🔬 根因分析：LTX Foley 音频"后面出现大噪音"
问题现象
③ 仅环境音版（S2_a04_ambient_only）：前半段有轻微环境音，后半段出现很大噪音。
音量数据：mean -21.2 dB，但 max 0.0 dB（削波），histogram_0db 有 10 个样本 → 后段有爆音。
根因 #1（核心）：Video latent 没有冻结
问题：我的工作流用
已验证模板的做法：video latent 由采样器正常去噪（因为它要生成视频），audio latent 用 SolidMask=0 冻结 TTS。
我的 Foley 场景应该做的：恰恰相反！
LiconMSR + LTXVAddGuide 从单帧图片生成新视频，而不是冻结 H3 视频帧。
采样器同时去噪 video 和 audio latent → video 被重新生成（不是 H3 的画面），audio 质量不可控。
已验证模板的做法：video latent 由采样器正常去噪（因为它要生成视频），audio latent 用 SolidMask=0 冻结 TTS。
我的 Foley 场景应该做的：恰恰相反！
VAEEncode H3 视频帧 → SolidMask(0) 冻结 video latent → 只让采样器去噪 audio latent。
根因 #2：空 audio latent 被完全随机初始化
LTXVEmptyLatentAudio 产生全零 audio latent。当 video latent 也没冻结时，采样器面对的是一个完全自由的 video+audio 空间——它会"发明"内容，包括噪音。
已验证工作流中，video 由 LiconMSR guide 条件化，audio 由 TTS 冻结或由 prompt 引导。两者都有约束。我的 Foley 工作流 audio 侧只有 prompt 文字引导（distilled CFG=1.0 下很弱），video 侧 LiconMSR 只给了一帧参考。
根因 #3：H3 视频 8 秒 → LTX 只处理 5.4 秒（129帧）
S2_a04 原始 H3 视频 192 帧（8秒），但 LTX 只取 129 帧（5.4秒）。后 67 帧（2.6秒）丢失。在丢失的帧附近，video latent 没有足够信息 → audio latent 生成噪音。
修复方案
正确的 Foley 工作流应该是：
关键差异：
# 1. 加载 H3 视频帧（全部帧，不只第一帧）
VHS_LoadVideo(H3_video.mp4) → IMAGE batch
# 2. VAEEncode H3 视频帧 → video latent
VAEEncode(IMAGE batch, video_vae) → video_latent
# 3. 冻结 video latent（SolidMask=0 → 不让采样器碰视频）
SolidMask(value=0)
SetLatentNoiseMask(video_latent, mask=0)
# 4. 空 audio latent（让采样器自由生成环境音）
LTXVEmptyLatentAudio(audio_vae, frames_number=N)
# 5. 合并
LTXVConcatAVLatent(frozen_video_latent, empty_audio_latent)
# 6. 采样（只去噪 audio，video 被 mask 冻结）
SamplerCustomAdvanced(model+FoleyLoRA+NAG, frozen_av_latent)
# 7. 分离 + 只解码 audio
LTXVSeparateAVLatent → audio_latent → LTXVAudioVAEDecode
关键差异：
| 参数 | 当前（错误） | 修复后 |
|---|---|---|
| Video latent 来源 | LiconMSR 从单帧生成新视频 | VAEEncode H3 视频帧 |
| Video latent 冻结 | ❌ 没有冻结 | ✅ SolidMask(0) 冻结 |
| 帧数 | 129（截断） | 全部帧（8n+1） |
| 采样器行为 | 同时修改 video+audio | 只修改 audio |
| LiconMSR | 使用（不适合 foley） | 不用 |
为什么"后面出现噪音"
129 帧中，前 ~80 帧由 LiconMSR 单帧 conditioning 提供了一些视觉约束，audio 还能跟随。但后 ~50 帧越来越远离 conditioning 帧，video latent 开始发散，audio 跟着一起崩溃 → 噪音。
如果 video latent 被冻结，这个问题不会发生——audio 始终有稳定的 video context。