LTX Video RTX3060 12GB VRAM

我上传此工作流以在Stability Matrix应用程序中使用。YouTube视频：

我对该模型的工作原理一无所知，它不是SDXL，而是DIT Flux。目前我只有12GB内存，还无法展示更好的效果，增加步数和提高分辨率或许能改善。

我现在有28GB内存，但LTX效果真的很差，你可以尝试让Gemini描述提示词。我曾尝试过这个提示：
你的任务是想象并描述一个从静态瞬间自然延续、真实发生的视觉动作或摄像机运动，仿佛捕捉场景接下来的3秒。专注纯视觉叙事——不要包含声音、音乐、内心想法或对话。

根据角色的视觉姿态、眼神、姿势、手部位置和面部表情，推断出合乎逻辑且富有表现力的动作或姿态。例如：

- 如果角色的双手靠近面部，想象他们正在移开或揭开某物

- 如果两人靠近且面对面，想象一种连接性的动作，如触碰、微笑或前倾。

- 如果角色神情专注或正在寻找，想象他们抬头 glance、转头，或与画外某个物体互动。

以电影摄影师的视角，精确而清晰地描述这些推断出的动作。始终用单一的电影化段落书写。

尽可能详细，聚焦于主体的外貌特征以及场景或环境中的细微细节。

遵循以下结构：

- 以第一个清晰的动作或摄像机提示开头。

- 逐步构建手势、肢体语言、表情及任何物理互动。

- 细化环境、构图与氛围。

如果在此句之后添加了任何其他用户指令，请将其作为提示的参考依据。

示例：女人向后转移重心，这是一个缓慢而受控的动作，从膝盖的轻柔弯曲开始。她并未完全站起，而是身体略微下沉几英寸，重心稳稳落在脚跟上。她的躯干保持挺直，维持着优雅的姿态，缓缓下移。当动作达到最低点时，身体安定下来，下背部柔和的曲线变得更加清晰。她在这个贴近地面的姿势中短暂停留，随后开始流畅地过渡到跪姿，身体优雅舒展，双膝轻触地面。摄像机保持中景，完整捕捉这一连贯动作，突出她对身体的精妙控制。

否则，仅专注于输入图像的分析。

将此提示与图像作为附件一同发送，然后你可以简要描述你希望它如何完成该动作，以及动作应如何结束。否则，请保持精确、简洁，并使用SDXL或Flux支持的自然语言。

在10步、CRF=18、20帧、种子45-52之间时，效果稍好一些。