LTX-2.3:ID LoRA

根據文字提示詞、參考圖和短音訊片段,產生帶有同步音訊的個性化影片。使用ID-LoRA在單個產生模型中適配人物的外觀和聲音。

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

試試範例

關於此工作流程

此 ComfyUI 工作流程可根據三個輸入條件(參考圖像、短音訊片段、結構化提示)生成個人化、口型同步的短影片。核心邏輯封裝於子圖(自訂節點 ID 98ee9e5b-467b-40aa-a534-36033f27d0b4),協調 LTX-2.3 與 ID-LoRA 身份條件生成。LoadImage 提供臉部/姿勢參考,LoadAudio 或 RecordAudio 輸入語音,SaveVideo 輸出最終影片。畫布上的 MarkdownNote 節點說明結構化提示格式,並連結 LTX-2.3 與 ID-LoRA 資源。

技術上,ID-LoRA 會在 LTX-2.3 影片擴散過程中注入輕量級身份適配器,讓生成的人物與參考圖像相符,無需完整微調。提示分為三個標籤:[VISUAL](場景與外觀)、[SPEECH](要說的精確內容)、[SOUNDS](說話風格與環境提示)。音訊驅動嘴型與時序,[SPEECH] 協助模型解析音素細節,提升口型清晰度。最終產出為主角根據輸入語音與腳本說話的短影片,畫面對齊參考圖像,時序同步音訊。

問答