LTXVReferenceAudio - ComfyUI Built-in Node Documentation - ComfyUI

LTXV Reference Audio 将说话人的语音身份从参考音频片段迁移到生成的音频中。它将参考音频编码到条件化数据中，并可选地通过身份引导来修补模型，该引导会在每一步执行一次不包含参考音频的额外前向传递，以增强说话人身份效果。

输入

参数	描述	数据类型	必需	范围
`model`	要使用身份引导进行修补的模型。	MODEL	是	-
`positive`	正向条件化输入。	CONDITIONING	是	-
`negative`	负向条件化输入。	CONDITIONING	是	-
`reference_audio`	要迁移其说话人身份的参考音频片段。建议约 5 秒（训练时长）。过短或过长的片段可能会降低语音身份迁移效果。	AUDIO	是	-
`audio_vae`	用于编码的 LTXV Audio VAE。	VAE	是	-
`identity_guidance_scale`	身份引导的强度。每一步都会执行一次不包含参考音频的额外前向传递，以增强说话人身份。设置为 0 可禁用（不执行额外传递）。（默认值：3.0）	FLOAT	是	0.0 - 100.0
`start_percent`	身份引导生效的 sigma 范围的起始值。（默认值：0.0）	FLOAT	是	0.0 - 1.0
`end_percent`	身份引导生效的 sigma 范围的结束值。（默认值：1.0）	FLOAT	是	0.0 - 1.0

注意：仅当 identity_guidance_scale 大于 0 且当前采样步骤位于 start_percent 和 end_percent 定义的范围内时，才会应用身份引导。如果参考音频与音频 VAE 的采样率不同，则会将参考音频重采样为音频 VAE 的采样率。注意：start_percent 和 end_percent 是高级参数，仅当界面中启用了高级选项时才会显示。

输出

输出名称	描述	数据类型
`model`	已使用身份引导函数修补的模型。	MODEL
`positive`	正向条件化数据，现在包含编码后的参考音频数据。	CONDITIONING
`negative`	负向条件化数据，现在包含编码后的参考音频数据。	CONDITIONING

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑

Source fingerprint (SHA-256): ae15c5838656324667d099614b325b863341f05afda43054658999574522dd49