以前拼镜头最怕的就是主角走着走着换了张脸,一条片子里能改出三种发型。
LTX-2.5 今天上线,整条 pipeline 基本重做了一遍,训练集扩了,后面还加了强化学习的后训练。这几条我暂时验不了,能直接吃到的是原生多镜头:一次生成就出好几个连着的镜头,角色长相、场景、光线、声音和风格能跨着剪辑点保持住。对我这种做小体量项目的人来说,相当于把最耗时间的对齐环节挪到生成阶段去了。
压缩率那块也改了,不再给所有画面同一个档位,复杂的地方多分点算力,平的地方少给点,按场景复杂度和预算来分。逻辑上讲得通,一帧密一帧空的东西按同一个比例压,本来就是浪费。
蒸馏版这回保留的质量也高了不少,说是拿手上现有的卡就能跑出接近全量的效果。权重、Python pipeline 和 ComfyUI 工作流一起放出来了,周末把旧的分镜脚本喂一遍试试看。