LTX 2.3 SP2分支实测：微表情增强与VBVR动作遵从

作者：@T8star-Aix

LTX 2.3 SP2分支实测：微表情增强与VBVR动作遵从

一句话导读：这条补档视频主要测试 LTX 2.3 SP2 分支模型在图生视频里的表情、眼神和动作表现，并演示把它与 VBVR 390K、Prompt Relay 组合后，如何提升部分高难动作的提示词遵从度。

核心内容：
1. 作者先说明这是前一条视频被删后的补档，主题仍是 LTX 2.3 的一个新分支模型。它的重点不是替代所有视频模型，而是在人物表情、眼神、嘴部细节和更有“活人感”的表演上做增强。
2. 模型使用上，作者提到不一定需要下载完整大模型，主要使用分支的小模型/LoRA 形态，搭配原生 LTX 2.3 FP8 模型即可接入现有工作流。两阶段采样时，一阶段权重约 0.7，二阶段可降到约 0.35；如果只跑一阶段，则可按 0.7 左右测试。
3. 工作流部分放在 RunningHub 中演示，作者更新了三个工作流，其中包含 Prompt Relay，用来提高提示词对 T14 的遵从程度。整体接法是把分支模型与原有 LTX 工作流连接起来，不一定要完全使用作者原始工作流。
4. 实测人物视频时，作者认为新模型在眼神、嘴部和脸部表情上更丰富，哭笑、诱惑类表情和更自然的人物状态比原生模型更明显。但在“丢掉伞、挥手”这类动作指令上，单独使用时仍可能遵从不足。
5. 为了补动作遵从，作者叠加了 VBVR 390K。因为 VBVR 不是基于这个分支模型训练，权重不能拉太高；视频里把权重降到 0.5，并建议大致在 0.3 到 0.5 区间测试，能对部分高难动作产生正向效果。
6. 对比近期测试过的其他方案，作者认为这个分支模型的表情丰富度有优势，但脸部一致性不一定比某些专门方案更强；它更适合作为 LTX 2.3 体系里的一个增强组件，根据场景和模型组合取舍。
7. 作者最后提醒，这类模型和工作流应在合法合规范围内使用。视频简介中提供了模型夸克链接，并列出多个 RunningHub 工作流入口，方便读者按自己的环境复现或改造。

适合人群：关注 LTX 2.3 SP2、VBVR 390K、Prompt Relay、RunningHub 图生视频工作流、人物微表情增强和动作提示词遵从度优化的用户。

相关夸克网盘链接：
【模型：https://pan.quark.cn/s/d2ba4f2a3e7d】

补充说明：本文根据授权视频音频转写整理；夸克链接来自视频简介和 UP 置顶内容，首屏评论未发现新的夸克链接。转写中个别模型名存在口音误差，已结合视频标题、简介和上下文校正为 LTX 2.3 SP2、VBVR 390K、Prompt Relay 与 RunningHub。