LTX-2.3-Licon-MSR-V2 角色表参考_视频生成工作流
深入解析基于LTX2.3的MSR V2多主体参考模型工作流，实现高保真角色还原与音画同步视频生成。解决多参考图特征污染问题，适用于图生视频场景，支持15秒长视频及帧级口型对齐。
点击即下载，无需注册。文件为 ComfyUI 可直接导入的 JSON 工作流。
扫码进学习交流群
加专属老师微信图文介绍
工作流核心模型解析：MSR V2
MSR V2 是专为 LTX 2.3 架构深度定制的多主体参考模型。传统 I2V 模型在处理多张参考图时，极易出现身份特征混淆或背景融合崩坏。MSR V2 通过创新的 Token 级视觉记忆机制，将面部特写、服装全身与背景环境解耦为独立的视觉 Token。在潜空间计算中，它利用模型原生的自注意力机制，精准提取并锁定不同主体的属性（如 Ref1 的脸、Ref2 的衣服），彻底解决了多主体融合时的“特征污染”问题，实现了电影级的高保真角色还原。
工作流架构深度剖析
该工作流完美释放了 MSR V2 的潜能。在视觉管线上，LiconMSR 节点作为中枢，将多张参考图转化为伪视频序列，配合 LTX2_NAG (噪声增强引导) 节点，有效抑制了多主体融合产生的闪烁与伪影。在时序控制上，工作流采用 PromptRelay 引擎进行全局与分段提示词接力，确保 15 秒长视频中动作与镜头的平滑过渡。更惊艳的是其原生音画同步架构，通过 LTXVAudioVAEEncode 与 LTXVConcatAVLatent 将音频潜变量与视频潜变量在时间维度拼接，实现了帧级精准的口型与音效对齐。
常见问题
主要适合图生视频场景，特别是有多张角色参考图（如面部特写、服装全身、背景环境）时需要生成高保真角色视频的场景，例如数字人制作、影视前期预览、角色动画等。
MSR V2是专为LTX2.3架构定制的多主体参考模型，解决了传统I2V模型处理多张参考图时身份特征混淆、背景融合崩坏的“特征污染”问题，通过Token级视觉记忆机制实现解耦。
工作流支持多张参考图（如Ref1面部、Ref2服装等），具体数量可根据需求调整，LiconMSR节点会将其转化为伪视频序列。
配合PromptRelay引擎的全局与分段提示词接力，工作流支持生成15秒长视频，并保持动作与镜头平滑过渡。
通过LTXVAudioVAEEncode和LTXVConcatAVLatent节点，将音频潜变量与视频潜变量在时间维度拼接，实现帧级精准的口型与音效对齐。
![MiniMax H3 终极增强套件[H3 Studio工作流和资产文件]](https://www.shuzihub.net/uploads/cover/3b3306e4c8e14547b0780fcc6bfee7c5.png)
