LTX 2.3 Vídeos Multi-View | Gerador Multi-Câmera

LTX 2.3 Vídeos Multi-View: Fluxo de Trabalho Cross‑View IC‑LoRA para ComfyUI#

Este fluxo de trabalho cria LTX 2.3 Vídeos Multi-View sincronizados que re-renderizam a mesma cena de diferentes ângulos de câmera enquanto preservam identidade, aparência e geometria. Combina a base oficial LTX-2.3 com um IC-LoRA especialmente construído que interpreta prompts "crossview" compactos como "novo ângulo de câmera: ligeiramente para a esquerda, mais alto, mesma distância" para gerar clipes multi-angulares consistentes.

Projetado para produção virtual, reconstrução 3D, exibições de personagens, VFX e narrativa cinematográfica, o gráfico mantém o tempo, comprimento e taxa de quadros alinhados para que você possa enfileirar vários ângulos em uma sessão e montar uma edição limpa de múltiplas câmeras. O bloco de notas incluído lista dezenas de predefinições crossview que você pode colar no prompt, tornando LTX 2.3 Vídeos Multi-View simples de criar e repetir.

Modelos principais no fluxo de trabalho Comfyui LTX 2.3 Vídeos Multi-View#

• Lightricks LTX-2.3 22B. O modelo de difusão audiovisual central usado para geração, suportando texto, imagem, vídeo e condicionamento de áudio com latentes nativos A/V. Veja o cartão do modelo oficial para arquitetura, variantes e notas de uso: Lightricks/LTX-2.3 no Hugging Face. Link
• Pesos destilados LTX-2.3. Um caminho destilado leve melhora a velocidade e estabiliza os resultados para renderizações mais longas; este fluxo de trabalho está conectado aos ativos de lançamento destilados 22B enviados no mesmo cartão do modelo. Link
• LTX 2.3 IC-LoRA CrossView Prompt por Cseti. Um IC-LoRA especializado que aplica transformações de câmera cross-view enquanto mantém a consistência do sujeito e da cena, o motor por trás dos LTX 2.3 Vídeos Multi-View neste gráfico. Link
• LTX-2.3 Vídeo VAE e Áudio VAE. Os VAEs oficiais que codificam e decodificam latentes de vídeo e áudio usados ao longo do pipeline. Eles fazem parte da distribuição LTX-2.3. Link
• Google Gemma 3 12B Instruct. Usado aqui como codificador de texto via interface dual-CLIP do ComfyUI, para que os prompts e instruções crossview sejam traduzidos corretamente no espaço de projeção de texto do LTX-Video. Link
• Referências do projeto LTX-Video. Para informações de fundo sobre a família de modelos e seu design de latentes AV, veja o repositório oficial e o artigo. GitHub • arXiv

Como usar o fluxo de trabalho Comfyui LTX 2.3 Vídeos Multi-View#

Em um nível alto, o fluxo de trabalho carrega o modelo base e o IC-LoRA, prepara um clipe de referência, constrói o condicionamento a partir do seu prompt e dos quadros de referência, e então amostra uma nova renderização que segue a mudança de câmera crossview solicitada. Dois outputs são gerados: um vídeo de depuração lado a lado e a renderização limpa com áudio.

Modelos#

Este grupo conecta a base de geração e os adaptadores. CheckpointLoaderSimple (#607) carrega o checkpoint LTX-2.3 22B, então LoraLoaderModelOnly (#606) aplica o LoRA destilado para velocidade e qualidade. LTXICLoRALoaderModelOnly (#5924) carrega o CrossView Prompt IC-LoRA que alimenta os LTX 2.3 Vídeos Multi-View. DualCLIPLoader (#416) traz o codificador de texto Gemma 3 12B com a projeção de texto LTX, enquanto VAELoader (#5808) e LTXVAudioVAELoader (#5809) fornecem os VAEs oficiais de vídeo e áudio.

Configuração de Vídeo de Entrada#

Defina o tempo base e o tamanho de saída aqui. FPS (Input) (#616) e Seconds (Input) (#615) determinam o comprimento do clipe, e o gráfico calcula automaticamente a contagem de quadros para manter cada vista alinhada no tempo. Width (#612) e Height (#5968) definem a resolução da renderização. Todos os amostradores e VAEs a jusante leem esses valores compartilhados, o que mantém os diferentes ângulos consistentes para que os LTX 2.3 Vídeos Multi-View possam ser cortados juntos sem re-temporização.

Preparar Vídeo de Referência#

Use VHS_LoadVideo (#5997) para carregar um clipe de referência opcional para movimento, enquadramento e áudio. O vídeo é redimensionado por ImageResizeKJv2 (#5966) para corresponder à sua resolução alvo, e seu áudio é armazenado para a renderização final. Se você preferir texto puro para vídeo, pode pular o carregador; com uma referência, o fluxo de trabalho re-renderiza a cena de um novo ângulo mantendo a identidade estável.

Condicionamento#

Os prompts fluem através de CLIP Text Encode (Positive Prompt) (#5922) usando Gemma, e então em LTXVConditioning (#164) onde a taxa de quadros é anexada para controle temporal. O prompt positivo é onde você coloca as instruções crossview, por exemplo "crossview. novo ângulo de câmera: ligeiramente para a direita, mais alto, mesma distância." LTXVImgToVideoConditionOnly (#5904) transforma os quadros de referência redimensionados em um prévio de movimento sem copiar pixels, e LTXAddVideoICLoRAGuide (#5899) injeta a orientação CrossView IC-LoRA para que a transformação da câmera seja respeitada na renderização final.

Pré-processamento#

Para QA rápido, ImageConcatMulti (#5974) constrói uma tira lado a lado dos quadros de referência e gerados. Isso ajuda a confirmar que a instrução crossview produziu o movimento de câmera pretendido e que a identidade é preservada antes de você se comprometer com um lote mais longo de LTX 2.3 Vídeos Multi-View.

Amostragem#

SamplerCustom (#561) conduz a difusão com o modelo composto e o condicionamento, recebendo um latente AV que mantém áudio e vídeo sincronizados. O cronograma é fornecido por ManualSigmas (#5972) e o tipo de amostrador por KSamplerSelect (#154). Após a amostragem, VAEDecode (#471) reconstrói os quadros com o VAE de vídeo oficial. VHS_VideoCombine (#604) então escreve o MP4 final com o áudio da fonte armazenado, enquanto um segundo VHS_VideoCombine (#5975) salva a renderização de depuração lado a lado.

Nós principais no fluxo de trabalho Comfyui LTX 2.3 Vídeos Multi-View#

• LTXICLoRALoaderModelOnly (#5924) Carrega o CrossView Prompt IC-LoRA e o anexa ao modelo ativo LTX-2.3 para que mudanças de câmera possam ser solicitadas em linguagem natural. Aumente a força do adaptador para maior aderência ao ponto de vista solicitado ou reduza se você perceber movimento excessivamente restrito. O conjunto de nós vem da extensão oficial ComfyUI-LTXVideo. GitHub
• LTXAddVideoICLoRAGuide (#5899) Aplica a orientação IC-LoRA durante a amostragem usando seu prompt positivo, o latente de vídeo atual e a sequência de imagens de referência. Esta é a alavanca que transforma uma renderização simples em LTX 2.3 Vídeos Multi-View ao impor geometria crossview enquanto preserva a identidade. Ajuste a força do guia em relação ao prompt base para equilibrar criatividade e fidelidade da câmera. GitHub
• LTXVImgToVideoConditionOnly (#5904) Constrói um prévio de movimento e composição a partir dos quadros de referência sem copiar pixels, o que ajuda a manter o tempo e a consistência do personagem ao mudar o ângulo da câmera. Use quando quiser que a nova vista ecoe a performance original. Para texto puro para vídeo ou tomadas totalmente novas, você pode ignorar a entrada de referência. GitHub
• SamplerCustom (#561) O amostrador principal que funde o modelo, o condicionamento e o cronograma sigma para gerar o latente AV. Escolha um tipo de amostrador a montante em KSamplerSelect (#154) que se adeque ao seu alvo de qualidade-velocidade. Se planeja enfileirar muitos ângulos para LTX 2.3 Vídeos Multi-View, mantenha as configurações consistentes para que todas as saídas permaneçam travadas em quadros.
• VHS_LoadVideo (#5997) e VHS_VideoCombine (#604, #5975) VideoHelperSuite lida com ingestão e exportação. O carregador extrai quadros e áudio; os combinadores escrevem arquivos MP4 para a depuração lado a lado e a renderização limpa com áudio. Mantenha a taxa de quadros alinhada com o grupo Input para edição fácil de multi-views. GitHub
• ImageResizeKJv2 (#5966) Garante que a sequência de referência corresponda à sua resolução alvo antes do condicionamento e amostragem. Tamanhos correspondentes reduzem artefatos de reamostragem e ajudam o IC-LoRA a manter detalhes faciais e de cena através dos ângulos. GitHub

Extras opcionais#

• Use as predefinições crossview fornecidas no bloco de notas para autorar rapidamente múltiplos ângulos, depois enfileire execuções para obter LTX 2.3 Vídeos Multi-View sincronizados para edições de multicâmera.
• Mantenha largura e altura idênticas em todos os ângulos; mudar a resolução no meio do projeto pode introduzir um leve desvio de identidade.
• Para o bloqueio de identidade mais forte, mantenha a descrição do sujeito e o figurino constantes enquanto apenas altera a instrução crossview.
• Para construir um conjunto de quatro ângulos, renderize o mesmo prompt com quatro direções crossview (frontal, lateral, três-quartos, traseira) usando segundos e fps idênticos.
• Use a saída de depuração lado a lado para validar geometria e tempo antes de exportar seu conjunto final de LTX 2.3 Vídeos Multi-View.

Agradecimentos#

Este fluxo de trabalho implementa e constrói sobre os seguintes trabalhos e recursos. Agradecemos imensamente ao Innovate Futures @ Benji por LTX 2.3 Multi-View Videos Workflow Source por suas contribuições e manutenção. Para detalhes autoritativos, por favor, consulte a documentação e os repositórios originais vinculados abaixo.

Recursos#

• Innovate Futures @ Benji/LTX 2.3 Multi-View Videos Workflow Source
  • Docs / Release Notes: Patreon Post

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