| 参数名称 | 说明 |
|---|---|
| images | 一组输入图像（视频帧），要求为形如 [B, H, W, C] 的张量序列。至少应包含多帧，图像应为 RGB 格式，输入前建议统一尺寸。 |
| audio | 包含 waveform（Tensor）与 sample_rate（采样率）的字典对象。输入音频自动重采样至 16kHz，用于驱动唇部表情变化。 |
LatentSync1.5 Node
节点功能：用于 同步处理图像（视频帧）和音频数据，并执行推理以生成输出视频和音频。
输入参数
输出参数
| 参数名称 | 说明 |
|---|---|
| images | 输出图像序列（同步动画帧）。 |
| audio | 处理后音频（已重采样为 16kHz）。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| seed | 随机种子。 |
| lips_expression | 范围：1.0 ~ 3.0，控制嘴部动作幅度（即 guidance scale）。建议范围 1.2~2.0，数值越高唇部越夸张。 |
| inference_steps | 迭代推理步数，范围：1~999。越大生成质量越高，但耗时越长。一般设置在 10~30 足够。 |
输入单张图片作为参考。
lips_expression主要控制人物的嘴部动作幅度，值越大，幅度越大
inference_steps: 推理步骤数，步数越多生成的视频质量越高，但计算时间更长。