企业官网建设流程全解析

LTX-2.3-Multiple-Subject-Reference是 Licon 团队基于 LTX-2.3 视频模型推出的多主体参考（Multiple Subject Reference，MSR）视频生成 LoRA。它支持同时输入 2~5 张参考图，把多张静态图转换成与目标视频共享表示空间的"伪视频序列"，让角色、道具、场景在视频中保持一致，无需额外编码器或融合模块。本仓库自带12 组验证案例：动漫农场、古装追逐、便利店对白、江南水乡、赛车漂移、科幻拥抱……本文带你逐组解析这些案例，看清"多主体参考视频生成"到底能做什么、怎么做。

一、项目简介：3 个模型文件 + 2 套工作流 + 12 组案例

仓库结构非常清爽，核心内容如下：

技术要点（详见 README.md）：

• Token 级参考保留：多张参考图被编码为视频 latent，以 token 粒度保留细节，而不是压缩成单一 embedding
• 原生自注意力检索：目标视频 token 通过模型已有的自注意力机制直接访问参考 token，零额外架构
• 灵活的角色分工：2~5 张参考图分别承载身份、道具、场景背景、局部纹理、多视角等不同语义角色
• 关系式构图：按提示词描述动作交互（递、扶、推）、空间关系（左右、前后景）与时间结构（开始→过程→结果）

💡 使用前提：需要 ComfyUI 并安装配套的 ComfyUI-Licon-MSR 插件，仓库内自带的示例工作流可直接导入测试。

二、12 组案例总览

每组案例都包含：参考图（人物/道具/场景）+ prompt.txt + 生成的 mp4 视频，是一个完整的"输入 → 输出"样板。

三、古装江湖系列：从相遇对白到高速追逐

古装场景是多主体参考最吃"一致性"的赛道——长发、广袖、玉饰、披帛在运动中的表现，直接考验参考保留能力。

1. 烟雨江南古镇邂逅（validition_v1/01、02）

validition_v1/01/prompt.txt 中，三张参考图分别锁定：酒红长袍男子 RN、暗绿鱼尾长裙女子 WV、烟雨江南水乡场景。提示词按"WV 提裙走来 → RN 微笑搭话 → 两人并肩同行 → 镜头绕到身后、身影消失在巷尽头"的时序展开。

同场景的英文版 validition_v1/02/prompt.txt 写得更像电影分镜：a 10-second cinematic two-person dialogue scene，明确指定了medium two-shot起幅、缓慢 dolly 前推加轻微环绕运镜，并点名"浅景深、柔雾、雨湿地面反光"。

2. 古装追逐长镜头：15 秒一镜到底（validition_v1/07、08）

这两组是全仓库运动强度最高的案例。validition_v1/07/prompt.txt 与 validition_v1/08/prompt.txt 都强调：

• 15-second one-shot video, no cuts（15 秒一镜到底，不切镜头）
• 镜头从垂柳后快速推入巷内，降低贴地跟随衣摆与脚步，再升起环绕
• 女子绿纱与长裙、男子红袍与黑毛领在强风中大幅飘动，水花溅起、灯笼倒影破碎
• 结尾：女子急停旋身，绿裙在湿石板上划出圆弧，两人面对面凝视

提示词反复强调No cuts, no face change, no costume change——这正是多主体参考模型最需要"守住"的三件事：镜头结构、脸部、服装。

3. 中式园林古琴对望（Validition_V2/03）

Validition_V2/03/prompt.txt 展示了一个更"静"的多主体场景：石桥上青衣男子走向亭内抚琴的浅蓝长裙女子。亮点在于提示词对镜头运动幅度做了量化——The camera slowly pushes in by 18%，这种"百分比推镜"写法值得直接抄。台词也带情绪标注：gently reassuring, soft and soothing, sweet and tender tone。

四、日常对白场景：便利店醉酒戏（Validition_V2/01）

Validition_V2/01/prompt.txt 是 12 组里对白信息密度最高的案例，也是 V2 版的招牌演示：

• 参考图分工：图 1 醉酒灰西装男子、图 2 深蓝制服店员、图 3 夜间罗森便利店收银台场景
• 提示词写成完整剧本：中景锁定 → 图 1 摇晃着说「我……我要……那个……水……」→ 切图 2 近景「您还好吗？要不要先坐下？」→ 切回双人中景 → 过肩镜头收尾
• 每句台词都标注了说话方式与音色（喃喃说/哽咽说/软糯音/气音），这对带音频生成的 LTX 系列非常关键
• 环境细节：柜台灯管微微嗡响，门外夜色静默

该目录同时保留了 V1_1.mp4、V1_2.mp4、V1_3.mp4 三版 V1 采样与 V2.mp4，方便直接横向对比版本差异。

同系列的黄昏麦田递水戏（Validition_V2/02/）结构类似：镜头缓慢推进 20% → 男子递水 → 指尖轻触杯面 → 台词 + 情绪标注，暖金色调贯穿始终。

五、动漫与 3D 卡通风格：农场与赛车

1. 动漫农场：农夫 + 山羊 + 小猪 + 环境四参考（validition_v1/06）

validition_v1/06/prompt.txt 是四图参考的完整示范，参考角色分工写在开头：

Farmer: elderly farmer with straw hat... Goat: white goat with a golden bell... Pig: round and adorable pink pig... Farm: green grassy farm with wooden fences...

随后是固定广角镜头 + 动作编排：农夫走到左侧羊圈摸山羊（铃铛轻响）→ 转身去右侧猪舍拍小猪 → 小猪醒来绕他一圈蹭腿。结尾连续两条硬约束：Maintain the anime style throughout, do not change the character designs, proportions, colors...，并声明Low motion（低运动，仅呼吸级微动）。低运动 + 强参考锁定，是动漫风格出片稳定的一大技巧。

2. 红色卡通跑车赛道漂移（validition_v1/05）

validition_v1/05/prompt.txt 验证"同一物体多角度参考"的能力：对同一辆红色敞篷卡通跑车给出正面、侧面、背面多角度参考图，要求视频以多视角特写开场，随后从静止起步、加速、过弯漂移，全程consistent car design throughout。目录中保留了两版输出 video.mp4 与 video2.mp4，可对比同一提示词多次采样的稳定性。

六、科幻与悬疑：独白、拥抱与未来居所

• 悬疑独白（validition_v1/03/）：单参考图 + 台词式提示词，男子（黑色短发、细框眼镜、炭灰长款大衣）以低沉压抑的语调说出"真正的鬼，往往就在你身后……或者，就是你身边的人"。提示词精确到句间停顿 0.4 秒与"最后一句保持平直但紧张的收束感"，还特别声明"不要环境音，只要人声"。
• 科幻拥抱（validition_v1/04/）：未来感居住舱内金发男女的安慰拥抱戏，提示词直接给出时间轴分镜：【00-05】镜头推进…【05-10】镜头环绕…【10-15】横移…，配合"衣物摩擦声、轻泣声、心跳声"的音效说明，是写镜头语言的一个优秀模板。

七、V1 vs V2：升级到底改了什么？

根据 README.md 的 V2 发布说明，升级集中在三个方面：

1. 一致性（Consistency）：角色身份、服装、道具与场景细节保留更好，身份漂移与参考属性丢失明显减少
2. 稳定性（Stability）：多次采样结果更可靠，闪烁、时序不一致等伪影减少，复杂多主体构图更稳
3. 场景逻辑（Scene Logic）：对提示词中的空间/动作关系理解更好，主体站位与交互更自然，从视频开头到结尾的时间推进更连贯

仓库内三组官方对比可直接观看：

八、多主体参考视频生成实用技巧

综合 README 与 12 组案例的提示词写法，总结出 5 条可直接套用的经验：

1. 参考图按"角色分工"描述：每张图负责什么（身份/道具/场景/纹理/视角）要在提示词里点明，例如图 1 是人物、图 3 是场景
2. 描述要"精确但克制"：README 明确提示，描述过多或过少都会降低一致性；参考案例的写法是"外观特征 + 情绪 + 动作"三段式
3. 镜头运动量化：像案例中pushes in by 18%、slowly pushes in 20%这样给出幅度，比"缓慢推镜"这类模糊描述更容易出片
4. 高运动场景用 50 fps：追逐、漂移类案例建议提高帧率，让运动更连贯
5. 复杂多主体交互多次采样：V2-01 保留了 V1_1/V1_2/V1_3 三版采样就是这个原因，选最好的那条

九、快速上手与文件导航

仓库为只读资源库，本地体验可先克隆再导入 ComfyUI：

git clone https://gitcode.com/hf_mirrors/LiconStudio/LTX-2.3-Multiple-Subject-Reference

推荐体验路径：

1. 安装 ComfyUI 并配置 LTX-2.3 基础模型，安装 ComfyUI-Licon-MSR 插件
2. 导入 LTX-2.3_MSR_sample_workflow_V2.json，加载 LTX-2.3-Licon-MSR-V2.safetensors
3. 按 Validition_V2/01/ 的"人物 + 人物 + 场景"三图结构准备自己的参考图
4. 参考 prompt.txt 的剧本式写法组织提示词，对白标注情绪与音色
5. 对照本文第七节的对比视频，直观感受 V2 的一致性提升

核心文件速查：模型权重见仓库根目录的.safetensors文件；12 组案例分别位于 validition_v1/ 与 Validition_V2/；完整技术说明与版本对比见 README.md。