全程开源模型做出口型 MV:LTX 2.5 + ComfyUI 完整工作流公开
Important-Apple7422 · reddit · 2026-11-01
Reddit 用户分享了他完全用开源模型、本地制作的第一支对口型音乐视频,并公开了完整工作流。
- 歌曲:YuE2 生成;歌手形象与首帧:Qwen Image 2.1;电影感镜头:Pika H3;提示词借助 ChatGPT/Claude 编写
- 用 Codex 按人声自然停顿切分音轨(而非等长切割),使片段过渡更自然;每段人声用 Mel-Band RoFormer 分离,仅人声条件化视频
- 对口型核心是 ComfyUI 里的 LTX 2.5 图生视频:文本编码器 Gemma 4 12B(LTX 2.5 微调),两遍采样(8 步 distilled eulerancestral 448x800 + 2x 潜空间放大再 3 步),25fps,每段约 14 秒一个乐句,tiled VAE decode,提示词锁定三脚架机位让动作集中在唇部
- 硬件为 RTX 4090;因速度快可反复重摇镜头直到满意
- 作者最初用 OpenArt 订阅尝试效果差且烧 token 快,转本地后「无额度、无按次计费」,学到的远更多,认为流程并不复杂
「多模态」频道最新
- Kimi 自主上 4x3090 工作站用 YuE2 配乐,一条提示词做出 45 秒发布影片 — minchoi · 2026-11-01
- 一天做出吉卜力风手绘 3D 游戏:Kimi 用 Blender Python 建模全部资产 — minchoi · 2026-11-01
- 一张参考图约 2.5 分钟生成 3D 模型,Kimi 3D Make 实测惊艳 — minchoi · 2026-11-01
- 32 分钟花 6.25 美元,纯代码 Three.js 打造劳力士 Day-Date 3D 模型 — minchoi · 2026-11-01
- 一条提示词搞定 3D:Kimi 驱动 Blender、CAD 与 Three.js 惊艳演示合集 — minchoi · 2026-11-01
- 2001 年论坛神预言「AI 电影播放器」,25 年后成真 — cronocr · 2026-11-01