先用 start_percent=0、end_percent=1 建立完整范围基线。ComfyUI 的 LTXV Reference Audio 节点只会在引导强度大于零、且当前采样步落在所选 sigma 区间内时应用身份引导。缩窄区间是在比较引导何时生效,不等于调整引导强度。官方文档没有指定一个对所有情况都最佳的区间。
设置受控的区间比较
有参考音频、想判断限制引导时段是否适合当前生成时,按以下顺序操作:
- 在 ComfyUI 中找到
LTXVReferenceAudio,根据界面显示的类型标签确认输入连接。节点颜色可以作为视觉线索,但不能替代类型标签。该节点会把参考音频编码进 conditioning,并为身份引导修补模型。 - 固定一个模型、一段参考音频、一个大于零的
identity_guidance_scale,以及其他采样条件。节点文档建议参考音频约五秒,并提醒过短或过长的片段可能降低身份迁移效果。这是文档建议,不是对某段音频的结果保证。 - 以
start_percent=0、end_percent=1生成基线,并记录范围与 scale。保留输出及其提示词,供后续对照。 - 后续运行只改
start_percent和end_percent。例如,将自选的前段区间和后段区间分别与完整范围比较。这些区间是实验方案,不是官方预设。 - 用相同目标片段试听各次结果,并分开记录身份线索和声音内容:听感上更像或更不像参考声音,不代表歌词、语速或其他可听细节也更合适。
高级选项启用后才能看到这两个区间控件。如果界面中没有显示,先检查高级选项,而不要直接判断控件不存在。节点其他行为可查阅 LTXV Reference Audio 官方文档。
填写区间验收表
下表是一个假设的评估案例,不是实际生成结果,也不是对特定区间效果的预测。示例中的区间和 scale 都是创作者为比较而选定的。请记录自己输出中的观察;主观身份判断不要写成测量分数。
| 运行 | 区间与固定 scale | 假设的身份观察 | 假设的内容观察 | 下一步判断 |
|---|---|---|---|---|
| A | 0–1,scale 3.0 | 能听出参考声音的部分特征 | 目标词清晰,但停顿与预期节奏不同 | 留作对照基线 |
| B | 0–0.5,scale 3.0 | 整段的身份印象不够稳定 | 词语仍清晰;停顿听起来更接近预期 | 换一段获准使用的目标内容复核后再决定是否偏好此范围 |
| C | 0.5–1,scale 3.0 | 末句的身份印象似乎更接近 | 末句时序有所不同;不能据此推断整段声音表现 | 检查完整片段,并单独比较声音内容 |
这张表把两个问题分开:身份是否听起来得到保持,以及生成内容和表达是否仍符合目标。如果某次结果难以判断,标出不确定的短句,再用相同参考音频和目标片段重做比较,不要同时改多个输入。
解释结果并选择下一步
单个声音、提示词、模型或采样配置下的结果,不能证明某个 sigma 区间普遍最优。官方文档定义了区间决定身份引导在哪段时间生效,但没有承诺前段或后段能改善身份、措辞、节奏或音质。将对照结果视为当前固定配置下的局部证据。
如果所有区间都不理想,先确认 scale 大于零:设为零时,身份引导会关闭。再核对区间值,并确认各次运行除了区间外没有其他变化。检查参考音频是否约五秒,同时记住文档提示:更短或更长可能降低身份迁移效果。节点会在参考音频采样率与 Audio VAE 采样率不同的情况下重采样,因此不能仅凭采样率不同就推断需要更换 sigma 区间。如果结果仍不合适,分别记录身份问题和内容问题;文档没有给出能保证修正问题的区间。
常见追问
`0–1` 是否表示参考音频作用于每个 conditioning 步骤?
它表示身份引导覆盖完整的文档所述 sigma 范围。仍需满足 scale 大于零、采样步位于区间内。该节点也会将参考音频编码进 conditioning。
比较时应同时调整 scale 和区间吗?
若要判断区间影响,不要同时调整。比较区间时固定 scale;另做一轮比较不同 scale,避免把引导强度和生效时段混为一个变量。
身份听起来更像,是否就说明生成音频更好?
不能单凭这一点判断。除了身份线索,还应分别检查目标相关的词语、时序和其他声音内容。验收表是建议的复核方法,不是官方指标,也不代表 ComfyUI 提供身份评分。
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。