ComfyUI>Fluxos de Trabalho>LongCat Video Avatar 1.6 | Vídeos Sincronizados com os Lábios

LongCat Video Avatar 1.6 | Vídeos Sincronizados com os Lábios

Workflow Name: RunComfy/LongCat-Avatar-1.6
Workflow ID: 0000...1567
Anime sua imagem de referência com o LongCat Avatar 1.6. Adicione fala para um MP4 sincronizado com os lábios. Crie apresentadores solo. Construa diálogos entre duas pessoas. Atribua vozes com máscaras SAM 3.1. Alterne entre grupos de canvas 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#

O fluxo de trabalho LongCat Video Avatar 1.6 ComfyUI transforma uma única imagem de referência e uma ou duas faixas de voz em um MP4 limpo e sincronizado com os lábios. Ele vem com dois grupos de canvas: um diálogo padrão de dois falantes que atribui vozes a rostos com máscaras SAM 3.1, e um monólogo de um único falante para apresentadores ou personagens. Criadores, educadores e equipes de produto podem rapidamente produzir avatares falantes com identidade estável, formas naturais da boca e movimento suave da cabeça.

Nos bastidores, o gráfico segmenta scripts mais longos em pequenos pedaços sobrepostos, gera quadros para cada pedaço com o LongCat Video Avatar 1.6, corta a sobreposição e depois costura os segmentos de volta enquanto anexa a trilha sonora completa. O resultado é um vídeo suave e preciso na voz que respeita seu prompt e composição.

Modelos principais no fluxo de trabalho LongCat Video Avatar 1.6 ComfyUI#

  • Meituan LongCat Video Avatar 1.6. Modelo de avatar central que transforma características de fala mais uma imagem de identidade em quadros sincronizados com os lábios enquanto preserva a aparência. Model card
  • Adaptadores LongCat Video Avatar (DMD e OPSD) embalados para ComfyUI. Adaptadores opcionais que alinham o comportamento de amostragem com o pipeline lançado. Pesos
  • Codificador Whisper Large V3. Extrai características robustas de fala que impulsionam formas da boca e coarticulação. Modelo
  • Família Segment Anything (SAM). Fornece máscaras de pessoa de alta qualidade para que cada faixa de voz anime o rosto correto em cenas de diálogo. Repositório

Como usar o fluxo de trabalho LongCat Video Avatar 1.6 ComfyUI#

Fluxo geral

  • Escolha um grupo para executar. O gráfico divide o áudio em segmentos sobrepostos, gera quadros para cada segmento com LongCat, decodifica-os em imagens, elimina a sobreposição repetida e concatena os segmentos em um único vídeo com sua trilha sonora completa.

Diálogo de Dois Falantes · padrão

  • Carregue uma imagem mostrando ambas as pessoas no quadro usando a imagem de início. Adicione duas faixas de voz, uma por falante, a Voice A e Voice B. O projeto de amostra roteia a primeira linha para a mulher à esquerda, depois a segunda linha para o homem à direita.
  • Nós SAM 3.1 detectam cada pessoa e produzem duas máscaras. Altere os prompts de texto curtos que lêem mulher e homem para corresponder à sua foto, se necessário. Use as pré-visualizações das máscaras para confirmar que os rostos à esquerda e à direita estão separados de forma limpa.
  • Prompts Positivos e Negativos fornecem orientação de câmera e qualidade em alto nível. Mantenha-os descritivos e factuais para manter a identidade e a continuidade da iluminação.
  • Comprimento do segmento e sobreposição controlam quantos quadros são gerados por passagem e quão suavemente os segmentos se misturam. Segmentos mais longos reduzem o número de passagens, e mais sobreposição suaviza as transições.
  • Enfileire o canvas para gerar e salvar o vídeo de diálogo. Dois nós Salvar Vídeo usam diferentes prefixos de nome de arquivo para que os renderizados de diálogo e monólogo não se sobreponham.

Monólogo de Um Único Falante · ignorado por padrão

  • Carregue uma imagem de referência de uma única pessoa e um arquivo de áudio. A mesma faixa de voz dirige a duração, o condicionamento e a trilha sonora final.
  • O nó LongCat de um único falante usa a imagem inteira, portanto, não é necessário mascaramento. Mantenha o sujeito voltado para a frente com espaço moderado acima da cabeça para melhor legibilidade dos lábios.
  • Ajuste os Prompts Positivos e Negativos para corresponder ao seu estilo de câmera. Em seguida, enfileire o canvas para renderizar e salvar o vídeo do monólogo.

Alternando entre modos

  • No menu Grupos, execute apenas um grupo por vez. Defina o modo que deseja como Sempre e o outro como Ignorar. Ao retornar ao Diálogo, mantenha a mistura OPSD Opcional ignorada, a menos que você especificamente queira essa variante.

Nós principais no fluxo de trabalho LongCat Video Avatar 1.6 ComfyUI#

LongCatAvatarToVideo (#100) · Diálogo

  • O gerador central para cenas de dois falantes. Ele leva a imagem de início, duas faixas de áudio codificadas e duas máscaras SAM para que cada voz anime o rosto correto. Ajuste apenas o que importa: comprimento do segmento versus sobreposição para suavidade temporal, e força do áudio se precisar de articulação de boca mais nítida. O nó também recebe um deslocamento de quadro do loop para que cada segmento caia na posição correta no tempo. Veja a introdução do nó nativo para mais informações. ComfyUI PR

LongCatAvatarToVideo (#300) · Monólogo

  • A variante de um único falante anima um rosto a partir de uma faixa de áudio. Use-o quando apenas um sujeito estiver visível. Aplica-se a mesma orientação: ajuste o comprimento do segmento e a sobreposição para o comprimento do seu script, e mantenha a força do áudio moderada para equilibrar a precisão dos lábios e a estabilidade facial. ComfyUI PR

SAM3_Detect (#147) máscara do Falante A e SAM3_Detect (#150) máscara do Falante B

  • Estes detectam pessoas na imagem de início e produzem máscaras limpas. Eles aceitam rótulos de texto breves, que você pode mudar para refletir seus sujeitos. Se as máscaras vazarem, ajuste os prompts ou forneça caixas simples ou pontos; use as pré-visualizações de máscara embutidas para verificar a separação. Para informações sobre SAM, veja o artigo original e o repositório. Artigo · Repositório

StartLoop · Segmentos (subgráfico “Loop Start”)

  • Automatiza scripts longos calculando quantos segmentos são necessários a partir da duração do áudio, comprimento do segmento e sobreposição. Ele incrementa a semente entre passagens para variação natural e fornece um deslocamento de quadro para que cada passagem comece na posição correta da linha do tempo. O loop alimenta quadros anteriores de volta na geração para manter a continuidade entre cortes.

SamplerCustom emparelha com BasicScheduler e SplitSigmas

  • O fluxo de trabalho usa um sampler de duas etapas por segmento, operando em faixas de ruído mais altas e depois mais baixas para estabilidade de movimento. Mantenha o sampler e o cronograma padrão, a menos que você tenha um motivo para experimentar; a configuração enviada corresponde ao comportamento de lançamento oficial do LongCat. Pesos · Model card

Extras opcionais#

  • Identidade primeiro. Use uma referência nítida, voltada para a frente, com lábios neutros e iluminação consistente. Pequenas viradas de cabeça são aceitáveis; grandes rotações ou obstruções reduzem a clareza dos lábios.
  • Configuração de diálogo. Se seus falantes se sobrepuserem ou cruzarem, ajuste os prompts SAM ou refine as máscaras para que cada voz controle apenas um rosto.
  • Preparação de áudio. Use arquivos WAV mono limpos, sem redução de ruído pesada. Corte silêncios iniciais e finais para manter o tempo apertado.
  • Prompt. Mantenha os Prompts Positivos concretos e em nível de cena. Use o Prompt Negativo para descartar artefatos como superexposição, tremor ou boca congelada.
  • Variantes. A mistura OPSD Opcional é fornecida para experimentação, mas é ignorada por padrão para espelhar o pipeline publicado. Pesos

Agradecimentos#

Este fluxo de trabalho implementa e constrói sobre os seguintes trabalhos e recursos. Agradecemos a equipe Meituan LongCat pelo modelo LongCat-Video-Avatar 1.6, Comfy-Org pelos pesos do LongCat-Video-Avatar para ComfyUI, e Comfy-Org/ComfyUI pelos nós nativos do LongCat Avatar e fluxo de trabalho fonte por suas contribuições e manutenção. Para detalhes autoritativos, consulte a documentação original e os repositórios vinculados abaixo.

Recursos#

Nota: O uso dos modelos, conjuntos de dados e código referenciados está sujeito às respectivas licenças e termos fornecidos por seus autores e mantenedores.

RunComfy
Copyright 2026 RunComfy. Todos os Direitos Reservados.

RunComfy é a principal ComfyUI plataforma, oferecendo ComfyUI online ambiente e serviços, juntamente com fluxos de trabalho do ComfyUI apresentando visuais impressionantes. RunComfy também oferece AI Models, permitindo que artistas utilizem as mais recentes ferramentas de AI para criar arte incrível.