LongCat Avatar 多图切镜数字人

这是一款基于 LongCat-Avatar-15 + LongCat DMD Distill LoRA + Whisper Large V3 音频口型特征 + 10图参考图池 + 10组 GPT-5 图像反推提示词池 + For循环续写 + 重叠帧拼接 + 强切镜模式 的多图切镜数字人应用。用户上传一段音频，并准备多张数字人参考图后，系统会自动把音频转成口型特征，再用 LongCat Avatar 逐段生成口播视频；每一轮循环都可以切换参考图和对应提示词，从而实现多镜头、多形象、多场景的口播视频。

这条流的核心优势是：它不是单张图说到底，而是“音频驱动 + 多图轮换 + 循环续写 + 自动拼接”的数字人口播生产线。 首段用图1和首段提示词建立人物与画面，后续通过 For 循环继续生成；参考图模式为 1 时，每轮从 10 图池里换图；提示词模式为 1 时，每轮从 10 组 GPT-5 反推提示词里换对应描述；强切入模式为 1 时，每轮更明显地切进当前参考图，适合做多镜头切换感。它特别适合做虚拟主播、多镜头口播、AI新闻播报、课程讲解、产品介绍、角色轮换访谈、IP矩阵口播和短视频分段成片。使用时建议重点控制六项：输入音频决定口型和时长，参考图池决定每段镜头人物，GPT-5反推提示词决定每段动作描述，参考图模式决定是否轮换，提示词模式决定是否轮换，强切入模式决定切镜明显程度。

发布前建议你顺手修正三处命名：第一，[245] / [246] 的标题和实际宽高值不一致，当前实际是 720×1280 竖屏；第二，部分图5-图10当前看起来可能是复用同一张占位图，如果要真正多图切镜，需要替换成不同参考图；第三，输出前缀里可以保留 LongCat15，但建议补上“多图切镜数字人”，方便用户下载后识别结果。
🎁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✨