Ltx2.3 说话与歌唱应用

这是一个使用 LTX2 唇形同步技术生成约 10 秒说话视频的应用。该模型仍在开发中，即使是很小的偏差也会导致生成失败，但与其他模型相比相对稳定，因此我还是发布了它。如果遵循以下条件，成功率将显著提高。 1. 使用中景照片：从腰部以上，面部和肩膀清晰可见。如果图像太远或从远处显示整个上半身，失败率会大幅上升。请参考类似简历照片的构图。 2. 音频目前限制在 10 秒内。如果您想尝试更长的音频，请查看我工作流中的 LTX2 部分。 音频目前限制在 10 秒内。如果您想尝试更长的音频，请查看我工作流中的 LTX2 部分。