E2E v7 — LTX Foley 四项改进验证

H3 t2va · 15步 · 124帧 · 无TTS · commit 930d612c

四项 Foley 改进

① Foley LoRA Strength
1.0 → 2.0
msr.ts 验证的最佳值，增强环境音信号强度
② 最小帧数限制
9帧 (0.4s) → 97帧 (4s)
短视频自动补帧，避免 Audio VAE 静音
③ AudioLatentNormalizingSampling
无 → 节点130 (factors=1,1,0.25,1,1,0.25,1,1)
采样过程中归一化音频 latent，分布更稳定
④ 采样器
euler → euler_ancestral_cfg_pp
官方推荐采样器，带随机性的祖先采样

音频响度对比 (EBU R128)

指标 v6 (旧: LoRA=1.0 / euler) v7 (新: LoRA=2.0 / ancestral) 变化
Integrated Loudness (LUFS) -23.5 LUFS -14.4 LUFS ▲ +9.1 LUFS
Mean Volume (dB) -26.6 dB -17.5 dB ▲ +9.1 dB
True Peak (dBFS) -4.6 dBFS -1.9 dBFS ▲ +2.7 dB
Loudness Range (LU) 1.7 LU 1.9 LU +0.2 LU
BGM Risk LOW · 0 retries LOW · 0 retries 不变 ✅

响度可视化

v7 LUFS
-14.4 LUFS
v6 LUFS
-23.5 LUFS
* 条形宽度以广播标准 -16 LUFS 为 100% 基准。v7 已接近广播标准。

v7 EBU R128 详细

-14.4
LUFS
Integrated Loudness
广播标准: -16 ~ -23
-1.9
dBFS
True Peak
安全上限: -1.0
1.9
LU
Loudness Range
动态范围适中

视频对比

v7 — Foley 改进版 推荐
LoRA=2.0 · ancestral · AudioNorm · 15步 · -14.4 LUFS · -1.9 dBFS TP
v6 — 旧版
LoRA=1.0 · euler · 无 AudioNorm · 15步 · -23.5 LUFS · -4.6 dBFS TP

✅ 结论

四项改进全部生效。环境音 Integrated Loudness 从 -23.5 → -14.4 LUFS（+9.1 LUFS）， 已接近广播标准 -16 LUFS，不再需要 dynaudnorm 后处理拉响度。 True Peak -1.9 dBFS 在安全范围内，无削波风险。

NAG + BGM 检测链在 LoRA=2.0 下仍然有效（risk=LOW, 0 retries）。 最小帧数 97 帧的补帧机制确保短视频不再出现静音问题。