LTX 2.3_ID_lora_CelebVHQ

Qwen 3 TTS와 LTX 2.3 + CelebHVQ ID-LoRA로 오픈 소스 비디오 생성 파이프라인에서 보이스 일관성을 유지하세요.

Input

A photo of the person who will speak. Works best when the face is clear and the mouth looks mid-sentence.

Describe the topic and tone. Gemini writes the spoken lines and the scene from it.

Video length. Gemini keeps the speech to about 10 seconds.

Output height. Multiples of 64 avoid a small crop (720 comes out as 704).

The Qwen3-TTS voice that speaks the lines.

Output width. Multiples of 64 avoid a small crop.

Advanced settings

Frames per second of the video and its audio.

Default: 25

Language of the generated voice. Auto follows the text.

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

Output
00:00
Example

예시 사용해 보기

이 워크플로 정보

이 ComfyUI 튜토리얼 워크플로는 단일 이미지를 짧은 음성 기반 비디오로 변환하며, 강한 시각적 아이덴티티와 자연스럽게 느껴지는 립 얼라인을 목표로 합니다. 비디오 생성에는 Lightricks LTX 2.3을 사용하고, ID-LoRA(CelebVHQ)를 통해 프레임 전반에서 피사체의 얼굴 및 스타일링 일관성을 유지하며, Qwen 3 TTS가 어울리는 보이스 트랙을 생성합니다. 파이프라인은 Load Image, Create Prompts, Prompt Extraction, Create Voice, Create Video 그룹으로 명확하게 구성되어 있습니다.

내부적으로 GeminiNode가 업로드한 이미지(LoadImage 경유)를 분석해 상호 보완적인 두 텍스트를 작성합니다. 하나는 표현 큐가 포함된 발화 문장이고, 다른 하나는 장면/외형 설명입니다. RegexExtract가 이를 ID-LoRA 준비 형식으로 파싱해 [VISUAL], [SPEECH], [SOUNDS]의 3개 태그 섹션으로 분리합니다. FB_Qwen3TTSCustomVoice는 [SPEECH]와 [SOUNDS]의 스타일 힌트를 사용해 보이스 트랙을 합성하고, SaveAudioMP3로 저장합니다. 그래프의 LTX 2.3 비디오 노드(이 그래프의 커스텀 노드)는 구조화된 프롬프트와 레퍼런스 이미지를 입력으로 받아 말하는 비디오를 렌더하며, CelebVHQ ID-LoRA가 동적인 실사 환경에서도 아이덴티티 유지력을 높입니다. PreviewAny로 빠르게 반복하고, SaveVideo로 최종 클립을 저장합니다. 로컬 사용자는 더 높은 해상도에서 디테일을 개선하기 위해 LTX 공간 업스케일러(ltx-2.3-spatial-upscaler-x2-1.1.safetensors)를 선택적으로 로딩할 수 있습니다.

질문과 답변