ComfyUI · 数字人
视频工作流:LTX2.3无限时长音频驱动数字人
一首歌 / 一段音频 → 数字人跟着唱说,时长不受单次采样上限限制。
ComfyUI音频驱动数字人 + 无限时长(循环分段拼接) 免费获取 难度:高级 LTX2.3数字人音频驱动对口型无限时长
效果预览
工作流说明
一首歌 / 一段音频 → 数字人跟着唱说,时长不受单次采样上限限制。核心机制:
- For 循环分段生成:把音频切成段,每轮循环生成一段视频,初始值1 是本轮的上一帧画面让本轮接着画
- 音频驱动:加载完整音频→ SoundFlow 取总秒数 → X AudioCrop 按段剪切 → 音频 Latent 参与采样 → 数字人对口型
- 首尾帧接力:每段生成后「从批次获取图像」取末帧 → Set_开始帧图片 传给下一段做起始图(跨段一致性靠这个,不靠祈祷)
- 帧序列落盘:批量保存图像序列 写 output/ltx2.3/%06d.png,最后「生成视频」把全部序列图合成 mp4 并配回音频
- icLora:iclora_parameters 偏移 13.00,跨段保持身份一致性
节点结构
节点结构截图待补充
运行环境与硬件要求
最低显存16 GB
需要下载的模型
| 文件 | 类型 | 大小 | 放置目录 | 下载 |
|---|---|---|---|---|
ltx-2.3-22b-distilled_transformer_only… | UNET 主模型 | models/diffusion_models | ||
gemma_3_12B_it_fp8_e4m3fn.safetensors | 双 CLIP 之一 | models/text_encoders | ||
ltx-2.3_text_projection_bf16.safetensors | 双 CLIP 之二 | models/text_encoders | ||
ltx-2.3-spatial-upscalerx2-1.0.safetensors | Latent 放大模型 | models/latent_upscale_models | ||
LTX23_video_vae_bf16.safetensors | 视频 VAE | models/vae | ||
LTX23_audio_vae_bf16.safetensors | 音频 VAE | models/vae | ||
taeltx2_3.safetensors | 预览微型 VAE | models/vae |
需要安装的自定义节点
| 节点包 | 用途 | 安装方式 |
|---|---|---|
| LTXVideo | LTXV 预处理、 LTXV 条件设置、 LTXV 引导裁剪、 LTXV 音频视频分离 Latent 、 LTXV 合并视频 Latent 、 LTXV 音频 VAE 编 … 、空 LTXVLatent 视频 | ComfyUI-Manager 搜索安装 |
| ComfyUI-KJNodes | LTX2 标准化注意力引导、 LTX2 采样预览覆盖、纯块遮罩、设置 Latent 噪波遮罩、数学表达式相关 | ComfyUI-Manager 搜索安装 |
| Easy-Use | For 循环 - 起始 / 结束、整数运算、从批次获取图像、获取图像尺寸数量、生成视频 | ComfyUI-Manager 搜索安装 |
| comfyui-various | Get/Set 变量、 X AudioCrop 、批量保存图像序列 | ComfyUI-Manager 搜索安装 |
| SoundFlow | 获取总秒数 | ComfyUI-Manager 搜索安装 |
| Custom-Scripts | 清理 GPU 占用、数学表达式 | ComfyUI-Manager 搜索安装 |
| essentials | 简易运算 | ComfyUI-Manager 搜索安装 |
| LayerStyle | 图层工具:按宽高比缩放 _V2 | ComfyUI-Manager 搜索安装 |
| VideoHelperSuite | 合并为视频 | ComfyUI-Manager 搜索安装 |
使用步骤
- 上传人物参考图
- 「加载音频」上传驱动音频(歌曲/配音)
- 「裁剪的秒数」设定每段时长
- 写时间轴提示词:场景与镜头固定描述 + 人物演唱/说话状态
- Queue——For 循环自动分段跑完
帧序列落盘后合成带音频的成片(前缀 LTX-2,24fps 合并节点处)。
关键参数说明
| 参数 | 所在节点 | 设置 | 说明 |
|---|---|---|---|
| 裁剪的秒数 | 15.00 | 每轮循环生成的片段时长 | |
| 音频过渡帧数 | 常量 | 段间重叠帧,保证口型衔接 | |
| icLora 偏移 | 13.00 | 跨段身份一致性参数 | |
| icLora 引导强度 | 1.00 | ||
| NAG 缩放 / alpha / tau | 11.000 / 0.300 / 3.000 | 提示词遵循度三件套 | |
| CFG | 1.0 | ||
| 每秒帧数 | 24.0 (常量区) / 25 (采样区) | 两处都有,改动需同步 | |
| 循环后需要的 … | 1024 | 跨段接力相关 | |
| 序列存储路径 | output/ltx2.3/d.png | 批量保存图像序列 | |
| 预览速率 | 8.00 |
常见问题与报错
段与段之间人物变脸
确认 Set_开始帧图片 的接力线接通;icLora 偏移与引导强度不要为 0。
音画不同步
作者注释明确依赖 初始值2 自动算切音秒数——别手动改音频剪切逻辑;两处 fps(24/25)不一致也会累积偏移。
循环卡死/越跑越慢
每段结束有 清理GPU占用(Custom-Scripts)节点,确认它在循环体内。
中途断掉想续跑
帧序列在 output/ltx2.3/ 落盘,起始索引(Get_图片生成开始索引)设为已完成的帧号即可续。
更新记录
- 无限时长数字人 v1For 循环分段 + 音频驱动










