LTX 2.3 マルチビュー動画: Cross‑View IC‑LoRA ワークフロー for ComfyUI#
このワークフローは、アイデンティティ、外観、ジオメトリを維持しながら、異なるカメラアングルから同じシーンを再レンダリングする同期されたLTX 2.3 マルチビュー動画を作成します。公式のLTX-2.3バックボーンと、コンパクトな"crossview"プロンプトを解釈するために設計されたIC-LoRAを組み合わせて、一貫したマルチアングルクリップを生成します。
バーチャルプロダクション、3D再構成、キャラクターショーケース、VFX、映画的ストーリーテリングのために設計されたこのグラフは、タイミング、長さ、フレームレートを揃えて、1つのセッションでいくつかのアングルをキューに入れ、クリーンなマルチカメラ編集を組み立てることができます。含まれているノートブロックには、プロンプトに貼り付けることができる数十のクロスビュープリセットがリストされており、LTX 2.3 マルチビュー動画を簡単に作成し、繰り返すことができます。
Comfyui LTX 2.3 マルチビュー動画ワークフローの主要モデル#
- Lightricks LTX-2.3 22B。生成に使用されるコアオーディオビジュアル拡散モデルで、ネイティブA/V潜在変数を使用してテキスト、画像、ビデオ、オーディオの条件付けをサポートします。アーキテクチャ、バリアント、使用メモについては公式モデルカードを参照してください: Lightricks/LTX-2.3 on Hugging Face。 Link
- LTX-2.3 蒸留ウェイト。軽量な蒸留パスは、速度を向上させ、長時間のレンダリングで結果を安定させます。このワークフローは、同じモデルカードに含まれる蒸留22Bリリースアセットに接続されています。 Link
- LTX 2.3 IC-LoRA CrossView Prompt by Cseti。クロスビューカメラ変換を強制し、被写体とシーンの一貫性を維持する専門的なIC-LoRAで、このグラフ内のLTX 2.3 マルチビュー動画のエンジンです。 Link
- LTX-2.3 Video VAE and Audio VAE。パイプライン全体で使用されるビデオとオーディオ潜在変数をエンコードおよびデコードする公式VAEです。LTX-2.3配布の一部です。 Link
- Google Gemma 3 12B Instruct。ここではComfyUIのデュアルCLIPインターフェースを介してテキストエンコーダーとして使用され、プロンプトとクロスビュー指示がLTX-Videoのテキスト投影空間にクリーンに翻訳されます。 Link
- LTX-Videoプロジェクト参照。モデルファミリーとそのAV潜在設計の背景については、公式リポジトリと論文を参照してください。 GitHub • arXiv
Comfyui LTX 2.3 マルチビュー動画ワークフローの使用方法#
高レベルでは、ワークフローはベースモデルとIC-LoRAをロードし、参照クリップを準備し、プロンプトと参照フレームから条件付けを構築し、要求されたクロスビューカメラ変更に従う新しいレンダリングをサンプリングします。2つの出力が書き込まれます: 並列デバッグビデオと音声付きのクリーンレンダリング。
モデル#
このグループは生成バックボーンとアダプターを配線します。CheckpointLoaderSimple (#607) はLTX-2.3 22Bチェックポイントをロードし、LoraLoaderModelOnly (#606) は速度と品質のために蒸留LoRAを適用します。LTXICLoRALoaderModelOnly (#5924) はLTX 2.3 マルチビュー動画を動かすクロスビュー プロンプト IC-LoRAをロードします。DualCLIPLoader (#416) はLTXテキスト投影を伴うGemma 3 12Bテキストエンコーダーを導入し、VAELoader (#5808) と LTXVAudioVAELoader (#5809) は公式ビデオとオーディオのVAEを提供します。
入力ビデオ設定#
ここで出力ベースのタイミングとサイズを設定します。FPS (Input) (#616) と Seconds (Input) (#615) はクリップの長さを決定し、グラフはフレーム数を自動的に計算してすべてのビューが時間的に整列するようにします。Width (#612) と Height (#5968) はレンダー解像度を定義します。すべての下流サンプラーとVAEはこれらの共有値を読み取り、異なるアングルが再タイミングなしで一貫性を保つようにします。
参照ビデオの準備#
VHS_LoadVideo (#5997) を使用して、モーション、フレーミング、オーディオのためのオプションの参照クリップをロードします。ビデオは ImageResizeKJv2 (#5966) によって目標解像度に合わせてリサイズされ、そのオーディオは最終レンダリングのために保存されます。純粋なテキストからビデオへの変換を望む場合、ローダーをスキップすることができます。参照がある場合、ワークフローは新しい角度からシーンを再レンダリングし、アイデンティティを安定させます。
条件付け#
プロンプトは CLIP Text Encode (Positive Prompt) (#5922) を通じてGemmaを使用して流れ、LTXVConditioning (#164) に入り、フレームレートが時間制御のために付加されます。ポジティブプロンプトは、たとえば「crossview. 新しいカメラアングル: 右に少し、高く、同じ距離」といったクロスビュー指示を配置する場所です。LTXVImgToVideoConditionOnly (#5904) はリサイズされた参照フレームをモーションプライアに変換し、ピクセルをコピーせず、LTXAddVideoICLoRAGuide (#5899) がクロスビューIC-LoRAガイダンスを注入し、カメラ変換が最終レンダリングで尊重されるようにします。
前処理#
迅速なQAのために、ImageConcatMulti (#5974) は参照および生成されたフレームの並列ストリップを構築します。これにより、クロスビュー指示が意図したカメラ動作を生成し、アイデンティティが保持されていることを、LTX 2.3 マルチビュー動画の長いバッチにコミットする前に確認できます。
サンプリング#
SamplerCustom (#561) は、モデルと条件付け、シグマスケジュールを融合してAV潜在変数を生成します。スケジュールは ManualSigmas (#5972) によって提供され、サンプラータイプは KSamplerSelect (#154) によって選択されます。サンプリング後、VAEDecode (#471) は公式ビデオVAEでフレームを再構築します。VHS_VideoCombine (#604) は保存されたソースオーディオで最終的なMP4を書き込み、2番目の VHS_VideoCombine (#5975) はサイドバイサイドのデバッグレンダリングを保存します。
Comfyui LTX 2.3 マルチビュー動画ワークフローの主要ノード#
LTXICLoRALoaderModelOnly(#5924) クロスビュープロンプトIC-LoRAをロードし、アクティブなLTX-2.3モデルにアタッチして、自然言語でカメラ変更をリクエストできるようにします。要求された視点への従属を強化するにはアダプタの強度を増やし、過度に制約された動きが見られる場合は減らします。ノードセットは公式ComfyUI-LTXVideo拡張から来ています。 GitHubLTXAddVideoICLoRAGuide(#5899) サンプリング中にIC-LoRAガイダンスを適用し、ポジティブプロンプト、現在のビデオ潜在変数、参照画像シーケンスを使用します。これは、クロスビュージオメトリを強制しながらアイデンティティを保持することで、プレーンレンダーをLTX 2.3 マルチビュー動画に変えるレバーです。ベースプロンプトに対するガイドの強度を調整して、創造性とカメラの忠実性のバランスを取りましょう。 GitHubLTXVImgToVideoConditionOnly(#5904) ピクセルをコピーせずに参照フレームからモーションと構図のプライアを構築し、カメラアングルを変更する際にタイミングとキャラクターの一貫性を維持します。新しいビューがオリジナルのパフォーマンスを反映することを望む場合に使用します。純粋なテキストからビデオへの変換や完全に新しいショットの場合、参照入力をバイパスできます。 GitHubSamplerCustom(#561) モデル、条件付け、シグマスケジュールを融合してAV潜在変数を生成する主要なサンプラーです。KSamplerSelect(#154) で上流のサンプラータイプを選択して、品質と速度の目標を達成してください。LTX 2.3 マルチビュー動画のために多くのアングルをキューに入れる予定がある場合、設定を一貫させてすべての出力がフレームロックされたままにしてください。VHS_LoadVideo(#5997) とVHS_VideoCombine(#604, #5975) VideoHelperSuiteは取り込みと出力を処理します。ローダーはフレームとオーディオを抽出し、コンバイナーはデバッグサイドバイサイドとオーディオ付きのクリーンレンダリングのMP4ファイルを書き込みます。簡単なマルチビュー編集のために入力グループとフレームレートを整列させてください。 GitHubImageResizeKJv2(#5966) 参照シーケンスが条件付けとサンプリングの前に目標解像度と一致するようにします。サイズを一致させると、再サンプリングアーティファクトが減少し、IC-LoRAが角度を超えた顔のディテールとシーンのディテールを維持するのに役立ちます。 GitHub
オプションの追加機能#
- ノートブロックに提供されたクロスビュープリセットを使用して、複数のアングルを迅速に作成し、同期されたLTX 2.3 マルチビュー動画をマルチカム編集のためにキューに入れます。
- すべてのアングルで幅と高さを同じに保ちます。プロジェクトの途中で解像度を変更すると、微妙なアイデンティティのドリフトが発生する可能性があります。
- 最も強いアイデンティティのロックを得るには、被写体の説明と衣装を一定に保ち、クロスビュープロンプトのみを変更します。
- 4アングルセットを構築するには、同じプロンプトで4つのクロスビュー方向(前面、側面、3/4、背面)を使用して、同じ秒数とfpsでレンダリングします。
- サイドバイサイドのデバッグ出力を使用して、ジオメトリとタイミングを検証し、最終的なLTX 2.3 マルチビュー動画セットをエクスポートする前に確認します。
謝辞#
このワークフローは、以下の作品およびリソースを実装および構築しています。LTX 2.3 マルチビュー動画ワークフローソースの寄稿とメンテナンスに感謝します。権威ある詳細については、以下にリンクされた元のドキュメントおよびリポジトリを参照してください。
リソース#
- Innovate Futures @ Benji/LTX 2.3 マルチビュー動画ワークフローソース
- ドキュメント / リリースノート: Patreon Post
注: 参照されたモデル、データセット、およびコードの使用は、それぞれの著者および管理者が提供するライセンスおよび条件に従います。


