LTX2.3 单人数字人工作流｜新增10S相似度保持，口播、唱歌、角色一致性一套跑通

这是一款基于 LTX2.3 Dev-Dare TIES Distilled 1.1 + 单图人物参考 + 音频驱动 + MelBandRoFormer 人声分离 + PromptRelay 全局/分段提示词 + VBVR 时序稳定 + OmniNFT 增强 + sULph LoRA + LTX2_NAG + 三阶采样 + 10S人脸相似度保持体系 的单人数字人视频应用。用户上传一张人物图和一段口播或唱歌音频后，系统会自动裁剪音频、提取人声、读取音频时长、计算视频帧数，并让人物按照声音节奏自然开口说话或唱歌，同时尽量保持角色脸部、发型、服装、背景和身份一致。

这版最大的升级点是 10S相似度保持。它不是只靠图生视频 strength 硬压参考图，而是新增了人脸检测、相似度引导、相似度锚点、latent 锚点感知、STG 高级引导和 Sigmas Easing。整体策略是：一阶强相似度建立人物身份，二阶中相似度保持高清放大不换脸，三阶弱化锚点以保留口型和表情自然度。这比单纯 I2V strength 更适合做 10 秒左右的口播、唱歌、角色一致性视频。

适合场景包括：AI口播、角色唱歌、虚拟主播、数字人讲解、IP角色发声、动漫角色开口、广告口播、短视频带货、MV角色片段和 RunningHub 单人数字人应用。使用时建议重点控制五项：人物首帧图决定角色身份，驱动音频决定口型和节奏，全局提示词（用来写整体画面规则）决定画面稳定规则，分段提示词（写每个时间段的动作变化）决定表情动作，相似度保持强度决定像不像原图。

发布前建议修正四点：第一，[520] / [521] 节点标题仍写“单人对话”，建议统一改成你现在固定的“全局提示词（用来写整体画面规则）”和“分段提示词（写每个时间段的动作变化）”；第二，当前有多个 SaveVideo 预览输出，前台建议只保留三阶最终输出 [510]；第三，OmniNFT 节点标题写 0.65 但实际强度约 1.0，建议实测后统一标题和数值；第四，IC 去字幕 / 去水印 LoRA 当前是旁路，不要主打“IC Edit 去字幕去水印”，除非重新启用清理分支。

🎁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✨