KeyFrame內部研究專用

ComfyUI Tutorial: Build Seedance-Style AI Videos with LTX 2.3 #comfyui #comfyuitutorial #ltx

CG Pixel·6月19日週五·10 min英文

三句話摘要

使用 ComfyUI 搭配 Ideogram 4 與 LTX 2.3 模型,建立一套全自動分鏡圖轉影片的工作流程。 用 Ideogram 4 生成分鏡圖、再以 LTX 2.3 逐格動態化,搭配 LoRA 固定角色,6GB GPU 即可全自動輸出 10–15 秒的高品質影片剪輯。 Ideogram 4 負責生成高品質分鏡圖:Ideogram 4 是目前最適合生成分鏡畫面的模型,能清楚呈現場景細節與角度構圖,先用 Turbo 模式快速預覽,滿意後再切換至標準/高品質模式輸出。

重點整理

重點
  • 1

    Ideogram 4 負責生成高品質分鏡圖:Ideogram 4 是目前最適合生成分鏡畫面的模型,能清楚呈現場景細節與角度構圖,先用 Turbo 模式快速預覽,滿意後再切換至標準/高品質模式輸出。

  • 2

    LTX 2.3 將靜態圖轉為動態影片:LTX 2.3 無法直接處理整張分鏡圖,必須先將各畫面拆分,再逐一輸入 LTX 2.3 進行動態化,每個片段可自訂 2 至 10 秒長度。

  • 3

    加入 LoRA 強化角色一致性:作者加入多個 LoRA 以確保角色外觀在各個片段中保持穩定,避免畫面跳動或人物失真,是維持影片質感的關鍵步驟。

  • 4

    LTX Empty Latent 取代主模型預設設定:作者發現直接用 LTX 主模型工作流程效果不佳,改用 LTX Empty Latent 節點並對齊時間長度參數後,輸出品質明顯提升。

實用技巧與重點

乾貨
  • 模型:Ideogram 4、LTX Video 2.3
  • 平台:ComfyUI
  • 最低 GPU VRAM:6GB
  • 影片輸出長度:每段 2–10 秒可調,實測可達 10–15 秒不失真
  • 關鍵節點:LTX Empty Latent、Dual Clip Loader(Low VRAM 支援)、GTOF 版本採樣器
  • LoRA 用途:角色一致性固定
  • 分鏡工具:QNVL 標準(可依提示詞自動生成分鏡圖表並串聯畫面)
  • 快速測試方法:Ideogram 4 選 Turbo 模式先跑預覽
  • 提示詞格式:GZone 模式(可用 ChatGPT 生成)
  • 已知限制:LTX 2.3 的角色臉部唇型同步(Lip Sync)與角色解析度尚不完善,作者表示未來版本會改善

結論

結論

用 Ideogram 4 生成分鏡圖、再以 LTX 2.3 逐格動態化,搭配 LoRA 固定角色,6GB GPU 即可全自動輸出 10–15 秒的高品質影片剪輯。

完整解析

詳細

這支影片的核心目標是讓使用者能像 C-Dance 一樣,透過 ComfyUI 工作坊全自動地將每一個分鏡畫面製作成影片片段。作者強調,即使完全不熟悉 ComfyUI,也能按照步驟操作,而整套流程最低只需 6GB GPU,大幅降低硬體門檻。工作坊本體可從影片簡介的免費連結下載,安裝時若出現缺少 Custom Nodes 的警告,只需在 Manager 中搜尋並一鍵安裝,重啟 ComfyUI 即可。

工作流程分為兩個主要階段。第一階段使用 Ideogram 4 生成分鏡圖:作者指出 Ideogram 4 是目前最適合呈現場景細節的模型,能準確描繪構圖角度與環境細節。操作上建議先以 Turbo 模式進行快速預覽,確認構圖滿意後再切換至標準或高品質模式,並配合 GZone 提示詞格式(可請 ChatGPT 生成)來強化畫面描述。第二階段則利用 QNVL 標準將整張分鏡圖依畫面拆分,自動建立各畫面的節點關係圖,再逐一輸入 LTX 2.3 模型進行動態化處理,每個畫面片段的長度可在節點中自由調整(2 到 10 秒)。

在技術細節上,作者發現直接使用 LTX 2.3 的預設主模型工作流程輸出品質不穩定,因此改用 LTX Empty Latent 節點,並確保時間長度參數與其對齊,才能產出流暢的影片。此外,為了維持角色在不同畫面間的外觀一致性,作者加入多個 LoRA 組合。Low VRAM 環境下則透過 Dual Clip Loader 與 GTOF 版本採樣器來穩定運行。整個工作坊的最終輸出是 10 至 15 秒長度的完整影片剪輯,畫面品質良好且不會讓 ComfyUI 崩潰。

目前唯一明顯的限制是 LTX 2.3 在角色臉部唇型同步與高解析度角色細節的處理能力仍有不足,作者已在 GitHub 確認此為已知問題,並表示後續版本將針對角色解析度進行改善。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。