出每个声音以及它出现的时刻。如果不想要配乐，就以 with no music 结尾。

Tool | What it does
Add Audio to Any Video | 接收 Hy-Nomas 世界、保存的 Drive 或任意片段，加上你的声音提示词，返回相同的画面和一条新音轨
Text to World with Audio | 用标准 T8 设置写出两段式 Hy-Nomas 世界，然后在一次运行里加上 LTX-2.5 音频

音频出来时偏响，大约 -9 LUFS，如果需要广播级响度，请在剪辑软件里把它降下来。你用 WASD 探索过的 Drive 会把 mp4 保存到 output/hy_nomas，工作流 1 可以接收这个文件。

示例：你把一段 10 秒、1280x704 的 Hy-Nomas 龙袭片段载入第一个工作流，种子保持 42。奔跑途中马蹄声节奏稳定，火墙爆发的那一刻响起一声宽频的爆响。把视频关掉后，同样的提示词只会从第一帧起给出一声平的轰鸣，说明画面确实在引导声音。

新手与专家：把它想成给无声 AI 视频做声音设计的工具。先从工作流 1 开始：载入一个片段，输入一小段你想要的声音描述，然后运行。片段会带着一条音轨回来，画面不变。

在底层，片段先通过重复最后一帧补到 LTX 的 8n+1 帧网格，再用 LTX 的视频 VAE 以一半尺寸编码。视频潜变量用噪声遮罩 0 冻结，与空的音频潜变量合并，再用标准蒸馏 sigmas 采样，采样器是 euler ancestral，CFG 为 1。音频是在视频被锁定的情况下生成的，所以它的时间点跟着画面走。代价是内存，因为工作流 2 在一次运行里要加载两个大模型。

把片段补到 8n+1 帧网格
用 LTX 视频 VAE 编码帧
冻结视频潜变量
用蒸馏 sigmas 采样音频
解码音频并合并到原帧上

注意事项：

• Speed: 在 32 GB 的 RTX 5090 上，10 秒片段在工作流 1 里热启动约 20 秒，在工作流 2 里约 103 秒
• Memory: 峰值显存接近 31 GiB 且没有卸载，工作流 2 在 64 GB 的机器上系统内存峰值接近 62 GB
• Tight on RAM: 一次运行先渲染世界，再让工作流 1 在第二次运行里加音频
• License: MIT
• Cost to run: 没有提到，但 LTX-2.5 文件有访问限制
• Data it reaches: 你载入的片段，并把带音频的新视频写入 ComfyUI 的输出文件夹
• Not for: 改变画面，因为只生成音频

Title: RTX 5090 上的运行时间
添加音频，热启动: 20 s
添加音频，首次加载: 41 s
文生世界: 103 s
文生世界，首次加载: 132 s

Hugging Face 上的数据（2026年11月13日）

• 最近 30 天下载：0
• 点赞：4
• 许可证：mit
• 标签：comfyui, workflow, hy-nomas, ltx-2.5, video-to-audio, world-model, audio-generation

链接

• 模型：https://huggingface.co/BennyDaBall/Hy-Nomas-x-LTX-2.5-Audio-Workflows
• 文件：https://huggingface.co/BennyDaBall/Hy-Nomas-x-LTX-2.5-Audio-Workflows/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download BennyDaBall/Hy-Nomas-x-LTX-2.5-Audio-Workflows

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。