LTX Foley 分辨率 A/B — 1280×704 vs 640×352

📊 客观指标对比

指标	A · 1280×704	B · 640×352	结论
渲染耗时	510s	90s	✅ 5.7x 加速
时长	8.050s	8.050s	✅ 一致
采样率 / 声道	48kHz / 立体声	48kHz / 立体声	✅ 一致
平均音量	-42.5 dB	-44.8 dB	✅ 同为环境音合理区间
最大音量	-20.2 dB	-21.4 dB	✅ 接近
语音残留 (Whisper)	无 (空转写)	无 (空转写)	✅ 均纯环境音
文件大小	293 KB	265 KB	✅ 信息量相近

✅ 结论：640×352 无损提速 5.7x — 视频 latent 被 SolidMask 冻结，音频生成质量不依赖视频分辨率。KAP 配置已从 1280×704 改为 640×352。

⚠️ 说明：两个版本频谱相似度 0.29（环境音本身高度随机，同 seed 不同分辨率噪声初始化不同，此指标非质量判定标准）。判定标准 = 无语音残留 + 时长/采样率/音量一致 + 听感同为环境氛围。