Sulphur-2-baseは、画像から無検閲の動画を作れるLTX2.3ベースのモデルです。
AIエージェントばかり触ってて動画/画像系あまり追えてないんですが、とりあえず動かせたのでその紹介です。
あとNSFW系を作っても載せられないので、生成したのは普通の動画です。
混合順さんの記事を参考にさせてもらいました。
Sulphur-2-baseとは？
Sulphur-2-base（Sulphur 2）は、LTX 2.3を基盤とした無検閲（uncensored）の動画生成モデルです。
通常のLTX2.3モデル+Sulphur_LoRAでも生成できます。
今までLTX2.3でNSFW系を作るなら専用のLoRAが必要でしたが、そういうのがなくても出力できるそうです。
画像から動画のI2Vだけでなく、テキストから動画のT2Vやプロンプト補助のenhancerも用意されているみたいですが、今回はI2Vで試します。
ライセンス
ベースになっているのはLightricksのLTX-2.3で、ライセンスは「LTX-2 Community License Agreement」です。
このライセンスではモデルやその派生を条件付きで利用でき、商用利用も認められているようです。
ただし収益規模の条件や用途の制限（Acceptable Use Policy）があり、Sulphur-2-baseはそれをベースにした無検閲モデルになります。
なので生成した動画の扱いについては、HFのライセンスを確認してみてください。
必要なもの・動作環境
とりあえずLTX2.3が動かせる環境なら問題ないと思います。
VRAM16GB/RAM64GBでfp8mixedは動かせました。
ComfyUIのインストール
ComfyUIのインストールがまだの方はこちらを参考にしてみてください。
Sulphur-2-baseの使い方
Sulphur devモデルを使う場合
スペックきついのでfp8使ってます。余裕ある人はbf16でもOKです。
sulphur_dev_fp8mixed.safetensors
# stabilitymatrix
Data\Models\DiffusionModels
# ComfyUI
ComfyUI\models\checkpointsltx-2.3-22b-distilled-lora-384-1.1.safetensors
ComfyUI\models\lorasltx-2.3-spatial-upscaler-x2-1.1.safetensors · Lightricks/LTX-2.3 at main
ComfyUI\models\latent_upscale_modelsgemma_3_12B_it_fp8_e4m3fn.safetensors
ComfyUI\models\text_encodersworkflow
ltx23_i2v base.json使ってます。
ノードの設定&実行（Sulphurモデル）
Load Checkpoint / Load LoRA
Load LoRAをONにして、Load CheckpointをLoad LoRAに繋ぎます。
Load LoRAはGenerate Low ResolutionとGenerate High ResolutionにあるCFGGuiderにつなぎます。
上部のLoad VAE / Load LoRA / LTX2 Sampling Preview Override
ここは通常のLTX2.3とsulphur_loraを使うときのものなので、sulphur_dev使うときはバイパスでOKです。
huggingfaceにも両方使用しないでくださいと書かれています。
あとLoad VAEとLTX2 Sampling Preview Overrideは生成中のプレビューを見るためのものなので、オフにしても生成に影響はないようです。
プレビューみたい方はLoad LoRA→LTX2 Sampling Preview Override→CFGGuiderみたいに繋げば見れます。
LTXV Audio VAE Loader
LTXV Audio Text Encoder Loader
Load Latent Upscale Model
Load Image
Resize Image With Resolution
AIに聞いたら元画像の比率を維持して、総ピクセル量の目安でサイズを変えてるそうです。
元画像が832×1216だとそのまま832×1216で出力されました。
とりあえずここで大きさが変えられます。
Length
動画の長さを変えられます。
結果
生成は約21分でした。
一部怪しいのがあったのでモザイク処理してます。
通常のLTX2.3モデル&Sulphur LoRAを使う場合
ltx-2.3-22b-dev-fp8.safetensors
# stabilitymatrix
Data\Models\DiffusionModels
# ComfyUI
ComfyUI\models\checkpointssulphur_lora_rank_768.safetensors
ltx-2.3-22b-distilled-lora-384-1.1.safetensors
ltx-2.3-22b-distilled-lora-1.1_fro90_ceil72_condsafe.safetensors
ComfyUI\models\lorasltx-2.3-spatial-upscaler-x2-1.1.safetensors · Lightricks/LTX-2.3 at main
ComfyUI\models\latent_upscale_modelsgemma_3_12B_it_fp8_e4m3fn.safetensors
ComfyUI\models\text_encodersノードの設定&実行（通常のLTX2.3モデル&Sulphur LoRA）
上記でSulphurモデルをセットしたところを通常のLTX2.3モデルにします。
checkpoint下にあるLoad LoRAはバイパス。
上部のLoad LoRAはこんな感じでセットします。
他のノードはSulphurモデルで設定したものと同じです。
結果
生成時間はメモ忘れてわかりませんでした。
多分同じくらいだったと思います。
同じ画像&promptですが、最後に「振り返る」って入れてるのにこっちだと再現性がイマイチでした。
ただ他の動作はほぼ同じだし、ランダム性もあると思うので、モデルとLoRAの差なのかはよくわからなかったです。
まとめ
LTX2.3は最初から高解像度で長めの動画が作れるのがいいですね。
さらに無検閲であるSulphurなら生成の幅も広がるんじゃないでしょうか。
ただWan2.2+SVIで生成したものより一貫性はイマイチな印象です。
まあこれはSulphurというより元々のLTX2.3の性能の気もしますが、特にフルHD以下、LoRAなし、激しい動きとかだとより崩れやすい気がします。
解像度を上げればマシになるので、スペックが足りるなら最初から大きめで作った方が良さそうです。
Sulphurのrepoだとマージして作られたLTX2.3-10Erosが推奨されているので、今度こっちも試してみようと思います。
※試してみました
以上Sulphur-2-baseの使い方を紹介しました。
参考になれば幸いです。
