这是一款基于 LTX 2.3 Dev-Dare + 四图参考引导 + 驱动音频 + PromptRelay 时间轴控制 + NAG 音画条件增强 + 三阶段采样打磨 的多元素音频驱动视频应用。用户上传 4张参考图 和 1段驱动音频 后,系统会把四张图分别作为背景、角色、道具和互动元素注入视频生成流程,再结合音频节奏生成一段带声音驱动感的动态视频。
这条流的核心优势是:四张图负责画面元素,音频负责节奏和说话感,PromptRelay 负责时间轴动作。 相比普通 4图参考视频,它多了音频 latent 融合和音画条件增强,更适合做角色开口说话、角色与道具互动、角色与宠物/精灵互动、产品口播展示、AI短剧对话、虚拟人带货、音乐节奏视频和多元素剧情镜头。使用时建议重点控制四项:4张参考图决定元素来源,驱动音频决定节奏与说话感,全局提示词(用来写整体画面规则)决定元素关系,分段提示词(写每个时间段的动作变化)决定每段互动节奏。
🎁先领RH币,再去体验工作流!右上角头像→邀请码→输入【rh-v1111】,立领1000RH币,每天登录还能再领100币~更多ComfyUI工作流、教程和玩法,欢迎关注公众号(AIKSK),抖音 / 哔哩哔哩 / 小红书 / YouTube(AI-KSK)同步更新中✨