手头两个 LTX 的 Lora 是分开练的，一个只喂静态图，一个只喂视频片段。各自都能用：纯图那个出单帧质感更稳，纯视频那个动态连贯性明显更好。毛病也是对称的——图版本一动起来就飘，视频版本单抽一帧看又糊。
现在想把两批素材塞进同一个数据集一起练，指望它取长补短。卡住我的是两种模态的帧数和时序标注根本对不上，混着训会不会互相打架，最后两头不讨好。打标要不要区别对待，图和视频配多少比例才稳，我心里也没底。有真混过的吗，给点经验，不想盲跑几天把电费打水漂。
混过一次，图当单帧视频处理，比例大概三成图七成视频，动态没崩，但单帧锐度掉了点
1 个赞