LTX-2.3: Изображение и аудио в видео

Загрузите изображение и аудиофайл, чтобы создать высококачественное видео с синхронизированными движениями губ с помощью LTX-2.3.

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

Попробовать пример

Об этом рабочем процессе

Этот рабочий процесс ComfyUI превращает одно изображение и голосовую запись в говорящее видео с липсинком, используя модель LTX-2.3. Вы загружаете портрет через LoadImage и добавляете речь через LoadAudio или записываете её вживую с RecordAudio. Оба потока подаются в генераторную ноду LTX-2.3 (98ee9e5b-467b-40aa-a534-36033f27d0b4), которая синтезирует последовательность кадров, где персонаж говорит в такт аудио. Итоговые кадры кодируются в MP4 через SaveVideo.

Внутри LTX-2.3 учитывает визуальную идентичность из референсного изображения и временные признаки аудио, чтобы управлять формой рта и лёгкими движениями лица во времени. Нода обычно предоставляет настройки вроде выходного разрешения и FPS; во многих сборках также есть seed для воспроизводимости и опциональный текстовый промпт для направления движения или стиля. MarkdownNote в графе содержит быстрые советы и ссылки на официальные репозитории моделей Lightricks, откуда можно скачать необходимые веса.

Вопросы и ответы