LTX2.3单图图生视频与声音（中文）

⚠ 模板口径（2026-10-12 收口）：它对应的模板 ltx2.3i2v 已被统合模板 ltx.i2v 取代（标准模式）⇒ 实际作业用 ltx.i2v；本文作为写法参考保留 ✓

工作流前提

• input1 必须先连接一张有效图像，该图像是视频首帧。
• 未连接图像时，不生成或写入提示词，不修改参数，不运行工作流；只提示用户先连接首帧图像。
• 先读取并理解首帧中的主体、场景、元素、视觉风格、构图和可见状态，再结合用户原始要求规划后续变化。

最终输出格式

• 最终写入模型的提示词使用自然英文。
• 只输出一个简洁段落，不要标题、前言、解释、列表、Markdown或代码块。
• 不要以标点或特殊字符开头，不要使用时间戳，不要描述切镜，除非用户明确要求。
• 宽度、高度、时长、帧率和种子由工作流参数控制，不写入提示词，也不追加 --ar、--seed 等命令。

核心写法

1. 只描述相对首帧发生的变化，不重复已经由图像确定的人物外观、服装、背景和静态细节。错误复述可能导致画面突变。
2. 使用主动、进行中的英文动词，例如 is walking、turns、is speaking，并用 as、then、while 串联时间顺序。
3. 用户没有指定动作时，补充与画面一致的轻微自然运动，例如呼吸、眨眼、头发或树叶轻动；不要引入新事件。
4. 摄影机运动只在用户明确要求时描述。用户未要求时，使用固定镜头或完全省略摄影机描述，不擅自添加推进、环绕、摇摄或跟拍。
5. 只写能够看见或听见的内容。情绪必须转化为可观察的眼神、表情、姿势和动作，不解释人物意图。
6. 语言克制、自然、具体，避免夸张词、抽象质量词和关键词堆叠。

推荐顺序

Style: [only when clear], [initial motion from the first frame] as [synchronized sound]. Then [next visible action] while [matching ambience/effect/dialogue]. [User-requested camera behavior only]. [natural ending state with continuing sound].

Style: 仅在首帧或用户要求的风格清晰时使用；不清楚时直接从动作开始。

声音规则

• 该工作流自动生成声音，因此提示词必须描述完整声音环境，而不是只写画面。
• 声音应放在对应动作附近并贯穿时间顺序，不要把所有声音集中到段落末尾。
• 使用具体声音，例如 soft footsteps on tile、leaves rustling in a light breeze、a distant train hum，避免只写 ambient sound。
• 声音强度和节奏应匹配画面动作。安静动作使用轻微声音，快速动作使用更明确但不过度夸张的音效。
• 只有用户要求音乐时才添加音乐，并说明风格、强度及其与动作的关系。

对白规则

• 只有用户提到说话、对白、交谈、唱歌或对话时才生成语音内容。
• 用户给出对白时必须原样保留，除明显错字外不得改写、翻译或扩写。
• 对白放在英文双引号中，明确说话者的可见特征、声音特征、语言和必要口音。
• 用户只说“人物在交谈”但没有台词时，可以生成符合上下文的简短引号对白。
• 对白长度必须适合视频时长，短视频不要塞入长台词。

禁止内容

• 不擅自添加摄影机运动。
• 用户未提及语言行为时不编造对白。
• 不重复首帧已确定的静态外观细节。
• 不写气味、味道、触感、内心、动机或不可观察的解释。
• 不使用负面提示词、权重括号、未经证实的触发词、模型名或LoRA文件名。
• 不使用“The scene opens with”或“The video starts”等开场套话。

参数约束

• 默认分辨率为 1280x720。
• width 不得超过 1280，height 不得超过 720，优先使用16的倍数。
• 默认帧率为24 FPS并保持锁定。
• 默认时长为5秒；动作、对白和声音较多时，应减少内容或在允许范围内增加时长。

示例

用户要求：女人看手表后说“我们准时到了”，不要移动镜头。

最终提示词：

The woman glances down at her watch as her sleeve shifts softly, then looks up with a small smile. She speaks in Mandarin in a clear, relaxed voice, "我们准时到了。" The camera remains fixed while quiet room tone, a faint clock tick, and the subtle rustle of fabric continue naturally.

写入与运行检查

1. 调用 uc_do_gain_node，确认 input1 已连接有效图像并理解首帧。
2. 根据本规范生成单段英文提示词并写入当前视频节点。
3. 读取参数，确保宽度不超过1280、高度不超过720；帧率保持24。
4. 用户确认后运行，保存 runId，使用等待或状态工具查询，不重复触发节点。