学习声明:本文仅用于开源 AIGC 技术研究、本地工作流调试,所有生成内容必须遵守版权与平台规范,禁止违规批量产出商用短剧。LTX-2.3 IC-LoRA 是近期漫剧圈热度很高的垂直 LoRA,专门针对双人同框对话、分镜连贯性优化,也是现在很多漫剧博主新换的主力链路。
一、硬件与环境前置
这套方案适配 RTX4050 8G 笔记本,最低内存 16G,SSD 预留 35G 以上空间;相比 Wan 系列,LTX-2.3 对微表情、慢镜头、双人对话的时序稳定性更强,搭配 IC-LoRA 之后,跨镜头人脸漂移概率大幅下降,非常适合女频都市、古言对话类漫剧。 整套链路组件:
- ComfyUI(秋叶整合包,更新到新版,支持 LTX 自定义节点)
- LTX-2.3 底模 + LTX2.3-IC-LoRA-Dual-Character(双人漫剧专用 LoRA)
- IP-Adapter FaceID Plus v2,辅助人脸锚定兜底
- 本地 Qwen GGUF,剧本拆镜、角色台词提取
- Fish-TTS 本地推理,批量配音
- FFmpeg,音视频拼接、字幕压制、编码统一
8G 显卡专用启动 bat,直接替换 run_nvidia_gpu.bat 内容:
@echo off set CUDA_VISIBLE_DEVICES=0 set PYTHONARGS=--lowvram --cuda-malloc --disable-xformers --auto-offload python main.py %PYTHONARGS%
配套资源请看这里:https://pan.quark.cn/s/6422b249063a
二、流水线整体架构
本地 LLM 解析剧本 → 脚本自动拆分双人对话分镜、标记角色 A / 角色 B → 加载角色三视图,IP-Adapter 预提取特征 → ComfyUI 调用 LTX-2.3 + IC-LoRA 生成分镜视频(优先控制运动幅度) → 本地 TTS 批量生成对应台词音频 → FFmpeg 批量混流、字幕压制、统一 9:16 竖屏输出成片。 LTX-2.3 IC-LoRA 核心优势:不需要单独训练角色 LoRA,直接喂参考图就能锁定两个人物,适合连载漫剧快速上新。
三、剧本解析脚本(双人对话专项版本)
新建drama_dual_shot.py,专门识别 A、B 交替对话,输出带角色标记的 JSON,直接喂给 ComfyUI 批量节点:
import re import json class DualDramaParser: def __init__(self, role_a: str, role_b: str): self.role_a = role_a self.role_b = role_b self.pat_speech = re.compile(rf"({re.escape(role_a)}|{re.escape(role_b)})[::][\"“](.*?)[\"”]") self.filter_word = re.compile(r"心里暗想|暗自思索|心头一紧") def clean(self, text:str): text = self.filter_word.sub("", text) text = re.sub(r"\s+", " ", text).strip() return text def parse(self, raw_text: str, ep_id: str): blocks = re.split(r"\n{2,}", raw_text) shot_list = [] sid = 0 for blk in blocks: blk = self.clean(blk) if len(blk) < 5: continue match = self.pat_speech.search(blk) speaker = "" dialogue = "" action = blk if match: speaker = match.group(1) dialogue = match.group(2) action = self.pat_speech.sub("", blk).strip() shot_item = { "shot_id": sid, "speaker": speaker, "dialogue": dialogue, "action_desc": action, "prompt_extra": "漫画分镜,柔和漫剧光影,人物五官稳定,轻微眨眼,小幅度手部动作,镜头缓慢平移", "neg_prompt": "人脸变形,五官漂移,肢体崩坏,闪烁,鬼影,多手指,水印,文字,大幅度动作", "is_dual": speaker in [self.role_a, self.role_b] } shot_list.append(shot_item) sid += 1 return { "episode": ep_id, "role_a": self.role_a, "role_b": self.role_b, "shot_count": sid, "shots": shot_list } if __name__ == "__main__": # 自行修改两个角色名字 parser = DualDramaParser(role_a="苏晚", role_b="陆沉") with open("dual_script.txt","r",encoding="utf-8") as f: raw = f.read() res = parser.parse(raw, ep_id="ep02") with open("ltx_dual_storyboard.json","w",encoding="utf-8") as fw: json.dump(res, fw, ensure_ascii=False, indent=2) print("双人分镜JSON生成完成,可导入ComfyUI批量队列")
四、LTX-2.3 IC-LoRA 推荐参数(漫剧专用)
LTX 的 motion strength 是漫剧成败核心,这个 LoRA 是为对话镜头设计,严禁高运动值:
- 分辨率:512×896(9:16 竖屏,适配短剧平台)
- 采样步数:24 步,CFG 2.5
- motion strength:0.2~0.32(重点!超过 0.35 很容易五官飘)
- 帧率:8fps,单镜头 4s,短镜头一致性最好
- IC-LoRA 权重:0.6~0.75,权重太高画面僵硬不动
- IP-Adapter FaceID 权重:0.65,作为兜底锁脸
- 提示词模板:
漫画分镜,{action_desc},{speaker},固定角色长相,干净勾线,柔和漫剧上色,微动态,缓慢运镜 - 反向提示词:
人脸漂移,五官错乱,肢体扭曲,画面闪烁,黑帧,多余肢体,文字,水印
踩坑提醒:LTX 的 IC-LoRA 只适合双人对话镜头,单人特写、打斗镜头不要加载这个 LoRA,会出现画面异常。
五、批量 TTS 配音脚本,读取分镜 JSON
新建tts_batch_dual.py,自动匹配角色音色,批量输出 wav 音频:
import json import os from fish_speech import TTS tts = TTS() # 配置两个角色对应的音色ID voice_map = { "苏晚": "female_soft", "陆沉": "male_deep" } out_dir = "./tts_dual_audio" os.makedirs(out_dir, exist_ok=True) with open("ltx_dual_storyboard.json","r",encoding="utf-8") as f: data = json.load(f) for shot in data["shots"]: dia = shot["dialogue"].strip() if not dia: continue voice_id = voice_map.get(shot["speaker"], "female_soft") audio = tts.generate(dia, speaker=voice_id) save_name = f"{out_dir}/shot_{shot['shot_id']}.wav" audio.save(save_name) print(f"生成音频:{save_name}")
六、FFmpeg 成片混流、字幕压制指令
6.1 镜头列表 filelist.txt
file 'ltx_shot_00.mp4' file 'ltx_shot_01.mp4' file 'ltx_shot_02.mp4' file 'ltx_shot_03.mp4'
6.2 无损拼接
ffmpeg -f concat -safe 0 -i filelist.txt -c copy ep_raw.mp4
6.3 嵌入 SRT 字幕,适配短剧平台
ffmpeg -i ep_raw.mp4 -vf "subtitles=sub.srt:force_style='FontName=SimHei,Fontsize=30,PrimaryColour=&H00ffffff&,Outline=2,OutlineColour=&H000000&'" -c:a copy ep_sub.mp4
6.4 标准化编码输出(红果短剧规范)
ffmpeg -i ep_sub.mp4 -c:v libx264 -preset medium -crf 23 -pix_fmt yuv420p -vf scale=480:896 -c:a aac -b:a 128k ep_final.mp4
6.5 兜底方案:静图缓慢推拉(LTX 显存爆了的时候备用)
ffmpeg -loop 1 -i ref_shot.png -i shot_audio.wav -filter_complex "[0:v]scale=480:896,zoompan=z='min(zoom+0.0012,1.08)':d=120:s=480x896[v]" -map "[v]" -map 1:a -shortest -c:v libx264 -pix_fmt yuv420p backup_shot.mp4
七、8G 显卡高频故障排查
- 加载 IC-LoRA 直接 OOM:先关闭其他 ComfyUI 节点,只保留 LTX 主干,IP-Adapter 分开加载,推理完一个镜头释放显存再下一个
- 人物偶尔换脸:检查角色参考图,优先三视图(正面 + 侧面),不要用模糊参考图;IC-LoRA 权重不要低于 0.55
- 画面轻微闪烁:降低 motion strength 到 0.2 以内,不要叠加多个运动 LoRA
- 双人同框其中一个人变形:降低 CFG,不要超过 3,LTX 对高 CFG 很敏感
- 导出视频上传失败:必须 yuv420p,libx264 编码,不要输出 hevc
八、链路扩展
这套 LTX 双人对话流水线,可以对接 BigBanana AI Director 做上层编排,自动调度分镜生成、音频、质检,实现无人值守批量出对话向漫剧。