ComfyUI>Flujos de trabajo>LongCat Video Avatar 1.6 | Videos Sincronizados con los Labios

LongCat Video Avatar 1.6 | Videos Sincronizados con los Labios

Workflow Name: RunComfy/LongCat-Avatar-1.6
Workflow ID: 0000...1567
Anima tu imagen de referencia con LongCat Avatar 1.6. Añade discurso para un MP4 sincronizado con los labios. Crea presentadores solitarios. Construye diálogos entre dos personas. Asigna voces con máscaras SAM 3.1. Cambia entre grupos de lienzo dedicados.

LongCat Video Avatar 1.6 ComfyUI Workflow Workflow

LongCat Video Avatar 1.6 ComfyUI | SAM 3.1 Lip Sync
Want to run this workflow?
  • Fully operational workflows
  • No missing nodes or models
  • No manual setups required
  • Features stunning visuals

LongCat Video Avatar 1.6 ComfyUI Workflow Examples

LongCat Video Avatar 1.6 ComfyUI Workflow#

El flujo de trabajo de LongCat Video Avatar 1.6 ComfyUI convierte una sola imagen de referencia y una o dos pistas de voz en un MP4 limpio y sincronizado con los labios. Viene con dos grupos de lienzo: un diálogo de dos interlocutores por defecto que asigna voces a caras con máscaras SAM 3.1, y un monólogo de un solo interlocutor para presentadores o personajes. Creadores, educadores y equipos de productos pueden producir rápidamente avatares parlantes con identidad estable, formas naturales de la boca y un movimiento suave de la cabeza.

Bajo el capó, el gráfico segmenta los guiones más largos en fragmentos cortos y superpuestos, genera cuadros para cada fragmento con LongCat Video Avatar 1.6, recorta la superposición, luego une los segmentos de nuevo mientras adjunta la banda sonora completa. El resultado es un video fluido y preciso en voz que respeta tu indicación y composición.

Modelos clave en el flujo de trabajo de LongCat Video Avatar 1.6 ComfyUI#

  • Meituan LongCat Video Avatar 1.6. Modelo de avatar principal que convierte características del habla más una imagen de identidad en cuadros sincronizados con los labios mientras preserva la apariencia. Model card
  • Adaptadores de LongCat Video Avatar (DMD y OPSD) empaquetados para ComfyUI. Adaptadores opcionales que alinean el comportamiento de muestreo con la canalización liberada. Weights
  • Codificador Whisper Large V3. Extrae características del habla robustas que impulsan formas de la boca y coarticulación. Model
  • Familia Segment Anything (SAM). Proporciona máscaras de personas de alta calidad para que cada pista de voz anime la cara correcta en tomas de diálogo. Repository

Cómo usar el flujo de trabajo de LongCat Video Avatar 1.6 ComfyUI#

Flujo general

  • Elige un grupo para ejecutar. El gráfico divide el audio en segmentos superpuestos, genera cuadros para cada segmento con LongCat, los decodifica en imágenes, elimina la superposición repetida y concatena los segmentos en un solo video con tu banda sonora completa.

Diálogo de dos interlocutores · por defecto

  • Carga una imagen que muestre a ambas personas en el marco usando la imagen de inicio. Añade dos pistas de voz, una por cada interlocutor, a Voz A y Voz B. El proyecto de muestra dirige la primera línea a la mujer a la izquierda, luego la segunda línea al hombre a la derecha.
  • Los nodos SAM 3.1 detectan a cada persona y generan dos máscaras. Cambia los breves textos que dicen mujer y hombre para que coincidan con tu foto si es necesario. Usa las vistas previas de las máscaras para confirmar que las caras izquierda y derecha están separadas claramente.
  • Las indicaciones Positivas y Negativas dan orientación de cámara y calidad a alto nivel. Manténlas descriptivas y fácticas para mantener la identidad y la continuidad de la iluminación.
  • La longitud del segmento y la superposición controlan cuántos cuadros se generan por pasada y cuán suavemente se mezclan los segmentos. Los segmentos más largos reducen el número de pasadas, y más superposición suaviza las transiciones.
  • Encola el lienzo para generar y guardar el video de diálogo. Dos nodos de Guardar Video usan diferentes prefijos de nombre de archivo para que las representaciones de diálogo y monólogo no se sobrescriban entre sí.

Monólogo de un solo interlocutor · omitido por defecto

  • Carga una imagen de referencia de una sola persona y un archivo de audio. La misma pista de voz impulsa la duración, el acondicionamiento y la banda sonora final.
  • El nodo LongCat de un solo interlocutor usa toda la imagen, por lo que no se requiere enmascaramiento. Mantén al sujeto de frente con un espacio moderado sobre la cabeza para una mejor legibilidad de los labios.
  • Ajusta las indicaciones Positivas y Negativas para que coincidan con tu estilo en cámara. Luego, encola el lienzo para renderizar y guardar el video de monólogo.

Cambio entre modos

  • En el menú de Grupos, ejecuta solo un grupo a la vez. Establece el modo que deseas en Siempre y el otro en Omitir. Al regresar al Diálogo, mantén la mezcla opcional OPSD omitida a menos que específicamente desees esa variante.

Nodos clave en el flujo de trabajo de LongCat Video Avatar 1.6 ComfyUI#

LongCatAvatarToVideo (#100) · Diálogo

  • El generador principal para escenas de dos interlocutores. Toma la imagen de inicio, dos pistas de audio codificadas y dos máscaras SAM para que cada voz anime la cara correcta. Ajusta solo lo que importa: longitud del segmento frente a superposición para suavidad temporal, y fuerza del audio si necesitas una articulación más nítida de la boca. El nodo también recibe un desplazamiento de cuadro del bucle para que cada segmento aterrice en la posición correcta en el tiempo. Consulta la introducción del nodo nativo para obtener información de fondo. ComfyUI PR

LongCatAvatarToVideo (#300) · Monólogo

  • La variante de un solo interlocutor impulsa una cara de una pista de audio. Úsalo cuando solo un sujeto sea visible. Se aplica la misma orientación: ajusta la longitud del segmento y la superposición para la longitud de tu guión, y mantén la fuerza del audio moderada para equilibrar la precisión de los labios y la estabilidad facial. ComfyUI PR

SAM3_Detect (#147) Máscara de Altavoz A y SAM3_Detect (#150) Máscara de Altavoz B

  • Estos detectan personas en la imagen de inicio y producen máscaras limpias. Aceptan etiquetas de texto breves, que puedes cambiar para reflejar tus sujetos. Si las máscaras se desbordan, ajusta las indicaciones o proporciona cuadros o puntos simples; usa las vistas previas de las máscaras integradas para verificar la separación. Para información de fondo de SAM, consulta el documento original y el repositorio. Paper · Repo

StartLoop · Segmentos (subgráfico "Inicio del bucle")

  • Automatiza guiones largos calculando cuántos segmentos se necesitan a partir de la duración del audio, la longitud del segmento y la superposición. Incrementa la semilla entre pasadas para variación natural, y produce un desplazamiento de cuadro para que cada pasada comience en la posición correcta de la línea de tiempo. El bucle alimenta cuadros anteriores de nuevo en la generación para mantener la continuidad a través de cortes.

SamplerCustom se empareja con BasicScheduler y SplitSigmas

  • El flujo de trabajo utiliza un muestreador de dos etapas por segmento, operando en rangos de ruido más altos y luego más bajos para estabilidad de movimiento. Mantén el muestreador y la programación predeterminados a menos que tengas una razón para experimentar; la configuración enviada coincide con el comportamiento de liberación oficial de LongCat. Weights · Model card

Extras opcionales#

  • Identidad primero. Usa una referencia nítida, de frente, con labios neutrales e iluminación consistente. Giros de cabeza pequeños están bien; giros grandes oclusiones reducen la claridad de los labios.
  • Configuración de diálogo. Si tus interlocutores se superponen o cruzan, ajusta las indicaciones SAM o refina las máscaras para que cada voz controle solo una cara.
  • Preparación de audio. Usa archivos WAV mono limpios sin reducción de ruido excesiva. Recorta silencios iniciales y finales para mantener el tiempo ajustado.
  • Prompts. Mantén las indicaciones Positivas concretas y a nivel de escena. Usa la indicación Negativa para descartar artefactos como sobreexposición, vibración o boca congelada.
  • Variantes. La mezcla opcional OPSD se proporciona para experimentación pero se omite por defecto para reflejar la canalización publicada. Weights

Agradecimientos#

Este flujo de trabajo implementa y se basa en los siguientes trabajos y recursos. Agradecemos al equipo de Meituan LongCat por el modelo LongCat-Video-Avatar 1.6, Comfy-Org por los pesos de LongCat-Video-Avatar para ComfyUI, y Comfy-Org/ComfyUI por los nodos nativos de LongCat Avatar y el flujo de trabajo fuente por sus contribuciones y mantenimiento. Para detalles autorizados, por favor consulta la documentación original y los repositorios enlazados a continuación.

Recursos#

Nota: El uso de los modelos, conjuntos de datos y código referenciados está sujeto a las respectivas licencias y términos proporcionados por sus autores y mantenedores.

RunComfy
Derechos de autor 2026 RunComfy. Todos los derechos reservados.

RunComfy es la principal ComfyUI plataforma, ofreciendo ComfyUI en línea entorno y servicios, junto con flujos de trabajo de ComfyUI con impresionantes imágenes. RunComfy también ofrece AI Models, permitiendo a los artistas aprovechar las últimas herramientas de AI para crear arte increíble.