LTX2.3 图文视频工作流｜图片参考 + 文本控制 + 10S相似度保持全流程

这款工作流是基于 LTX2.3 Dev-Dare TIES Distilled 1.1 + 图片参考 + PromptRelay Smart 文本控制 + 三阶图像约束 + 10S相似度保持 + 三阶采样高清精修 构建的图文视频生成系统。用户上传一张参考图和文本提示词后，系统可以生成短视频，同时保证参考主体、动作和风格一致。

核心流程说明：

1. 图片参考锁定主体：用户上传的参考图经过图像缩放和预处理后，会进入视频生成的初始约束阶段。这一步确保视频中主体的身份、发型、服装和背景保持与参考图一致。
2. 全局提示词控制：用户输入全局提示词，定义整体画面规则，例如角色身份、场景环境、画风、光影效果和镜头规则。全局提示词参与三阶生成，确保视频画面整体风格统一。
3. 分段提示词控制动作：分段提示词可以细化每个时间段的动作、表情和镜头变化。例如，角色在前 2 秒微笑，3~5 秒轻微转头，6~10 秒动作收尾。系统会根据这些提示生成每一帧动作的连续性。
4. 音频和视频同步（可选）：如果附加音频作为参考，系统会提取音频潜空间，保证口型和动作同步。
5. 10S相似度保持：通过新增的相似度保持体系，包括人脸检测、相似度引导、锚点感知和 STG 高级引导，确保角色在整个视频中不偏离参考图，动作自然，同时保持高识别度的身份一致性。
6. 三阶采样高清精修：视频经过三阶采样后，生成高清精修结果，保证细节精致、画质清晰、无杂乱颗粒或过度锐化。

适用场景：

• AI短剧和角色分镜：将静态参考图快速生成短片分镜动画
• 角色口播/唱歌视频：单人数字人演绎口播或歌曲
• 商业产品展示：商品参考图动态化呈现
• 游戏概念视频或IP角色演绎：参考概念图生成动态场景
• 社交媒体素材：小红书、B站、抖音等平台动态封面或短片
• RunningHub 应用场景：提供小白用户一键生成图文视频功能

核心优势：

• 保真度高：参考图主体和角色身份高度保持
• 动作自然：分段提示词控制角色动作和表情连贯
• 视频高清：三阶采样精修输出，细节清晰、画质稳定
• 操作简单：只需上传参考图、输入提示词即可生成短视频
• 快速可复现：随机种子可固定，保证结果一致
• 适用性强：可用于娱乐、商业、教育和内容创作等多种场景

🎁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✨