LTX 2.5 实测：图像+自定义音频对口型同步
False_Suspect_6432 · reddit · 2026-08-17
作者分享了针对LTX Video 2.5的工作流调整，实现了基于自定义图像和音频输入的完美口型同步。该方案支持语音和唱歌场景，并提供了具体的Pastebin配置链接，可直接复现。
「多模态」频道最新
- Deepgram Flux TTS 发布：支持实时流式对话，延迟低于 200ms — CodeByPoonam · 2026-08-17
- 新综述：AI 正从语音识别迈向通用听觉智能 — bravo_abad · 2026-08-17
- 艺术家将个人档案转化为机器创作协作者 — Merzmensch · 2026-08-17
- 展示为 AI 电影节制作的《Hot in The City》 — DuHal9000 · 2026-08-17
- 个人用 Minimax 数天制作的蒸汽朋克风格 AI 电影 — jude1903 · 2026-08-17
- Indic-Transcribe：支持 26 种语言的语音转录模型 — sumanthd17 · 2026-08-17