Bernini-R S2V：原生音频驱动、口型同步与视频延长工作流

作者：@AIwood爱屋研究室

Bernini-R S2V：原生音频驱动、口型同步与视频延长工作流

一句话导读：这期视频介绍 Bernini-R S2V，让原本只能做参考视频生成的 Bernini 系列具备音频驱动说话、口型同步和视频改口型能力，整体更接近数字人工作流。

核心内容：
1. 作者先回顾 Bernini 的优势：参考效果和多图参考效果不错，但此前没有原生音效和说话能力。过去可以借助 LTX-2.3 重新配音，但容易带来重绘，导致角色变化或小脸效果不稳定。
2. 本次重点是 Bernini-R S2V。视频中提到它支持 T2V、I2V 参考生视频，以及视频改口型；资源页提供 FP8、Int8、FP16 三个版本，并附带工作流。
3. 使用前需要安装 ComfyUI-WanBerniniS2V 插件。作者演示的安装方式是在 ComfyUI 的 custom_nodes 目录中新建对应文件夹，把插件文件放进去；该插件本身不需要额外依赖。
4. 工作流核心是 Bernini S2V conditioning 节点，把音频接入到视频生成流程中。参考生视频流程里，用户上传角色图、加载主模型、UMT5、官方 VAE、4步 LoRA、英文 V2S2 模型，并输入人物描述和驱动音频。
5. 作者提醒，双角色对话目前效果不好：即使用提示词控制时间，后面也可能出现两个人同时说话或说话时间不准，因此更建议先做单角色音频驱动。
6. 视频改口型流程则上传原视频和驱动音频，在提示词中描述视频中的男人说话即可。作者观察到，当音频时长对应帧数高于原视频帧数时，Bernini 会自动延长原视频，但视频末尾延续效果仍偏实验性，不算完全成熟。
7. 帧率上，作者建议按工作流先以 16fps 获得较稳的 Bernini 表现，再通过插帧节点转到 24fps。直接跑 24fps 可能导致口型对不上，这是本条工作流的关键注意点。

适合人群：正在做数字人、Talking Head、口型同步、视频改口型，或者想把 Bernini 参考生视频能力接入音频驱动流程的 ComfyUI 用户。

补充说明：本文根据授权视频的音频转写整理。模型、工作流和节点资源仍可能处于上传或更新中，实际可用性以作者网盘、Hugging Face 页面和后续 RunningHub 工作流为准。

相关夸克网盘链接：
【模型+工作流+节点网盘地址（部分模型上传ing）：https://pan.quark.cn/s/510e80562855】