多主体参考视频生成
LTX-2.3-Multiple-Subject-Reference

工作流地址：https://www.runninghub.cn/post/2065248408478248962

该模型基于多主体参考（MSR），提出了一种全新的多参考图视频生成方案。本方案无需额外增设编码器分支或特征融合模块，而是将多张静态参考图转换为伪视频序列，使其与目标视频处于同一特征表征空间。

使用说明
本 LoRA 模型需搭配 ComfyUI 的 ComfyUI-Licon-MSR 插件使用。模型文件内附带示例工作流，便于快速测试与调试。
----------------------------------------
核心特性
多参考视觉记忆
词元级参考信息留存：将多张参考图编码为视频隐空间特征，在词元维度保留精细视觉细节，而非压缩为单一特征嵌入。
原生自注意力检索：目标视频词元可通过模型原生自注意力机制直接调取参考图词元，无需改动模型架构。
上下文条件约束：参考内容融入主词元序列作为 “视觉记忆”，而非独立的外部条件输入。

灵活的参考图组合能力
支持2–5 张参考图输入，可适配不同复杂度的生成场景。
各参考图可承载差异化语义信息：
主体身份特征
道具 / 物件细节
场景与背景
局部纹理
多视角画面
功能能力

跨参考身份留存
可在生成视频中同时保留多张参考图里的主体特征：
融合多张参考图中的多个人物
人物与物件组合生成
物件与场景融合创作

基于关联关系的内容组合
除基础身份保留外，模型可根据文本描述的关联逻辑重组参考内容：
动作交互（递交、拾取、推搡等动作）
空间位置关系（左右分布、前景 / 背景层次）
时序事件逻辑（起始→过程→结果）

跨参考属性择优提取
模型可智能从不同参考图中选取对应视觉属性进行融合：
面部特征取自参考图 A，服饰特征取自参考图 B
物件主体沿用某张参考图，姿态 / 位置取自另一张参考图
背景元素调用场景类参考图内容

使用技巧（V1 版本）
提示词撰写：描述参考图时需简洁且精准，描述过度或信息不足，都会导致画面一致性下降。
高动态画面：建议设置帧率为 50 帧 / 秒，保证动态画面流畅连贯。
生成稳定性：通常重复采样 2–3 轮，即可得到效果精准的成品。