LTX-2.3 Foley LoRA：Lightricksのビデオモデル向けリアルなビデオ→オーディオ効果音

news

FuzzPuppyがLTX-2.3 Foley LoRAを公開。LTX-2.3で生成した動画に、視覚と同期したリアルな効果音を追加するビデオ→オーディオLoRAです。背景音楽の重ね付けは行いません。

FuzzPuppyは**LTX-2.3 Foley LoRA**（HuggingFace）を公開しました。これはLightricksのLTX-2.3向けLoRAアダプターで、生成されたビデオコンテンツに対して、背景音楽やスコアを追加することなく、視覚と同期したリアルな効果音を生成します。

概要

LTX-2.3 Foleyは、LightricksのLTX-2.3ビデオ生成モデル向けのビデオ→オーディオLoRAです。LTX-2.3はネイティブでオーディオ付きのビデオを生成できますが、多くの場合、背景音楽やリズミカルなサウンドトラック素材に偏ります。Foley LoRAは、モデルを現実世界の効果音の生成へと方向付けます——足音、ドアの閉まる音、キッチンの音、スポーツの衝撃音など。

「Foley」という名前は、画面上のアクションに同期してカスタム効果音を録音する映画製作技法に由来します。

仕組み

このLoRAはLTX-2.3のビデオ→オーディオ機能の上に適用されます。ユーザーは以下の方法で出力を制御します：

  • LoRA倍率：推奨範囲は1～3（値が大きいほど音楽をより強く抑制）
  • 詳細なプロンプト：見えているアクションを説明し、その後に「音声はありません。音楽はありません。」と続ける
  • ネガティブプロンプト：音楽、メロディ、歌、スコア要素を除外する

プロンプト例：

A barista uses an espresso machine to steam milk. No speech is present. No music is present.

互換性

Foley LoRAはLTX-2.3のベースモデルまたは蒸留（distilled）ビデオ→オーディオモデル向けに設計されています。単一の.safetensorsファイル（ltx-2.3-foley-400-steps.safetensors、トレーニングステップ400）として提供され、ComfyUIやdiffusersの標準的なLoRA読み込みワークフローで読み込むことができます。

入手方法

LoRAの重みは、HuggingFace上でLTX Community License Agreementの下で公開されています：

LTX-2.3 Foley LoRA：Lightricksのビデオモデル向けリアルなビデオ→オーディオ効果音 | ComfyUI Wiki