Sulphur 2 on KnightLi的博客

Sulphur 2 為什麼火了？開源 AI 影片生成、無審查爭議和本地部署門檻

Mon, 18 May 2026 00:27:37 +0800

Sulphur 2 最近在 AI 影片生成社群裡引發了不少討論。

它不是 Sora、Runway、Pika 那樣的線上商業產品，也不是從零訓練出來的新架構。更準確地說，Sulphur 2 是一個基於 LTX 2.3 微調的開源權重影片生成模型，面向本地生成、可控工作流和更開放的提示詞響應。

真正讓它受到關注的，不只是「能生成影片」，而是它把一個老問題重新推到台前：AI 影片模型到底應該由平台統一設定內容邊界，還是讓本地使用者在合法範圍內自行承擔責任？

Sulphur 2 和 LTX 2.3 的關係

Sulphur 2 的底座是 Lightricks 開源的 LTX 2.3。

LTX 2.3 本身就是一個較完整的影片生成模型路線，支援文生影片、圖生影片、可變幀率、首尾幀控制、音訊同步等能力。它的生態也更容易接入 ComfyUI 等本地工作流。

Sulphur 2 並沒有改變這個基礎結構，而是在 LTX 2.3 上做了針對性微調。原文提到，開發團隊使用了超過 12.5 萬個影片樣本進行訓練，並提供了 BF16、FP8 mixed、Distill LoRA 等不同版本，方便使用者按硬體條件選擇。

這意味著，Sulphur 2 更像是 LTX 2.3 生態裡的一個衍生模型包，而不是一個完全獨立的新平台。

如果你關心本地部署、顯存需求和 ComfyUI 工作流，可以參考站內之前的部署記錄：Sulphur 2 能在 8G 顯存上跑嗎？LTX 2.3 影片模型本地部署記錄。

為什麼它會被稱為「無審查」

Sulphur 2 最有爭議的標籤，是 uncensored，也就是常被翻譯成「無審查」。

這個詞很容易被誤解。它不應該被理解成「可以生成任何內容」，更不意味著可以用於違法、侵權、騷擾、偽造身份或製作非自願影像。更準確的理解是：相比很多商業影片生成平台，Sulphur 2 更少因為某些敏感但合法的題材直接拒絕響應。

商業平台通常會採取保守策略。為了降低法律、品牌和合規風險，它們可能會屏蔽一批模糊地帶的提示詞。這樣做能降低濫用機率，但也會誤傷一些正常創作場景，例如：

醫學教育。
歷史題材。
新聞再現。
藝術實驗。
小眾風格創作。
嚴肅紀錄片素材構思。

Sulphur 2 的思路是把更多判斷權交給本地使用者，同時保留對非法內容的底線過濾。這個方向會帶來更高創作自由度，也會帶來更高責任要求。

技術上不只是「去掉限制」

把 Sulphur 2 說成「刪掉審查層的 LTX 2.3」並不完整。

從公開資訊看，它提供的是一組圍繞 LTX 2.3 的模型權重和配套工具，包括：

BF16 全精度版本，適合顯存更充足的硬體。
FP8 mixed 版本，用更低顯存換取更好的可用性。
Distill LoRA 版本，適合在速度和品質之間取捨。
ComfyUI 工作流，方便使用者進行文生影片和圖生影片測試。
Prompt Enhancer，用於把簡短描述擴展成更適合影片生成的提示詞。

影片生成和圖片生成不同。影片裡不只有主體和風格，還包含鏡頭運動、人物動作、時間連續性、幀間一致性、景別變化和節奏控制。提示詞寫得太短，模型經常會補出不穩定細節。

所以 Prompt Enhancer 的意義在於降低提示詞門檻：使用者給出一個簡單想法，小模型把它擴展成更適合影片模型理解的描述，再交給 Sulphur 2 工作流生成。

實際體驗：更聽話，但不是萬能

從社群回饋看，Sulphur 2 的一個明顯特點是更願意遵循提示詞。

因為限制更少，它不容易在某些合法題材上突然拒絕、降級或繞開使用者意圖。這對需要精確控制內容的人很有吸引力，尤其是本地創作、實驗影像、概念短片和小眾題材。

但它並不是「影片生成終局」。

當前開源影片模型仍然普遍存在這些問題：

人體動作不自然。
肢體和手部容易變形。
長鏡頭一致性不足。
多主體互動容易混亂。
複雜場景理解偏字面。
畫面符合提示詞，但美感和剪輯感不足。

這些問題不是 Sulphur 2 獨有，而是當前 AI 影片生成模型的共性。它能改善一部分提示詞響應問題，但不能消除影片生成本身的技術難點。

硬體門檻仍然存在

Sulphur 2 被稱為開源模型，但開源不等於普通電腦隨便跑。

如果想獲得較好效果，仍然需要比較強的顯卡。原文提到，FP8 版本降低了顯存需求，但想穩定使用，通常仍需要較高顯存。BF16 版本對硬體要求更高，更適合高階顯卡或雲端 GPU。

這意味著 Sulphur 2 的「大眾化」並不是一鍵網頁工具式的大眾化，而是開源社群意義上的大眾化：

權重可以下載。
工作流可以修改。
使用者可以本地執行。
開發者可以二次微調。
社群可以共享參數和節點配置。

它降低的是控制權門檻，不一定降低硬體門檻。

最大爭議：開放和安全怎麼平衡

Sulphur 2 的爭議，本質上不是某個模型參數好不好，而是開源 AI 影片生成的治理問題。

支持者認為，開源模型不應該替使用者做過度判斷。只要內容合法，使用者就應該能在本地環境裡探索藝術、教育、研究和創作邊界。

質疑者擔心，影片比圖片更容易造成現實傷害。更開放的模型可能被用於偽造、騷擾、侵權、誤導傳播或其他濫用場景。即使開發者保留了非法內容過濾，也很難完全阻止二次修改和惡意使用。

這兩種觀點都不能簡單忽視。

開源模型需要自由，也需要責任。比較可行的方向不是把模型徹底封死，也不是完全放任，而是建立更清晰的社群規範、模型卡說明、使用限制、溯源工具和舉報機制。

適合哪些人關注

Sulphur 2 更適合這些使用者：

已經熟悉 ComfyUI 或本地影片生成工作流的人。
想研究 LTX 2.3 衍生模型效果的開發者。
需要更高提示詞響應度的創作者。
希望在本地環境裡做可控實驗的團隊。
想做二次微調、LoRA 或工作流最佳化的模型玩家。

如果你只是想快速生成一個可發社群平台的短影片，線上產品可能仍然更省心。Sulphur 2 的價值不在於「點一下就出片」，而在於給願意折騰的人更多控制權。

小結

Sulphur 2 的意義，不只是又多了一個 AI 影片生成模型。

它更像是開源影片生成社群對商業平台保守策略的一次回應：當模型越來越強，內容邊界應該由誰來定義？

從技術角度看，它基於 LTX 2.3，提供多種精度版本、LoRA、ComfyUI 工作流和 Prompt Enhancer，適合本地生成和二次開發。

從生態角度看，它也提醒我們：影片生成的開放會帶來更大創作自由，也會帶來更高濫用風險。未來開源 AI 影片模型能否健康發展，取決於技術能力、社群規範和使用者責任能否一起跟上。

參考資料

Sulphur 2 能在 8G 顯存上跑嗎？LTX 2.3 影片模型本地部署記錄

Tue, 12 May 2026 22:12:45 +0800

SulphurAI 在 Hugging Face 上發布了 Sulphur-2-base。從模型卡資訊來看，Sulphur 2 是一個基於 LTX 2.3 的影片生成模型，定位是 uncensored video generation model，原生支援文生影片、圖生影片，也相容 LTX 2.3 的其他格式。

模型地址：https://huggingface.co/SulphurAI/Sulphur-2-base

Sulphur 2 是什麼

Sulphur 2 的重點不是做通用聊天，而是圍繞影片生成工作流提供模型權重和相關工具。模型卡裡的核心資訊可以概括為幾點：

基於 LTX 2.3。
支援 text-to-video 和 image-to-video。
提供用於提示詞最佳化的 prompt enhancer。
Hugging Face 頁面提供 Diffusers、llama.cpp、Ollama、LM Studio、Jan 等入口。
頁面顯示模型檔案包含 GGUF 相關內容，方便部分本地工具載入。

也就是說，它更像是面向影片生成玩家和工作流作者的模型發布，而不是普通使用者開箱即用的網頁產品。

Sulphur 2 和 LTX 2.3 的關係

理解 Sulphur 2，最好先把它放回 LTX 2.3 的生態裡看。

LTX 2.3 是底層影片生成模型路線，決定了它支援哪些輸入形式、模型組件和工作流結構。Sulphur 2 則是在這個基礎上發布的一個變體，重點是把文生影片、圖生影片和相關工作流整合到一起。

所以 Sulphur 2 不是一個完全獨立的新工具，也不是普通聊天模型。它更像是 LTX 2.3 生態裡的一個模型包：你仍然需要選擇合適的前端、節點、權重版本和參數，才能真正跑出影片。

這也解釋了為什麼它的使用門檻比網頁生成工具高。網頁工具把模型、參數、顯存調度和失敗重試都藏在後端；本地部署則需要自己處理這些細節。

為什麼值得關注

LTX 系列本身就以高效影片生成受到關注。Sulphur 2 選擇基於 LTX 2.3，意味著它天然更適合接入已有的 LTX 工作流。對 ComfyUI、Diffusers 或本地推理工具使用者來說，這類模型的價值主要在於可控性和可改造性。

另一個看點是 prompt enhancer。影片生成對提示詞非常敏感，同樣的主體、鏡頭、動作、風格和品質描述，寫法不同會明顯影響結果。Sulphur 2 把提示詞增強器一起放進生態裡，說明作者希望使用者不只是下載權重，還能更穩定地把普通描述擴展成適合模型理解的提示詞。

模型卡裡的使用建議

官方模型卡建議入門時下載 dev 版本，例如 fp8mixed 或 bf16，並搭配提供的 distill lora。需要注意的是，模型卡也提醒：如果使用 LoRA，就不要同時再載入完整模型的重複部分，避免工作流裡同時疊加兩套相同能力。

prompt enhancer 的使用方式更偏本地工具路線。模型卡提到，可以在 LM Studio 的模型目錄裡建立 Sulphur/promptenhancer 這樣的目錄結構，把 gguf 檔案和 mmproj 檔案放進去，然後載入提示詞增強器。它不需要 system prompt，直接發送想增強的文字，也可以附帶圖像。

本地運行入口

Hugging Face 頁面給出了一些常見工具入口。比如使用 llama.cpp 時，可以透過模型倉庫啟動本地服務：

`1`	`llama-server -hf SulphurAI/Sulphur-2-base:BF16`

也可以直接在終端運行：

`1`	`llama-cli -hf SulphurAI/Sulphur-2-base:BF16`

使用 Ollama 的入口則是：

`1`	`ollama run hf.co/SulphurAI/Sulphur-2-base:BF16`

這些命令更像是 Hugging Face 自動生成的本地載入入口，實際能否順利運行，還要看本機顯存、模型檔案版本、量化格式和對應工具的相容性。影片生成模型通常比純文字模型更吃資源，第一次嘗試時建議先按模型卡推薦的版本和工作流走，不要一開始就混用多個來源的權重。

推薦測試環境：ComfyUI / Diffusers / GGUF 怎麼選

如果你只是想最快看到結果，優先看社群是否已經整理好 ComfyUI 工作流。ComfyUI 的好處是可視化強，模型、LoRA、採樣器、解析度、幀數和後處理節點都能擺在同一張圖裡，適合調試影片生成。

如果你更熟悉 Python，或者想把 Sulphur 2 接到自己的腳本裡，Diffusers 會更適合。它的優點是可重現、可自動化，適合批量測試參數，也方便記錄不同設定下的顯存佔用和生成耗時。

GGUF、llama.cpp、Ollama、LM Studio 這些入口更適合 prompt enhancer 或文字側組件。不要看到 GGUF 就預設它能完整承擔影片生成流程。影片模型通常還涉及視覺模型、VAE、採樣流程和幀生成組件，GGUF 更多是本地載入和輕量化生態的一部分。

簡單說：

新手先找 ComfyUI 工作流。
腳本使用者用 Diffusers 做重現和批量測試。
prompt enhancer 或文字增強器再看 GGUF / LM Studio / Ollama。
不確定時，優先按模型卡推薦的 dev 版本和 LoRA 搭配走。

8G 顯存能不能跑？要看版本和工作流

8G 顯存能不能跑 Sulphur 2，不能只看模型名字，要看具體版本、量化方式、解析度、幀數、批量大小和工作流。

一般來說，影片生成比圖片生成更吃顯存，因為它不只是生成一張圖，而是要處理多幀、時間一致性和影片相關的中間狀態。即使模型本身有較輕的版本，工作流裡疊加 LoRA、較高解析度、較長幀數或額外後處理節點，也可能讓 8G 顯存很快爆掉。

如果只有 8G 顯存，可以從這些方向降低壓力：

優先嘗試 fp8mixed、量化版本或社群整理的低顯存工作流。
降低解析度，先用小尺寸確認流程能跑通。
減少幀數，不要一開始就生成長影片。
batch size 設為 1。
暫時關閉不必要的增強節點和後處理節點。
使用 CPU offload、低顯存模式或框架提供的顯存最佳化選項。

所以「8G 顯存也能跑」更準確的說法是：在低顯存版本、較低解析度、較短幀數和精簡工作流下，有機會跑通；但不適合直接期待高解析度、長影片和複雜工作流。

prompt enhancer 怎麼用

Sulphur 2 的模型卡特別提到 prompt enhancer。它的作用不是生成影片，而是把普通提示詞改寫成更適合模型理解的提示詞。

影片提示詞通常要同時描述主體、動作、鏡頭、場景、光線、風格和品質。如果只寫一句很短的描述，模型可能抓不到重點。prompt enhancer 可以把簡短描述擴展成更完整的提示詞，讓後續影片生成更穩定。

模型卡給出的思路是，在 LM Studio 的模型目錄裡建立 Sulphur/promptenhancer 目錄，把對應的 gguf 和 mmproj 檔案放進去，然後載入這個增強器。使用時不需要 system prompt，直接發送想增強的文字，也可以附帶圖像。

可以把它理解成一個提示詞預處理工具：

`1`	`普通描述 -> prompt enhancer -> 更完整的影片生成提示詞 -> Sulphur 2 工作流`

如果你只是測試模型能不能跑，prompt enhancer 不是第一優先級。先把主工作流跑通，再用它改善提示詞，會更容易定位問題。

本地部署常見失敗原因

Sulphur 2 這類模型本地部署失敗，通常不是一個原因造成的。比較常見的坑有這些：

模型版本和工作流不匹配，比如工作流要求 dev 版本，但實際下載了其他權重。
LoRA 和完整模型重複載入，導致效果異常或顯存佔用過高。
顯存不足，尤其是在高解析度、長幀數、複雜節點下更明顯。
工具版本太舊，ComfyUI 節點、Diffusers、Transformers 或 Accelerate 版本不相容。
缺少 VAE、文字編碼器、mmproj、prompt enhancer 等配套檔案。
檔案路徑或目錄結構不符合工具要求。
只複製 Hugging Face 頁面上的命令，沒有確認它對應的是影片生成主流程還是文字側組件。

排查時建議按順序來：先確認模型檔案完整，再確認工作流要求的版本，然後降低解析度和幀數，最後再逐步加 LoRA、prompt enhancer 和後處理節點。一次只改一個變數，最容易定位問題。

適合誰嘗試

Sulphur 2 比較適合這幾類使用者：

已經在玩 LTX、ComfyUI、Diffusers 或本地影片生成工作流。
想嘗試文生影片、圖生影片，並能接受手動配置模型檔案。
需要 uncensored 影片生成模型，且理解這類模型的使用邊界。
想研究 prompt enhancer 如何改善影片提示詞。
有足夠顯存或願意嘗試量化版本、本地推理工具。

如果只是想快速生成短影片，線上產品仍然更省心。Sulphur 2 更適合願意折騰模型、節點、LoRA、提示詞和本地環境的人。

使用時的注意點

第一，模型卡資訊還在更新中。作者也提到 README 後續會補充更完整的設定說明和訓練方式，所以具體工作流要以最新模型卡和檔案列表為準。

第二，不要只看 Hugging Face 頁面上的一條命令就判斷它能直接跑起來。影片生成涉及主模型、VAE、LoRA、提示詞增強器、採樣參數、解析度、幀數和顯存佔用，任何一個環節不匹配都可能失敗。

第三，uncensored 模型並不等於可以無邊界使用。生成內容仍然需要遵守所在平台、社群和法律規則，尤其是涉及真人、版權角色、未成年人、暴力或隱私內容時，更要謹慎。

小結

Sulphur 2 的定位很清楚：它不是一個聊天模型，而是一個面向 LTX 2.3 影片生成生態的模型發布。它的看點在於支援文生影片和圖生影片，同時把 prompt enhancer、本地工具入口和推薦工作流放在一起。

對普通使用者來說，它的門檻不低；對本地影片生成玩家來說，它值得加入待測試列表。真正決定體驗的，還是具體工作流、顯存配置、提示詞品質，以及後續 README 和社群範例是否完善。

參考

Hugging Face 模型頁：https://huggingface.co/SulphurAI/Sulphur-2-base
FreeDidi 參考頁：https://www.freedidi.com/24142.html