LTX-Best-Face-ID：基于 ArcFace 损失和 TASS-RoPE 的 LTX-2 身份保持参考转视频 LoRA

news

Alissonerdx 发布 LTX-Best-Face-ID，一款用于 LTX-2 的参考转视频身份保持 LoRA，使用重叠条件控制、TASS-RoPE 源相位标记和 ArcFace 身份损失。ComfyUI 中使用无需白底参考图。

Alisson Pereira（@Alissonerdx）发布了 LTX-Best-Face-ID，一款用于 LTX-2（22B） 的身份保持参考转视频（Reference-to-Video）LoRA。只需一张参考照片和一段文本提示，即可生成一个保持人物身份的视频——无需白底参考图，单张图片即可工作。

一张照片 + 一段文本提示 → 身份一致的视频。不需要特殊背景。

示例效果

功能简介

LTX-Best-Face-ID 执行**参考转视频（ref_t2v）**生成：一张参考人物图像 → 该人物执行所描述动作的视频。身份的注入通过三种技术协同实现：

  1. 重叠参考条件控制 — 参考潜在表示与首帧共享 frame-0 网格位置
  2. TASS-RoPE 源相位标记 — 独特的旋转位置编码相位（"源标签"）让模型区分参考内容和生成内容
  3. ArcFace 身份损失 — 训练时将解码后的人脸与参考嵌入在识别空间中进行对比

结果：无需白底参考图或多视角参考 sheet 等技巧，即可实现稳定的身份一致性。

TASS-RoPE 原理

核心技术是 TASS-RoPE（Temporal-Adjacent Spatial-Shifted RoPE），来自 Chen 等人的 ST-DRC 论文（arXiv:2606.02441）。与简单的拼接不同，参考潜在表示获得一个乘法 RoPE 相位标记：

phase[d] = source_id · phase_scale · θ^(−d/L)
目标 token：source_id = 0（无操作）
参考 token：source_id = 2（独特的旋转"标签"）

这个"源标签"让注意力机制区分序列中谁是谁，大幅改善身份迁移效果。由于标签基于位置，同一机制可以优雅地处理多个参考（source_id 2, 3, 4...）实现多主体条件控制。

ComfyUI 使用方式

需要配套的 BFS Nodes：ComfyUI-BFSNodes

  1. 通过 ComfyUI Manager 安装 ComfyUI-BFSNodes（依赖自动安装）
  2. 正常加载 LTX-2 检查点 + Gemma-3 文本编码器 / CLIP
  3. 添加 LTX Identity Transfer（重叠 + 源相位）节点，传入参考图像
  4. 在 MODEL 路径上加载 LTX-Best-Face-ID LoRA
  5. 编写以 ref_t2v: 为前缀的提示词后队列

提示词技巧

  • 始终以 ref_t2v: 开头——模型使用此格式训练
  • 详细描述动作、场景、构图、镜头
  • 描述身份属性（肤色、头发、眼睛、胡须、眼镜）可显著改善效果
  • 附带的工作流包含 Prompt Enhancer，利用 Gemma-3 自动补充身份属性描述
ref_t2v: 一位浅肤色、深棕色长发、戴细框金属眼镜的男士
正在洗衣房叠衣服，中景拍摄。

最佳参考图片

该模型在面部聚焦的参考图上训练：

  • 近景/半身裁剪 — 大致到胸部以上，面部大且清晰可见
  • 正面或接近正面（微侧 3/4 角度也可）
  • 单人主体，居中
  • 不需要白底背景，但干净明亮、裁剪得当的图片效果更好

训练详情

基座模型LTX-2（22B）
方法LoRA（rank 128, alpha 128）
条件控制重叠参考 + TASS-RoPE 源相位
辅助损失ArcFace 身份损失（+ 时序一致性）
数据OpenS2V 子集 + HuMoSet（面部聚焦对）
兼容ComfyUI，需 BFS Nodes

链接

LTX-Best-Face-ID：基于 ArcFace 损失和 TASS-RoPE 的 LTX-2 身份保持参考转视频 LoRA | ComfyUI Wiki