Générer une vidéo UGC avec clone vocal

Téléchargez une image pour générer des invites IA et synthétiser la parole. Créez une vidéo finale avec une synchronisation labiale précise en utilisant Eleven Labs et LTX Video.

Input

A photo of one person holding the product, face visible; the script is written from it and the person is animated speaking it.

Optional notes for the script: the product, the selling point, the tone. Leave empty to let the model write it from the photo.

Length of the video; the speech is trimmed to fit.

The photo is cropped and resized to this size. The stored default is vertical 720×1280.

The ElevenLabs voice that reads the script.

The photo is cropped and resized to this size. The stored default is vertical 720×1280.

Advanced settings

Frames per second for the video.

Default: 24

What to avoid in the video.

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

Output
00:00
Example

Essayer un exemple

À propos de ce workflow

Ce workflow tutoriel ComfyUI transforme une image en une courte vidéo UGC synchronisée sur les lèvres avec voix clonée ou sélectionnée. Il enchaîne trois étapes : création de prompt à partir de l’image téléchargée, synthèse vocale avec ElevenLabs, et génération vidéo avec LTX‑2.3. Le groupe Create Prompt fait passer l’image de LoadImage dans GeminiNode pour générer deux textes : un script de discours prêt à jouer (avec balises d’expression) et une description de scène. RegexExtract extrait la réponse Gemini pour séparer proprement les sections « speech » et « scene » pour les nœuds suivants.

Pour l’audio, vous pouvez choisir une voix prédéfinie via ElevenLabsVoiceSelector ou cloner votre propre voix avec ElevenLabsInstantVoiceClone, puis synthétiser la narration finale dans ElevenLabsTextToSpeech et éventuellement l’enregistrer avec SaveAudioMP3. Le groupe Create Video transmet la description de scène et l’audio au nœud vidéo LTX‑2.3 (UUID : 98fb87e2-23b5-4ecb-aacc-365912414a12) pour produire une vidéo style « talking head » avec synchronisation labiale précise, prévisualisée par PreviewAny et enregistrée avec SaveVideo. Cette configuration est pratique pour l’UGC rapide, les démonstrations produit, témoignages ou posts sociaux car elle automatise l’écriture du script à partir d’une image et garantit l’alignement voix-lèvres via ElevenLabs + LTX.

Questions-réponses