接了个单子要给客户的角色立绘配一段口播，试了 MultiTalk 这套东西，MeiGen 做的开源框架，思路就是丢一张图加一段音频，嘴型表情自己对上。
我在 ComfyUI 里跑的官方那个 image2video 工作流，红节点照着 Manager 里装缺失的就行。真正劝退的是显存，作者写要 48G 显存才稳，我这张卡勉强能动但分辨率不敢拉高，跑高清直接爆。音频驱动那块用的是 chinese-wav2vec2，中文口型对得比我预想的好。
有个小坑，prompt 里要带 lora 的触发词 detailz，忘了加画面就糊。步数别乱改，作者说这工作流已经卡在边缘了，我信了。素材图尽量清晰高质量，糊图进去出来更糊。整体下来单人立绘念诗、唱歌都能玩，多人对话也支持，就是对机器要求是真的高。