LTX-2.3:画像オーディオからビデオへ

画像とオーディオファイルをアップロードし、LTX-2.3を使用して同期した唇の動きを伴う高品質な動画を生成します。

Input

Speech, singing or sound the video is synced to.

  • 0:00 / 0:00

The first frame; the person in it speaks the audio.

Describe the scene and how it moves. A Gemma prompt enhancer expands it before generation.

Match the audio length.

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

例を試す

このワークフローについて

このComfyUIワークフローは、1枚の画像と音声録音からリップシンクしたトーキング動画をLTX-2.3モデルで生成します。LoadImageでポートレート画像を読み込み、LoadAudioまたはRecordAudioで音声を用意します。両方をLTX-2.3生成ノード(98ee9e5b-467b-40aa-a534-36033f27d0b4)に入力し、音声に合わせて口や顔の動きを持つフレーム列を合成。SaveVideoでMP4動画として書き出します。

内部的には、LTX-2.3はリファレンス画像のビジュアルアイデンティティと音声の時間的特徴を組み合わせ、口の形や微細な顔の動きを時系列で生成します。ノードでは出力解像度やFPS、シード値(再現性用)、動きやスタイルを指定するプロンプト欄などが設定可能です。ワークフロー内のMarkdownNoteには、Lightricks公式モデルリポジトリへのリンクやクイックヒントが記載されています。

よくある質問