LTX-2.3の服装や背景が変わってしまう原因、それ、プロンプトエンハンサーかもしれません
LTX-2.3のリップシンク動画についての記事に、スタートフレームにした画像から、人物の服装や背景が、勝手に変わってしまうことがあると書きました。
結論から申し上げますと、ComfyUIテンプレートのLTX-2.3用ワークフローに組み込まれている、プロンプトエンハンサーが影響していました。
このワークフローをベースに、モデルのリンクを最新のものに変更したワークフローは、以前の記事に添付しています。
プロンプトエンハンサーは、T2V(Text to Video、テキストから動画)の場合、簡単なプロンプトを元に、自動でプロンプトを強化して動画に反映してくれるので、とても便利です。
ところが、I2V(Image to Video、画像から動画)では、ComfyUIテンプレートのLTX-2.3用ワークフローに組み込まれているプロンプトエンハンサーが、入力画像を分析できないタイプのため、入力画像と異なったプロンプトが生成されて、動画に反映されていました。
※2026/5/19 追記
誤解を招く説明ですので、補足します。
gemma-3-12b-itは、テキスト入力だけでなく、画像認識・理解もできるマルチモーダル対応です。
ワークフローのプロンプトエンハンサー部分が、入力画像を分析せずに、プロンプトをエンハンスする接続になっていた、ということです。
どのようなプロンプトが生成されるのか、実例はこちらです。
・私が書いたプロンプト
A 20-year-old Japanese woman is smiling.
She leans forward slightly, resting her chin on her right hand.
Staring straight into the camera, she slowly says in a cute, sweet voice, “きょうモおしごとオツカレさま”・プロンプトエンハンス後
Style: realistic with cinematic lighting. A 20-year old Japanese woman is smiling, leaning forward slightly from her waist, resting her chin on her right hand which is resting on a light wood desk. She has long, dark, wavy hair and subtle freckles across the bridge of her nose, wearing a simple white blouse and dark navy blue pants. Staring straight into the camera, she slowly says in a cute, sweet voice, “きょうモおしごとオツカレさま.” Soft background music of traditional Japanese instruments playing gently plays, interwoven with the faint sounds of ambient office chatter. As she speaks, she's smiling warmly, her eyes sparkling with kindness.ダークネイビーブルーパンツなんて書いてないし！
ということで、結論。
以前の記事に添付したワークフローでI2V(Image to Video、画像から動画)を行うときは、プロンプトエンハンサーを無効にしましょう。
プロンプトエンハンサーを無効にする手順です。
まず、「Video Generation (LTX-2.3)」ノードの右上にある矢印をクリックします。
次に、「LoRAを読み込む」ノードと「TextGenerateLTX2Prompt」ノードを、バイパスします。
ノードをマウスでクリックして、Ctrl+Bを押すと、ノードが紫色に変わります。
・ノードが有効な状態
・ノードを無効に(バイパス)した状態
元の画面に戻るときは、ComfyUIの画面の左上にある、矢印からスラッシュまでの辺りをクリックします。
元の画面です。
以前の記事に添付したワークフローを使用して、実際に生成した動画です。
ノイズシード: 71532136350397
その他、プロンプトエンハンサー有り／無し以外は同じ設定です。
・プロンプトエンハンサー有り
エンハンス後のプロンプト
Style: realistic with cinematic lighting. A 20-year old Japanese woman is smiling, leaning forward slightly from her waist, resting her chin on her right hand which is resting on a light wood desk. She has long, dark, wavy hair and subtle freckles across the bridge of her nose, wearing a simple white blouse and dark navy blue pants. Staring straight into the camera, she slowly says in a cute, sweet voice, “きょうモおしごとオツカレさま.” Soft background music of traditional Japanese instruments playing gently plays, interwoven with the faint sounds of ambient office chatter. As she speaks, she's smiling warmly, her eyes sparkling with kindness.・プロンプトエンハンサー無し
オリジナルのプロンプト
A 20-year-old Japanese woman is smiling.
She leans forward slightly, resting her chin on her right hand.
Staring straight into the camera, she slowly says in a cute, sweet voice, “きょうモおしごとオツカレさま”ご参考までに、T2V(Text to Video、テキストから動画)を行う場合を説明します。
「Video Generation (LTX-2.3)」ノードの「disable_i2v」を「true」に変更します。
「LoRAを読み込む」ノードと「TextGenerateLTX2Prompt」ノードは有効でOKです。
「Video Generation (LTX-2.3)」ノードの「disable_i2v」を「true」に変更、プロンプトエンハンサー有りで生成した動画はこちらです。
ノイズシード: 71532136350397 (他の動画と同じ)
「disable_i2v」を「true」にした以外は、他の動画と同じ設定です。
入力画像が反映されない動画が生成されます。
エンハンス後のプロンプト
Style: realistic with cinematic lighting. A 20-year old Japanese woman is smiling, leaning forward slightly from her waist, resting her chin on her right hand which is resting on a light wood desk. She has long, dark, wavy hair and subtle freckles across the bridge of her nose; she wears a simple navy blue sweater. Staring straight into the camera, she slowly says in a cute, sweet voice, “きょうモおしごとオツカレさま.” The soundscape includes soft ambient background music—a gentle, acoustic guitar melody—and subtle sounds of a nearby office environment—the quiet click of keys and low hum of conversation.