16秒文生视频 · skill publik Open Skill

16秒文生视频

16秒文生视频 adalah Open Skill publik di Digen. Buka untuk melihat apa yang dibuat alur ini.
Film
13 0 1
https://d7qlwi7tl2u27.cloudfront.net/skill-covers/prod/4203025/2026-10-15/5xu2mx4g.jpg
name: ltx2-16s-text-to-video
description: Use when the user wants a longer text-to-video clip (8s or 16s) on modest hardware — the LTX-2.0 multi-modal low-VRAM pipeline that expands a simple scene plus Chinese dialogue into a 3-shot or 5-shot English shot list and renders it at 25fps.

# 16 秒文生视频（LTX-2.0 低配多路）

给显存不大、模型不全的机器准备的长片方案：用 LTX-2.0 19B fp8 跑两段式采样，先出基础动态，再放大精修，能稳定出 8 秒或 16 秒的成片。顺带内置了「一句话剧情 → 英文分镜脚本 → 视频」的自动扩写链路。

## 适用与不适用

适用：
- 显存有限（12–16GB），跑不动 22B。
- 想要 8–16 秒的长片段。
- 只有一句话剧情和几句中文台词，希望自动生成分镜。

不适用：
- 要最高画质、最长一致性 → 用 LTX-2.3 系列技能。
- 有参考图 → 用图生视频类技能。

## 帧数规则（重要）

```
25 帧 = 1 秒
帧数必须是 8 的倍数 + 1
  97  = 4 秒
  201 = 8 秒
  401 = 16 秒
```

工作流里通过 `PrimitiveInt` Length 与 `Int` 节点联动设置，改时长时这两个地方要一起改。

## 两段式流程

**第一段：基础生成**

- 空 latent：768×512×97（低分辨率起步，省显存）
- 采样：`euler_ancestral` + `LTXVScheduler`（20 步、shift 2.05、CFG 起点 0.95）
- CFG：4（这一阶段可用较高 CFG 强化提示词跟随）
- LoRA：`ltx-2-19b-distilled-lora-384`（权重 1，蒸馏加速）+ `ltx-2-19b-ic-lora-detailer`（权重 1，细节增强）
- 模型：AV 文本编码器 `gemma_3_12B_it_fp8_e4m3fn` + `ltx-2-19b-dev-fp8`

**第二段：放大精修**

- 用 `LatentUpscaleModelLoader` 载入 `ltx-2-spatial-upscaler-x2-1.0`，2 倍空间放大
- 二次采样：`ImageScaleBy` 0.5 配 `EmptyImage` 1280×720
- 这一阶段 CFG 降到 1，避免过冲
- 分块解码 `VAEDecodeTiled` 256 / 64 / 4096 / 8，显存不够就把 256 降到 128

## 自动扩写链路（本工作流的特色）

用户只给「场景 + 台词」，工作流里的两个大模型节点会把它们变成电影分镜：

1. **剧情 → 英文分镜**：`Note` 里预置的 LTX-2 提示词专家角色，把「简易场景描述 + 人物对话」扩写成 3 个镜头的英文提示词序列，并保留原始中文对话。
2. **图片 → 动态描述**（可选）：`Qwen3_VQA` 节点分析静态图，输出 5 秒级的中文动态提示词，重点写「时间流逝」和「动态变化」，忽略静态细节罗列。

产出形如：

```
Shot 1: [Wide Shot, Slow Dolly In] Warm, golden cinematic lighting spills across
the elegant European-style foyer, casting soft bokeh highlights on the polished floor...

Shot 2: [Medium Shot, Handheld] ...

Shot 3: [Close-Up, Shallow Depth of Field] ...
```

## 操作流程

1. 问清三件事：场景是什么、有哪几句台词、要几秒（默认 8 秒，可选 16 秒）。
2. 按帧数表设 Length（8 秒 → 201，16 秒 → 401）。
3. 让扩写链路生成 3 镜头英文脚本；用户已有脚本就直接用。
4. 第一段采样：768×512、CFG 4、20 步、euler_ancestral。
5. 第二段：x2 空间放大 + CFG 1 精修。
6. 联合解码（视频 VAE + 音频 VAE），25fps 导出 mp4。
7. 显存告急时开 `MemoryCleaner`（3 级清理），或把 tile 调小。

## 显存优化手段（按优先级）

1. 先降分块解码 tile（256 → 128）。
2. 再降基础分辨率（768×512 → 640×384）。
3. 开 `MemoryCleaner`。
4. 最后才考虑缩短时长（401 → 201）。

## 负向提示词

```
字幕，中文字幕，blurry, out of focus, overexposed, underexposed, low contrast,
washed out colors, excessive noise, grainy texture, poor lighting, flickering,
motion blur, artifacts, low quality, worst quality, jpeg artifacts, ugly,
duplicate, morbid, mutilated, poorly drawn face, mutation, deformed, bad anatomy,
extra limbs, extra fingers, mutated hands, bad proportions
```

## 常见问题

| 现象 | 处理 |
| --- | --- |
| 显存爆 | tile 256 → 128；开 MemoryCleaner；分辨率降到 640×384 |
| 16 秒尾部崩坏 | 先做 8 秒确认质量，再上 16 秒 |
| 镜头之间没有逻辑 | 检查扩写脚本的镜头顺序，手动调整 Shot 顺序 |
| 中文台词没出来 | 确认扩写时保留了原始中文对话 |
| 画面糊 | 确认第二段放大已执行，detailer LoRA 已开 |
| 抽风抖动 | CFG 4 → 3，或 sigma shift 2.05 → 1.8 |

## 生成前自检

- 帧数合法（8n + 1），Length 与 Int 节点一致
- 两段采样都已配置，第二段 CFG = 1
- 显存方案已定（tile 大小 / MemoryCleaner）
- 输出 25fps mp4，时长与预期一致
Bagikan Digen

16秒文生视频 · skill publik Open Skill

16秒文生视频
