LTX 2.3 Vidéos Multi-Vues | Générateur Multi-Caméras

LTX 2.3 Vidéos Multi-Vues : Flux de Travail Cross‑View IC‑LoRA pour ComfyUI#

Ce flux de travail crée des LTX 2.3 Vidéos Multi-Vues synchronisées qui re-rendent la même scène sous différents angles de caméra tout en préservant l'identité, l'apparence et la géométrie. Il combine le noyau officiel LTX-2.3 avec un IC-LoRA conçu pour interpréter des invites "crossview" compactes comme "nouvel angle de caméra : légèrement à gauche, plus haut, même distance" pour générer des clips multi-angles cohérents.

Conçu pour la production virtuelle, la reconstruction 3D, les vitrines de personnages, les VFX et la narration cinématographique, le graphique maintient l'alignement du timing, de la durée et du taux d'images afin que vous puissiez aligner plusieurs angles en une seule session et assembler un montage multi-caméras propre. Le bloc de notes inclus répertorie des dizaines de préréglages crossview que vous pouvez coller dans l'invite, rendant LTX 2.3 Vidéos Multi-Vues simple à créer et à répéter.

Modèles clés dans le flux de travail Comfyui LTX 2.3 Vidéos Multi-Vues#

• Lightricks LTX-2.3 22B. Le modèle de diffusion audio-visuel principal utilisé pour la génération, prenant en charge le texte, l'image, la vidéo et le conditionnement audio avec des latences A/V natives. Voir la carte du modèle officiel pour l'architecture, les variantes et les notes d'utilisation : Lightricks/LTX-2.3 sur Hugging Face. Link
• Poids distillés LTX-2.3. Un chemin distillé léger améliore la vitesse et stabilise les résultats pour des rendus plus longs ; ce flux de travail est câblé aux actifs de la version distillée 22B expédiés sur la même carte de modèle. Link
• LTX 2.3 IC-LoRA CrossView Prompt par Cseti. Un IC-LoRA spécialisé qui impose les transformations de caméra cross-view tout en maintenant la cohérence du sujet et de la scène, le moteur derrière LTX 2.3 Vidéos Multi-Vues dans ce graphique. Link
• LTX-2.3 Vidéo VAE et Audio VAE. Les VAE officiels qui encodent et décodent les latences vidéo et audio utilisées tout au long du pipeline. Ils font partie de la distribution LTX-2.3. Link
• Google Gemma 3 12B Instruct. Utilisé ici comme encodeur de texte via l'interface dual-CLIP de ComfyUI afin que les invites et les instructions crossview soient traduites proprement dans l'espace de projection de texte de LTX-Video. Link
• Références de projet LTX-Video. Pour des informations de fond sur la famille de modèles et sa conception de latence AV, voir le dépôt officiel et le document. GitHub • arXiv

Comment utiliser le flux de travail Comfyui LTX 2.3 Vidéos Multi-Vues#

À un niveau élevé, le flux de travail charge le modèle de base et IC-LoRA, prépare un clip de référence, construit le conditionnement à partir de votre invite et des cadres de référence, puis échantillonne un nouveau rendu qui suit le changement de caméra crossview demandé. Deux sorties sont écrites : une vidéo de débogage côte à côte et le rendu propre avec audio.

Modèles#

Ce groupe connecte le noyau de génération et les adaptateurs. CheckpointLoaderSimple (#607) charge le point de contrôle LTX-2.3 22B, puis LoraLoaderModelOnly (#606) applique le LoRA distillé pour la vitesse et la qualité. LTXICLoRALoaderModelOnly (#5924) charge le CrossView Prompt IC-LoRA qui alimente LTX 2.3 Vidéos Multi-Vues. DualCLIPLoader (#416) intègre l'encodeur de texte Gemma 3 12B avec la projection de texte LTX, tandis que VAELoader (#5808) et LTXVAudioVAELoader (#5809) fournissent les VAE vidéo et audio officiels.

Réglage Vidéo d'Entrée#

Définissez ici votre synchronisation et taille de sortie de base. FPS (Input) (#616) et Seconds (Input) (#615) déterminent la longueur du clip, et le graphique calcule automatiquement le nombre de cadres pour maintenir chaque vue synchronisée. Width (#612) et Height (#5968) définissent la résolution de rendu. Tous les échantillonneurs en aval et les VAE lisent ces valeurs partagées, ce qui maintient les différents angles cohérents afin que les LTX 2.3 Vidéos Multi-Vues s'assemblent sans retiming.

Préparer la Vidéo de Référence#

Utilisez VHS_LoadVideo (#5997) pour charger un clip de référence optionnel pour le mouvement, le cadrage et l'audio. La vidéo est redimensionnée par ImageResizeKJv2 (#5966) pour correspondre à votre résolution cible, et son audio est stocké pour le rendu final. Si vous préférez un pur texte-à-vidéo, vous pouvez sauter le chargeur ; avec une référence, le flux de travail ré-rend la scène sous un nouvel angle tout en gardant l'identité stable.

Conditionnement#

Les invites passent par CLIP Text Encode (Positive Prompt) (#5922) en utilisant Gemma, puis dans LTXVConditioning (#164) où le taux d'images est attaché pour le contrôle temporel. L'invite positive est l'endroit où vous placez les instructions crossview, par exemple "crossview. nouvel angle de caméra : légèrement à droite, plus haut, même distance." LTXVImgToVideoConditionOnly (#5904) transforme les cadres de référence redimensionnés en un antécédent de mouvement sans copier de pixels, et LTXAddVideoICLoRAGuide (#5899) injecte les directives IC-LoRA CrossView afin que la transformation de la caméra soit respectée dans le rendu final.

Prétraitement#

Pour un contrôle qualité rapide, ImageConcatMulti (#5974) construit une bande côte à côte des cadres de référence et générés. Cela vous aide à confirmer que l'instruction crossview a produit le mouvement de caméra prévu et que l'identité est préservée avant de vous engager dans un lot plus long de LTX 2.3 Vidéos Multi-Vues.

Échantillonnage#

SamplerCustom (#561) pilote la diffusion avec le modèle composé et le conditionnement, recevant une latence AV qui maintient l'audio et la vidéo synchronisés. Le calendrier est fourni par ManualSigmas (#5972) et le type d'échantillonneur par KSamplerSelect (#154). Après l'échantillonnage, VAEDecode (#471) reconstruit les cadres avec le VAE vidéo officiel. VHS_VideoCombine (#604) écrit ensuite le MP4 final avec l'audio source stocké, tandis qu'un second VHS_VideoCombine (#5975) enregistre le rendu de débogage côte à côte.

Nœuds clés dans le flux de travail Comfyui LTX 2.3 Vidéos Multi-Vues#

• LTXICLoRALoaderModelOnly (#5924) Charge le CrossView Prompt IC-LoRA et l'attache au modèle LTX-2.3 actif pour que les changements de caméra puissent être demandés en langage naturel. Augmentez la force de l'adaptateur pour une plus grande adhérence au point de vue demandé ou réduisez-la si vous voyez un mouvement trop contraint. L'ensemble de nœuds provient de l'extension officielle ComfyUI-LTXVideo. GitHub
• LTXAddVideoICLoRAGuide (#5899) Applique les directives IC-LoRA pendant l'échantillonnage en utilisant votre invite positive, la latence vidéo actuelle et la séquence d'images de référence. C'est le levier qui transforme un rendu simple en LTX 2.3 Vidéos Multi-Vues en imposant la géométrie crossview tout en préservant l'identité. Réglez la force du guide par rapport à l'invite de base pour équilibrer la créativité et la fidélité de la caméra. GitHub
• LTXVImgToVideoConditionOnly (#5904) Construit un antécédent de mouvement et de composition à partir des cadres de référence sans copier de pixels, ce qui aide à maintenir le timing et la cohérence des personnages lors du changement d'angle de caméra. Utilisez-le lorsque vous voulez que la nouvelle vue fasse écho à la performance originale. Pour un pur texte-à-vidéo ou des prises entièrement nouvelles, vous pouvez contourner l'entrée de référence. GitHub
• SamplerCustom (#561) L'échantillonneur principal qui fusionne le modèle, le conditionnement et le calendrier sigma pour générer la latence AV. Choisissez un type d'échantillonneur en amont dans KSamplerSelect (#154) qui convient à votre objectif qualité-vitesse. Si vous prévoyez de mettre en file d'attente de nombreux angles pour LTX 2.3 Vidéos Multi-Vues, gardez les paramètres cohérents pour que toutes les sorties restent verrouillées sur les cadres.
• VHS_LoadVideo (#5997) et VHS_VideoCombine (#604, #5975) VideoHelperSuite gère l'ingestion et l'exportation. Le chargeur extrait les cadres et l'audio ; les combinateurs écrivent des fichiers MP4 pour le débogage côte à côte et le rendu propre avec audio. Gardez le taux d'images aligné avec le groupe d'entrée pour un montage multi-vues facile. GitHub
• ImageResizeKJv2 (#5966) Assure que la séquence de référence correspond à votre résolution cible avant le conditionnement et l'échantillonnage. Correspondre les tailles réduit les artefacts de rééchantillonnage et aide l'IC-LoRA à maintenir les détails faciaux et de scène à travers les angles. GitHub

Extras optionnels#

• Utilisez les préréglages crossview fournis dans le bloc de notes pour créer rapidement plusieurs angles, puis mettez en file d'attente les exécutions pour obtenir des LTX 2.3 Vidéos Multi-Vues synchronisées pour les montages multicaméras.
• Gardez la largeur et la hauteur identiques pour tous les angles ; changer la résolution en cours de projet peut introduire une dérive subtile de l'identité.
• Pour un verrouillage d'identité fort, gardez la description du sujet et la garde-robe constantes tout en ne changeant que l'instruction crossview.
• Pour créer un ensemble à quatre angles, rendez la même invite avec quatre directions crossview (avant, côté, trois-quarts, arrière) en utilisant des secondes et fps identiques.
• Utilisez la sortie de débogage côte à côte pour valider la géométrie et le timing avant d'exporter votre ensemble final de LTX 2.3 Vidéos Multi-Vues.

Remerciements#

Ce flux de travail met en œuvre et s'appuie sur les travaux et ressources suivants. Nous remercions chaleureusement Innovate Futures @ Benji pour la source de flux de travail LTX 2.3 Vidéos Multi-Vues pour leurs contributions et leur maintenance. Pour des détails autoritaires, veuillez vous référer à la documentation originale et aux dépôts liés ci-dessous.

Ressources#

• Innovate Futures @ Benji/LTX 2.3 Vidéos Multi-Vues Workflow Source
  • Docs / Notes de publication : Patreon Post

Note : L'utilisation des modèles, ensembles de données et code référencés est soumise aux licences et termes respectifs fournis par leurs auteurs et mainteneurs.