LTX-2.3: ID LoRA

قم بتوليد فيديوهات مخصصة مع صوت متزامن من موجه نصي وصورة مرجعية ومقطع صوتي قصير. استخدم ID-LoRA لتكييف مظهر الشخص وصوته في نموذج توليدي واحد.

Input

A few seconds of the voice to copy. The video's speech is new, in this voice.

  • 0:00 / 0:00

The first frame: the person who speaks.

Three tagged sections: [VISUAL]: the shot and the movement; [SPEECH]: the exact words; [SOUNDS]: the voice's style and the ambience.

Long enough for the [SPEECH] line.

Pixels, a multiple of 16.

Pixels, a multiple of 16.

Advanced settings

What to avoid.

Leave empty for a new result each run. Enter a number to repeat one.

Output
00:00
Example

جرّب مثالًا

حول سير العمل هذا

يبني سير العمل في ComfyUI مقاطع فيديو مخصصة مع مزامنة حركة الشفاه عبر تكييف LTX-2.3 بثلاثة مدخلات: صورة مرجعية (المظهر)، ومقطع صوتي قصير (التوقيت وأسلوب الصوت)، وبرومبت منسّق (المشهد والنص والسياق الصوتي). يتم تغليف المنطق الأساسي ضمن مخطط فرعي (العقدة المخصصة ذات المعرف 98ee9e5b-467b-40aa-a534-36033f27d0b4) الذي يدير توليد LTX-2.3 مع تكييف الهوية عبر ID-LoRA. توفر LoadImage مرجع الوجه/الوضعية، وتوفر LoadAudio أو RecordAudio الصوت، ويقوم SaveVideo بكتابة الفيديو النهائي. كما تلخص MarkdownNote على اللوحة تنسيق البرومبت المنظم وتربط بموارد LTX-2.3 وID-LoRA.

تقنيًا، يقوم ID-LoRA بإدخال مُهايئ هوية خفيف داخل عملية انتشار الفيديو LTX-2.3 بحيث يطابق الشخص المُولّد الصورة المرجعية دون تدريب كامل. يتم تقسيم البرومبت إلى ثلاث وسوم يتوقعها المخطط الفرعي: [VISUAL] (المشهد والمظهر)، و[SPEECH] (الكلمات الدقيقة التي يجب نطقها)، و[SOUNDS] (أسلوب المتحدث وإشارات الصوت المحيط). يقود الصوت أشكال الفم والتوقيت، بينما يساعد [SPEECH] النموذج على حل التفاصيل على مستوى الفونيم لتحريك شفاه أوضح. النتيجة هي فيديو قصير لموضوعك وهو ينطق الجملة المحددة، مع توافق بصري مع الصورة المرجعية ومزامنة زمنية مع الصوت.

الأسئلة والأجوبة