LTX 2.5 最初と最後のフレームからビデオへ: 2フレームアンカーによるシネマティッククリップと同期されたオーディオ#
このRunComfy対応ワークフローは、マッチした開始と終了画像を短いシネマティックビデオに変換し、同期されたオーディオを提供します。最初と最後のフレームアンカーから生成をガイドすることで、構図、照明、被写体のアイデンティティ、スタイルを維持しつつ、2つの間に一貫した動きを作り出します。LTX 2.5 最初と最後のフレームからビデオは、ComfyUI内で制御されたキャラクターアクション、製品のビート、カメラの動き、シーンの移行に最適です。
内部では、LightricksのLTX-2.5トランスフォーマーと専用のビデオおよびオーディオVAE、さらにGemmaベースのプロンプトエンハンサーを組み合わせています。グラフはプロンプト、ビデオ設定、最初/最後のフレーム準備、コンディショニング、サンプリング、デコーディングのための明確なグループを備えており、低レベルの配線に触れることなく信頼性のある繰り返し可能な結果を得ることができます。
Comfyui LTX 2.5 最初と最後のフレームからビデオワークフローの主要モデル#
- Lightricks LTX-2.5 蒸留トランスフォーマー。テキストと視覚ガイドから動き、外観、時間的一貫性を学習するコアビデオジェネレーターです。Model page
- LTX-2.5 ビデオVAE。鋭いフレームのためにビデオラテントを圧縮およびデコードし、メモリの使用を実用的に保ちます。LTX-2.5リポジトリに含まれています。Model page
- LTX-2.5 オーディオVAE。視覚イベントに一致する同期されたオーディオラテントを生成および再構築します。LTX-2.5リポジトリに含まれています。Model page
- Gemma 4 12B テキストエンコーダーとプロジェクション for LTX-2.5。プロンプトを豊かなコンディショニングにエンコードし、被写体、アクション、照明、カメラの方向をカバーします。LTX-2.5アセットに含まれています。Model page
- Gemma 4 E2B 指示調整済みバリアント for プロンプトエンハンスメント。エンハンスメントが有効になっている場合、短い入力をシネマティックな方向に拡張します。Model page
- LTX-2.5 パイプラインおよびスケジュール動作のためのオプションのDiffusersリファレンス。サンプラーのトレードオフを理解するのに役立ちます。Project page
Comfyui LTX 2.5 最初と最後のフレームからビデオワークフローの使い方#
このワークフローは、2つの画像をアンカーとして取り、それらをガイダンスに変換し、その後、テキストコントロールの下でビデオおよびオーディオラテントをデノイズし、共有可能なクリップにデコードします。以下の各グループは特定の役割を果たし、ほとんどのユーザーはプロンプト、プロンプトエンハンスメント、およびビデオ設定にのみ触れます。
プロンプト#
Prompt (#252) ノードに簡潔かつ説明的な指示を書きます。ポジティブテキストは CLIPTextEncode (#222) によってGemma 4 12Bエンコーダーを使用してエンコードされ、モデルが被写体、アクション、照明、カメラの意図を理解できるようにします。モデルが両方のアンカーを尊重するのを助けるために、開始ビートと同様にエンドステートを記述しておいてください。厳密な言葉遣いやブランド用語が必要な場合は、プロンプトに明示的に書き込んでください。
プロンプトエンハンスメント#
短いプロンプトは TextGenerateLTX2Prompt (#247) を使用して自動的に拡張できます。ComfySwitchNode (#248) は生のプロンプトまたは拡張されたテキストのどちらかをエンコーダーにルーティングし、PreviewAny (#249) は最終テキストを確認できます。シネマティックな表現と豊かな動きの手がかりが欲しい場合はエンハンスメントを有効にし、プロンプトの言葉遣いを厳密に保つ必要がある場合は無効にします。
ビデオ設定#
Duration (#198)、Frame Rate(int) (#205)、Width (#215)、height (#216) でクリップの長さ、フレームレート、解像度を設定します。グラフは ComfyMathExpression (#226) を使用して総フレーム数を計算し、EmptyLTXVLatentVideo (#201) と LTXVEmptyLatentAudio (#197) でビデオラテントとオーディオラテントを割り当てます。解像度またはフレームレートが高いとVRAMと時間が増加します。まず控えめに始めて、動きが気に入ったらスケールアップしてください。
最初のフレーム#
開始画像を読み込み、ResizeImageMaskNode (#213) でターゲット解像度に合わせてリサイズします。LTXVPreprocess (#199) によってトーンとディテールを正規化し、安定したガイダンスを得られるようにします。清潔で、露出が良く、構図が明確な画像は、モデルがより早くロックオンし、アンカーからの意図しないドリフトを減らすのに役立ちます。
最後のフレーム#
終了画像を読み込み、ResizeImageMaskNode (#214) でリサイズし、LTXVPreprocess (#195) で正規化します。最初のフレームに対するアスペクト比、視点、および被写体のスケールを一致させ、移行が物理的に可能であると感じられるようにし、最後にアンカーが保持されるようにします。
コンディショニング#
LTXVConditioning (#202) でテキストのコンディショニングを構成し、ターゲットフレームレートを受け取ってタイミングを各ブランチで整合させます。画像ガイダンスは LTXVAddGuide (#206) を使用して最初のフレームに、LTXVAddGuide (#204) を使用して最後のフレームに2回アタッチされ、両方のアンカーが軌道に影響を与えることを保証します。LTXVCropGuides (#200) は、ガイダンスがラテントキャンバスと完全に一致するように残留するサイズの違いを調整します。
サンプリング#
ノイズは RandomNoise (#196) でシードされ、SamplerCustomAdvanced (#211) によって SamplerEulerAncestral (#208) と ManualSigmas (#239) のスケジュールを使用してデノイズが駆動され、クリスプでモーションが安定したアップデートを行います。ガイダンスは LTXVDualCFGGuider (#235) から得られ、UNETLoader (#230) によってポジティブとネガティブの条件をブレンドし、ルックとムーブメントを導きます。オーディオとビデオのラテントは LTXVConcatAVLatent (#210) と LTXVSeparateAVLatent (#221) で連結され、後に分離されるので、動きと音が一緒に進化します。
デコーディングと出力#
ラテントは VAEDecodeTiled (#219) を使用してビデオVAEでフレームにデコードされ、オーディオは LTXVAudioVAEDecode (#220) を使用してオーディオVAEでデコードされます。CreateVideo (#218) は、選択したFPSで画像とオーディオをミックスして最終クリップを生成します。トップグラフに戻り、SaveVideo (#68) で結果を書き込みます。必要に応じて名前を変更したり、場所を変更したりします。
Comfyui LTX 2.5 最初と最後のフレームからビデオワークフローの主要ノード#
TextGenerateLTX2Prompt (#247)#
簡潔な入力をシネマティックでLTX対応のプロンプトに拡張します。リッチな動詞、照明、カメラ言語が欲しい場合に使用します。正確な表現やブランド安全な言葉遣いを必要とする場合は、ComfySwitchNode (#248) を通じてエンハンスメントをオフにし、自分で最終テキストを提供してください。
LTXVDualCFGGuider (#235)#
LTX-2.5モデルをポジティブおよびネガティブのコンディショニングと組み合わせて、遵守と自由のバランスを取ります。ガイダンスを強くするとプロンプトとアンカーの忠実度が向上し、弱くするとより自然な動きになります。非常に高いガイダンスは動きを過度に拘束したり、飽和を引き起こす可能性があるため、ネガティブプロンプトの強度とともに調整してください。
SamplerCustomAdvanced (#211)#
SamplerEulerAncestral (#208) と選択したシグマスケジュールを使用してデノイズループを実行します。スピードテストには短いスケジュールを使用し、詳細保持が必要な場合は長いスケジュールを使用します。動きがジッタリーに見える場合は、スムーズなシグマランプを試すか、ガイダンスを若干下げてステップ間の過剰修正を減らしてください。
ManualSigmas (#239)#
クリスプさと時間的スムーズさをトレードするノイズスケジュールを定義します。前方にローディングされたノイズは早期に大きな動きを促進し、より穏やかなテールはアンカー付近の詳細を保持することができます。プロンプトとアンカーに満足した後にのみ調整してください。
VAEDecodeTiled (#219)#
タイル処理を使用してビデオラテントを画像にデコードし、メモリにフィットするように大きな解像度を処理します。小さなタイルはVRAMを減らしますが、タイルシームのリスクがあります。大きなタイルはよりクリーンですが、重くなります。解像度とタイルサイズをGPUに合わせてバランスを取りましょう。
LTXVAudioVAEDecode (#220)#
オーディオラテントから同期されたオーディオトラックを再構築します。無音のクリップをエクスポートするには、CreateVideo (#218) の前にサブグラフ内のオーディオブランチを一時的に無効にします。最終の音が忙しすぎると感じた場合は、プロンプトでのアクション密度を減らしてオーディオモデルがシンプルなビートに従うようにします。
RandomNoise (#196)#
生成をシードします。再現可能な結果のために、サブグラフを開いてランダム化する代わりに固定シードを設定します。同じアンカーとプロンプトからモーションオプションを探る際には、異なるシードを使って異なる軌道をサンプルしてください。
オプションの追加#
- 最もクリーンなトランジションのために、最初と最後のフレームをアスペクト比、地平線、および被写体のスケールで整列させてください。ミスマッチはモデルにジオメトリを変形させる原因となります。
- 動きを明確に記述してください。「左を向いて開始し、カメラに向き直り、手を開き、青いクリスタルが手のひらの上に上がる」といったプロンプトはスタイルだけのプロンプトよりも読みやすいです。
- 期間とFPSは相互に作用します。両方を増やすとメモリとレンダー時間が増加します。一度に1つずつ伸ばし、スケールアップする前にプレビューしてください。
- エッジがきらめく場合は、プロンプト内の細かいテクスチャの形容詞を減らすか、ガイダンスを少し下げて時間的安定性を優先してください。
- 繰り返しを速めるために、最初は小さな解像度でテストし、動きとフレーミングがロックされたら幅と高さを上げてください。
- ブランド完璧なエンドフレームが必要な場合は、プロンプトでそれらを強調し、最後のフレームをクリーンで高コントラストに保つことで、LTX 2.5 最初と最後のフレームからビデオが確実にロックオンできるようにします。
謝辞#
このワークフローは、以下の作品とリソースを実装し、それに基づいて構築されています。私たちは、SourceワークフローテンプレートのためにComfy.orgに、LTX-2.5モデルの重みのためにLightricksに、LTX-2.5 DiffusersプロジェクトのためにLightricksに、彼らの貢献と維持に感謝します。詳細については、以下にリンクされている元のドキュメントとリポジトリを参照してください。
リソース#
- Comfy.org/Source ワークフローテンプレート
- ドキュメント / リリースノート: Source workflow template
- Lightricks/LTX-2.5
- Hugging Face:json
{
