LTX-2.3: ID LoRA

텍스트 프롬프트, 레퍼런스 이미지 및 짧은 오디오 클립에서 동기화된 오디오가 포함된 개인 맞춤형 비디오를 생성합니다. ID-LoRA를 사용하여 단일 생성 모델에서 사람의 모양과 목소리를 적용합니다.

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

예시 사용해 보기

이 워크플로 정보

이 ComfyUI 워크플로는 참조 이미지(외형), 짧은 오디오 클립(타이밍 및 보컬 스타일), 구조화된 프롬프트(장면, 대사, 사운드 맥락)라는 세 가지 입력으로 LTX-2.3을 조건화해 개인화된 립싱크 비디오 클립을 생성합니다. 핵심 로직은 서브그래프(커스텀 노드 ID 98ee9e5b-467b-40aa-a534-36033f27d0b4)에 캡슐화되어 있으며, ID-LoRA 아이덴티티 조건화를 포함해 LTX-2.3 생성을 오케스트레이션합니다. LoadImage는 얼굴/포즈 참조를 제공하고, LoadAudio 또는 RecordAudio가 음성을 제공하며, SaveVideo가 최종 비디오를 저장합니다. 캔버스의 MarkdownNote는 구조화된 프롬프트 형식 요약과 LTX-2.3 및 ID-LoRA 리소스 링크를 제공합니다.

기술적으로 ID-LoRA는 전체 파인튜닝 없이도 생성 시점에 적용되는 경량 아이덴티티 어댑터를 LTX-2.3 비디오 diffusion 과정에 주입해, 생성 인물이 참조 이미지와 일치하도록 합니다. 프롬프트는 서브그래프가 기대하는 세 개의 태그로 나뉩니다: [VISUAL](장면과 외형), [SPEECH](말할 정확한 문장), [SOUNDS](화자 스타일 및 주변 사운드 단서). 오디오는 입 모양과 타이밍을 구동하고, [SPEECH]는 더 명확한 립 아티큘레이션을 위해 음소 수준 디테일을 모델이 해석하는 데 도움을 줍니다. 결과는 제공한 대사를 말하는 피사체의 짧은 비디오로, 참조 이미지에 시각적으로 정렬되고 오디오와 시간적으로 동기화됩니다.

질문과 답변