私的AI研究会 > ComfyUI9c
「ComfyUI」を使ってローカル環境でのAI画像生成を検証する
| 「LTX-2の日本語サポートはかなり不安定ですが、日本語を上級レベルで話せる人で、十分な忍耐力があれば、本物の日本語音声を生成することは可能」という記事を見つけたので進化版「LTX-2.3」の日本語プロンプト入力と日本語の発話について検証してみる |
| 指定した発話内容（想定時間 20秒） |
| 『え？何？』 『彼女できないから、作ったことを LTX-2 で生成してんの？』 『めっちゃキモいんだけど！』 『ていうかさぁ！何が16GBだよ？』 『こいつ、ちゃんとした グラボ すら買えねえ！』 『やだ。絶対無理。』 |
| Prompt |
| 黒髪黒い目の日本人の女の子がカメラを見て「え? NANI?」と言いました。ショックを受けた表情で。それから彼女は少し立ち止まって、好奇心旺盛な口調で「カノジョデキナイからツクッタことをエルティエックスツーでせいせいしてんの？」と尋ねます。彼女は少し立ち止まり、うんざりした口調と表情で「メッチャキモイんだけど」と言った。彼女は少し間を置いてから、がっかりした表情で「てゆうかさぁ！ナニがジュウロクギガだよ」と小さな声で言いました。そして、彼女は怒りに満ち溢れ、「こいつ、ちゃんとしたグラボすらかえねぇ!!!」と叫びます。彼女は落ち着きを取り戻し、静かな声で首を横に振り、「やだ。絶対むり。」とささやきます。彼女の唇と口は彼女の言葉と同期して動き、目は生き生きと動き回っています。彼女の感情状態は、パニック、混乱、そして嫌悪感です。 |
| ① 5秒 (frame rate: 25, length: 126) 生成時間：04:32.64 (272.84s) | ② 10秒 (frame rate: 25, length: 251) 生成時間：07:40.02 (460.02s) |
| ③ 15秒 (frame rate: 25, length: 376) 生成時間：12:57.58 (777.58s) | ④ 20秒 (frame rate: 25, length: 501) 生成時間：19:22.07 (1162.07s) |
| ⑤ 25秒 (frame rate: 25, length: 626) 生成時間：36:58.18 (2218.18s) |
| 20秒 (frame rate: 24, length: 121) | |
| ⑥ 生成時間：26:48.68 (1608.68s) | 冒頭にプロンプト追加 '実写映画。' 生成時間：21:23.01 (1283.01s) |
| 日本語 | 英語 |
| ① 生成時間：06:07.69 (367.69s) | ② 生成時間：06:40.32 (380.32s) |
| 雨上がりの高架下、濡れたアスファルトに街灯が反射している。絵柄は実写映画。カメラは最初からゆっくり前進する、目線の高さのミディアムショット。男が歩きながら一瞬だけ振り返って言う。「いそごう。」背後を車が一台、左から右へ速く通り過ぎ、光が短く流れる。 | Under a freeway after the rain, streetlights reflect on wet asphalt. Live-action film look. The camera starts a slow push-in from the first frame, eye-level medium shot. A man walking glances back for a beat and says, “Let’s hurry.” A single car speeds through the background left to right, leaving a brief streak of light. |
| ③ 生成時間：06:20.41 (340.41s) | ④ 生成時間：05:26.09 (326.09s) |
| 朝のキッチン、窓から柔らかい自然光。絵柄は実写。カメラ固定、テーブル越しのバストショット。彼女がマグを持ったままこちらを見て、短く言う。「さとう いる？」湯気が上がり、食器の小さな音がする。 | Morning kitchen with soft window daylight. Live-action look. Static camera, chest-up shot across the table. She holds a mug, looks toward the camera, and says, “Sugar?” Steam rises and there’s a faint clink of dishes. |
| ⑤ 生成時間：05:25.87 (325.87s) | ⑥ 生成時間：05:23.36 (323.36s) |
| 実写映画。夕方の駅ホーム、オレンジの逆光。カメラ固定、腰上の構図。制服の少女が風で前髪を揺らし、視線だけでこちらをとらえる。「オソイ よ！」背景で電車が滑り込む音が近づく。 | A live-action film. A train station platform in the evening, bathed in orange backlight. The camera is fixed, focusing on the upper body. A girl in a school uniform has her bangs blown by the wind, and her gaze is fixed on the viewer. "You're late!" The sound of a train gliding in approaches in the background. |
| ⑦ 生成時間：05:31.22 (331.22s) | ⑧ 生成時間：05:20.65 (320.65s) |
| 実写映画。窓際の小さなカフェ、やわらかい間接光。カメラは最初からごく小さく右回りに回り込みつつ、わずかにズームアウトするミディアムショット。彼女がカップに指を添え、少し笑って言う。「ホンキで いってるの？」視線が逃げず、間が生まれる。 | A live-action film. A small cafe by the window, bathed in soft, indirect light. A woman sits by the window. The camera pans very slightly clockwise, zooming out slightly in a medium shot. She places her finger on the cup and smiles slightly, saying, "Are you serious?" Her gaze doesn't escape, creating a pause. |
| ⑨ 生成時間：06:29.18 (389.18s) | ⑩ 生成時間：07:20.08 (440.08s) |
| 昼の公園、芝生と木漏れ日。絵柄は実写。カメラは地面に近い低い位置で、最初からゆっくり後退する。犬がこちらへ小走りに近づき、首をかしげる。画面外から飼い主が呼ぶ。「オイデ！」犬がしっぽを振って、あと一歩だけ詰める。 | A park at midday with grass and dappled sunlight. Live-action look. The camera stays low near the ground and slowly backs up from the first frame. A dog trots toward the camera and tilts its head. Off-screen, the owner calls, “Come here.” The dog wags its tail and closes the distance by one more step. |
| ① 生成時間：06:55.12 (415.12s) |
| 音楽がゆっくり流れる中、女性は缶をそっと傾け、爽やかな一口を飲み、満足げに目を少し閉じます。そよ風が彼女の髪とTシャツをひらひらと揺らめかせます。カメラはゆっくりとパンし、上向きに傾けます。彼女の背後で太陽の光がより強く輝き、夢のような黄金色のきらめきを生み出します。軽いレンズフレア、麦畑の柔らかな風の動き、リアリティを追求するための微妙なカメラの揺れ。暖かく輝く動き、滑らかなトランジション、柔らかな光の雰囲気、映画のような光のブルーム。 |
| ② 生成時間：05:39.22 (339.22s) |
| カメラは、夜の濡れたネオンライトに照らされた街路を疾走する、流線型の黒いスポーツカーを捉える。マゼンタ、シアン、赤の光が車の光沢のある表面と濡れたアスファルトにきらめく。背景を光が駆け抜ける中、車はわずかに加速し、かすかなモーションブラーとタイヤの飛沫が加わる。ヘッドライトが閃光を放ち、前方の濡れた路面を鋭く照らす。カメラは車の左前部を回り込み、その曲線美とアグレッシブな姿勢を強調する。柔らかな雨粒がスローモーションでフロントガラスに当たる。高コントラスト照明、未来的なトーン、スローモーション要素、超リアルな動き、16:9のアスペクト比。 |
| ③ 生成時間：06:28.76 (388.76s) |
| 女性は力強くリズミカルに、着実に前進する。温かい朝の光が彼女の体と橋に波紋のように広がる中、彼女のポニーテールは一歩ごとに揺れる。横からのアングルで彼女を追うシーンでは、わずかなカメラの揺れがリアリティを増している。そよ風が彼女の衣服を自然に揺らす。太陽が彼女の背後から昇り、橋のケーブルを通して黄金色の光の筋を投げかける。汗の滴が光り輝き、ゆっくりと彼女の肌を伝って流れ落ちる。ビデオは、彼女が息を整えるために立ち止まり、自信に満ちた笑顔でカメラの方を向くところで終わる。リアルな動き、スローからノーマルへのテンポのブレンド、ダイナミックな光の遷移、モチベーションを高める雰囲気、映画のようなトーン、16:9フォーマット。 |
| ④ 生成時間：05:16.19 (316.19s) |
| 女性は、背後に黄金色の夕日が沈む中、ゆっくりとサングラスを上げてかける。風に髪が優しく揺れ、レンズに映る光り輝く街のスカイラインが捉えられる。サングラスが顔に落ち着くと、光が微妙に変化し、レンズに映画のようなフレアが映る。カメラはゆっくりと彼女の顔に近づき、クールで落ち着いた雰囲気を際立たせる。レンズフレア、ソフトなカメラワーク、ゴールデンアワーの光、自信に満ちたトーン、16:9のアスペクト比 |
| ⑤ 生成時間：05:38.17 (338.17s) |
| 若い女性が居心地の良いモダンなカフェに座り、カメラと目線を合わせています。彼女は優しく微笑み、穏やかで親しみやすい口調で視聴者に直接語りかけます。彼女は「エル ティ エックス ツーがハツバイされて、ヨオヤク コウシテ あなたとハナセルようになったなんて、ホントウにスバラシイわ。」と言いながら、唇の動きは自然に同期しています。彼女の表情は繊細で自然で、視線は柔らかく、頭はわずかに動き、テーブルの上のコーヒーカップの近くでは小さな手の動きが見られます。カメラの動きは最小限で、誇張された動きはありません。自然光が彼女の顔を均一に照らしています。 |
| ⑥ |
|
映画のように非常にリアルな映像シーン。若い女性が、渋谷のスクランブル交差点を渡っている。 彼女は晴れやかな笑顔で両腕を大きく広げ、ミュージカル調に歌い始める。 日本語のセリフ： 「エルティエックス・ニーテンサンがトオジョウした！」 一瞬の間をおいて、彼女の表情がゆっくりと変化していく。 自然な演技、リアルな顔の表情、スムーズな感情の移り変わり、映画的なライティング、浅い被写界深度。 |
| ⑦ |
|
映画のような、驚くほどリアルな映像シーン。 海辺で、男性がLTX-2について熱く語っている。 彼は満面の笑みを浮かべ、右手を高く掲げ、大声で歌い始める。 日本語で：「エルティエックス・ニーテンサンがオープンソースになったぞ～！」 自然な演技、リアルな表情、滑らかな感情の移り変わり、映画のような照明、浅い被写界深度。 |
| ⑧ |
|
暖かく日当たりの良い裏庭。カメラは、真剣な表情で向き合う30代の女性と男性の、映画のようなクローズアップから始まる。感情を露わにし、ドラマチックな表情の女性が優しく言う。「もうだめよ…オトウサンはもうダメ。わたしたちもオトウサンをうしなってしまったのよ」 男性は少し苛立ちながら息を吐く。「そんなにおおげさにいうなよ、よしこ」 少し間を置いて、彼は視線を逸らし、それから自己弁護するように呟く。「ただたのしんでいるだけだよ」 カメラはゆっくりと右にパンし、庭にいる祖父の姿が映し出される。巨大な蝶の羽を身につけ、飛び立とうとしているかのように両腕を空中に振り回している。 彼は「ふぅー！」と叫びながら、力一杯に羽を羽ばたかせる。 女性は涙をこらえ、顔を覆っている。その口調は無表情で、不条理で、そして静かな悲劇に満ちている。 |
| ⑨ |
|
実写映画。オーブン内から静止したカメラが、少し曇ったガラスの扉越しに外を覗いている。焼きたてのクッキーの周りに、温かみのある金色の光が輝いている。パン職人の顔がフレームいっぱいに映り、焦点が合ったように目を見開いている。彼が身を乗り出すと、息がガラスを曇らせる。蒸気が立ち上るにつれ、微妙な反射がガラスを伝って移動する。 パン職人（大げさにささやくように）：「キョウは カンペキだ。」 彼はさらに身を乗り出し、鼻がガラスに触れそうになる。 「オウゴンイロのそとがわ。やわらかいなかみ。みんな このクッキーのニオイをかいで なくだろう。」 「まって!」「チョコチップ いれワスレタかな？」 （間奏）しばらく考えて... 「ちがう。サトウを入れわすれた。」 素早くズームバックすると、オーブンの扉に押し付けられたパン職人の怯えた顔が映る。ガラスの向こうでクッキーが萎んでいく。蒸気がスローモーションで上昇します。 |
| ⑩ |
|
3Dピクサー風アニメ ピノキオは尋問室に座り、緊張した面持ちで、かすかに汗をかいています。彼は静かに「ボクはやってない やってない ボクはサツジンシャじゃない」と独り言を言っています。ピノキオの鼻はどんどん伸びていきます。カメラは部屋の奥にある両面鏡にズームインします。カメラが近づくにつれて鏡は黒くなり、反対側の薄暗い部屋に立つ二人の刑事のぼんやりとしたシルエットが浮かび上がります。そのうちの一人が「このコ、なにかおかしい きがするんだ」と言います。 |
| ⑪ |
| 未来的な透明バイザーと、首にチューブが取り付けられたボディスーツを身に着けた若い女性が、ロボットアームをはんだ付けしている。彼女はロボットアームをはんだ付けしている。遠くから不審な強い衝撃音が聞こえ、彼女は立ち止まり右を見る。彼女は椅子からゆっくりと立ち上がり、怒りに満ちた声でで「あんた、あのイマイマしいドアをしめろっていったでしょ！」と言う。すると、ドレッドヘアで頑丈な服を着た未来的な青いエイリアンの探検家が、未来的な装置を手に興奮した様子で登場し、低いロボットのような声で「ドアなんてクソくらえ！これをみつけたぞ！」と言う。エイリアンは女性に装置を手渡し、彼女は興奮した様子でそれを見下ろし、カメラが彼女の興味深げな光る顔にズームインする。そして彼女は「これがワタシのおもっていたものなの？」と言い、興奮した笑みを浮かべる。SF風の映画的なシーンだ。 |
| ⑫ |
| アクション満載の映画のようなショット。男は静かに「にげなきゃ」と言う。カメラは男の口元にズームインし、すぐに「いますぐ！」と叫ぶ。カメラがズームアウトすると、男は振り返り、走り出す。カメラは手持ちでその走りを追う。カメラは上に上がり、賑やかな大阪の夜、通りを遠くまで走っていく男の姿を映す。 |
| ⑬ |
|
カメラは静かで陽光に照らされたカエルヨガスタジオから始まる。温かい朝日が木の床を照らし、お香の煙が空気中に漂う。上級のカエルヨガインストラクターが中央で胡坐をかいて座り、目を閉じ、低く落ち着いた声で言う。「わたしたちはイケとひとつです。」カエルたちは皆、優しく答える。「うーん…」「わたしたちはドロとひとつです」「うーん…」彼はかすかに微笑む。「わたしたちはハエとひとつです。」静かな沈黙。 カメラはゆっくりと横にパンする。一匹のカエルがピクピクと動き、目をキョロキョロと動かす。突然、パチッ！と舌が飛び出し、空中のハエを捕まえて口の中に引き込む。インストラクターは落ち着いたまま、ゆっくりと息を吐く。 「でも、わたしたちはハエをおいかけません…」 ビート。「ジュギョウチュウはおいかけません。」罪悪感に苛まれたカエルは固まり、それから明らかに恥ずかしそうに頭を下げ、両手を組んで瞑想のポーズに戻る。他のカエルたちは「オムン…」とまた歌い始めます。カメラはしばらく恥ずかしがるカエルに釘付けになり、目をきつく閉じて、何も起こらなかったかのようにふるまいます |
| ⑭ |
|
郊外の小さな町の通り。 朝。生放送ニュース。 画面は、封鎖された車の列の前に立つニュースレポーターから始まる。彼の背後には黄色い警戒テープがはためいている。暖かな光、早朝の太陽がカメラレンズに反射している。かすかな話し声と遠くの掘削音が辺りを満たしている。 落ち着いていながらも明らかに興奮した女性レポーターは、マイクを手にカメラをまっすぐ見つめている。 レポーター（生放送）： 「こんなことをナマホウソウでいうとはおもわなかったんですど、けさ、ここオオサカのセンリヤマというしずかなマチで クロいキンがみつかりました！」 彼女は背後の畑を軽く指差す。 レポーター（ニヤリと笑う）： 「カメラマンがパンすれば、いったいなにがそんなにコウフンしているのかワカリマス。」 カメラが右にパンし、ヘルメットをかぶった作業員たちに囲まれた建設現場がゆっくりと姿を現す。静寂が訪れた そして、突然の轟音とともに、地面から油の噴水が噴き出し、激しい煙を上げて上昇する。 作業員たちは歓声を上げ、慌てふためく。黒い流れは朝の光にきらめく。カメラは混乱の中、焦点を保とうとわずかに揺れる。 レポーター（画面外、騒音にかき消されて叫ぶ）： 「さあ、みなさん。センリヤマに とってわすれられないシュンカンです！」 カメラは油煙に反射する陽光を捉え、それから引き、全景を映し出す。小さな町のスカイラインが、勢いよく噴き出す油を背景にシルエットを描いている。 |
| model | ltx-2.3-22b-distilled-fp8.safetensors, qwen_3_4b_fp4_mixed.safetensors, ltx-2.3-22b-distilled-lora-384.safetensors |
| Switch Text to Video | true (Text to Video) |
| frame rate : count | 25:126 (5秒), 25:251 (10秒), 25:376 (15秒), 25:501 (20秒), 24:121 (5秒), 24:481 (20秒) |
| size (pixel) | 1280x720 |
| seed | 731987174230470, 42 (upscale) |
| Workflow |  「LTX」5402v2_LTX-2.3_T2V_distilled_simple.json |