Case 04 端到端测试结果

H3 ref2va 362帧 (15s) + LTX Foley (LoRA=1.0 + euler + loudnorm I=-20) · seed=42 · 15步

管线流程

1
H3 ref2va 视频生成 ✅
3张参考图 → 1280×704 362帧 15.1s · seed=42 · 15步 · ~33min (模型重加载导致 124s/step)
2
LTX Foley 环境音生成 ✅
LoRA=1.0 · euler · BGM risk=LOW · 0次重试 · loudnorm I=-20
3
音频合并 ✅
无 TTS · 纯环境音 · BGM 检测通过

H3 原始视频 有 BGM

MiniMax H3 ref2va 直接输出(含模型生成的 BGM)

最终视频 Foley 定稿

LTX Foley 替换音频(LoRA=1.0 + euler + loudnorm I=-20)

音频指标对比

指标H3 原始 (含BGM)最终 (Foley)说明
mean_volume~-15 dB-20.0 dB环境音比 BGM 安静,符合预期
max_volume~-1 dB-1.9 dB峰值正常
LUFS (I)~-15-18.25 LUFS接近 I=-20 目标
LRA? LU4.40 LU动态范围自然(A组听感最佳配置)
True Peak? dBFS-1.88 dBFS安全范围
BGM RiskHIGH (有配乐)LOW · 0次重试BGM 完全消除