对 packed LTXV-AV latent,选择 video_cfg 和 audio_cfg 时,应固定模型、条件与其他采样设置,每次只改变一个值。可先以节点文档列出的默认值作为参照:视频 3.0、音频 7.0;它们不是经过验证的最佳值。若想使用一个整体 guidance scale,就令两值相等;只有在希望分别控制两种模态时,才用不同值。开始比较前,先确认输入确实包含分开的音视频部分。
判断要改什么以及怎样比较
LTXVDualCFGGuider 官方节点文档说明,该节点能对 packed LTXV-AV latent 中的视频与音频分别应用 guidance。输入范围是 0.0 到 100.0,但这个范围不代表某个值必然带来更好的结果。采样前先定下判断目标,例如画面是否呈现提示中的运动,或声音是否符合指定内容;两项分开评估。
按以下顺序做受控比较:
- 检查输入 latent 的实际类型或元数据,确认它是同时含有两种模态的 packed LTXV-AV latent。节点颜色只能作线索,应以界面显示的类型标签或其他可用类型信息为准。
- 固定模型、正向与负向 conditioning、可用时的 seed,以及其他 sampler 设置,并记下这些值。这样比较时才知道改变的是哪项 guidance。
- 用文档默认值,或你已有基线中的当前值,生成参照样本。分别记录可见运动与音频特征。
- 要判断视频 guidance 时,只改
video_cfg,保持audio_cfg和其他设置不变;将画面与同一提示下的基线比较。 - 恢复基线后,再只改
audio_cfg。独立比较声音,不要根据整段视频的总体印象推断音频变化。 - 若目标是分开控制,就测试一组不同的值并分别记录两种模态。若两值相等,应把这次运行视作单一 scale 对照,而非独立音频控制的证据。
一次只改变一个变量,是本文建议的实验设计,不是节点强制要求。它让观察结果更容易归因。
验收工作表
下表是假设工作表,不是实测输出,也不保证参数产生特定效果。“观察”栏应填写创作者检查自己样本后的记录,而非预设某种变化必然发生。
| 情形 | Latent 类型 | video_cfg | audio_cfg | 是否相等 | 视频观察 | 音频观察 | 决策 |
|---|---|---|---|---|---|---|---|
| A:参照 | Packed LTXV-AV | 3.0 | 7.0 | 否 | 记录提示中的运动是否出现 | 记录提示中的声音是否出现 | 仅作基线 |
| B:只改视频 | Packed LTXV-AV | 4.0 | 7.0 | 否 | 记录与 A 的差异 | 记录声音是否也有变化 | 只有视频目标响应更符合标准时才考虑此值 |
| C:只改音频 | Packed LTXV-AV | 3.0 | 6.0 | 否 | 记录运动是否变化 | 记录与 A 的差异 | 只有音频目标响应更符合标准时才考虑此值 |
| D:相等值 | Packed LTXV-AV | 5.0 | 5.0 | 是 | 检查画面结果 | 检查声音结果 | 按整体单一 scale 解读 |
| E:边界检查 | 非 packed 或非 AV latent | 4.0 | 7.0 | 否 | 记录适用的输出 | 不用此结果判断独立音频 CFG | 先确认输入类型,再得出 AV 结论 |
请在观察栏填写自己的提示、生成结果和验收标准。例如,可以记录指定的镜头运动是否容易辨认、要求的环境声是否存在,而不把它们打成普遍适用的优劣分数。表中的数值仅为假设案例,不表示最佳值,也不说明结果应改变多少。
限制与失败后的下一步
文档说明,两项 guidance 相等或非常接近时,节点会把它们作为整个 latent 的单一 scale 处理;但没有给出“非常接近”的数值阈值。因此,若这个区别会影响判断,不要依赖临界数值:单一 scale 测试就明确设为相等;独立控制比较则使用明显不同的值。
两路 guidance 的独立行为适用于 packed LTXV-AV latent。对不属于这种 latent 的输入,文档界定的行为是只使用 video_cfg。不要把这类情况下音频没有响应直接判成音频参数失效;先查明实际 latent 类型。类型无法确认时,应先解决类型问题,再比较 CFG。受控比较后若没有观察到有用变化,就记录结果,并保留最符合自身标准的设置。文档没有承诺修改 guidance 一定能增强条件遵循。
该节点输出供 sampler 使用的 guider。文档没有规定适用于所有任务的最佳参数组合,也没有保证特定画面或声音响应,更未提供输出评分方法;这些需要创作者结合具体任务决定。
常见追问
应该从文档默认值开始吗?
可以把默认值当作便于复现的参照,因为节点列出了它们;但它们不保证适合每个提示或模型。
数值提高就一定能改善对应模态吗?
文档定义了 guidance 强度及其作用模态,但没有保证数值增加会单调改善结果。应依据预先设定的标准,分别比较画面或声音响应。
如果我只想用一个共同 CFG 值呢?
将两个输入设为相同值,并按整体单一 scale 解读。若输入不包含分开的音视频部分,文档规定只使用 video_cfg。关于输入参数与 latent 类型边界,可查阅ComfyUI 节点文档。
来源与下一步
本文依据公开文档解释操作,并使用明确标注的假设验收示例,不是软件实测。控件与可用功能可能变化,请对照所引手册和你的安装版本。
若你在 Imagild 中继续创作,可将输入要求和验收清单带到微电影工作台。上文讨论的外部软件控件属于其各自产品。