「LTX-2.3のImage to Video (LTX-2.3)に自分のAI美女画像を読み込ませたのに、出てくる動画は全然違う顔の別人」これはLTX-2.3のI2Vで最も多いつまずきですが、原因のほとんどは設定（ノード構成・モデルの世代不一致・コンディショニング強度・プロンプト）にあり、ほぼ直せます。

この記事では、ckpt_name / distilled_lora / text_encoder / Latent_upscale_model / lora の各設定と、効くプロンプトの書き方を、原因の切り分けとセットで解説します。ComfyUIの基礎はComfyUI完全入門、同一キャラ量産の発想はAI美女LoRA完全ガイドも合わせてどうぞ。

細かい話の前に、効く順に並べた要点です。

0. prompt_enhance を false にする（実機で別人化する最頻の原因。LLMがプロンプトを書き換えて入力画像を無視する）
1. text_encoderを世代一致させる（LTX-2.3は Gemma 系。旧LTX用のT5ワークフローに2.3のckptを差すと壊れる）
2. image conditioning strengthを上げる（公式I2Vは Stage1=0.7 / Stage2=1.0）
3. 公式の2段階パイプライン（latent upscale）をそのまま使う（自作で段を崩すと顔が溶ける）
4. distilled_loraの強度を段ごとに変える（第1パスは強め、アップスケールは0.4〜0.5）
5. プロンプトで外見を描写しない（LTX I2Vは「見た目は画像に任せ、動き・カメラ・音だけ書く」が公式指針。外見を書くと再解釈で別人化）
6. 顔を強く固定したいなら ID-LoRA を足す

以下、各設定を順に見ていきます。

LTX-2.3のI2Vは、入力画像を「最初のフレームの条件（conditioning）」として受け取り、そこから動画を生成します。別人になるのは、この条件付けがモデルに正しく・十分に伝わっていないときです。典型的な原因は次の通り。

ノードに用意されている設定を詰める前に、まず確認すべき一発逆転ポイントがあります。prompt_enhance を false にすることです。実機で「全然違う人間が出る」ケースの多くは、これが原因です。

prompt_enhance は、あなたが書いたプロンプトを LLMが自動で書き換え・盛る 機能です。便利そうに見えますが、I2Vでは致命的に働きます。たとえば「画像の女性が振り向いて微笑む。やわらかな自然光」程度の短文が、enhanceによって「屋外の自然光の中で笑う女性…」のように別シーン・別人物を描写する長文へ膨らみ、その文章が入力画像より優先されてしまう。結果、入力画像を無視して全く別の人物・構図・背景が出力されます。

下の例では、入力（左：室内・全身・黒髪のAI美女）に対し、prompt_enhance=true のまま回した出力（右）が、屋外・顔アップ・そばかすの別人女性になっています。プロンプト自体は「動きだけ」の良い書き方なのに、enhanceが裏で全部書き換えた典型例です。

ComfyUIのImage to Video (LTX-2.3)ノード。prompt_enhanceをtrueにすると、入力画像（左：室内・全身）を無視して別人（右：屋外・顔アップ）が出力されてしまう

• 対処は単純：prompt_enhance を false にするだけ。 これだけで入力画像が効くようになり、同一人物が出ます。
• enhanceを使いたい場合でも、I2Vでは切る。プロンプトは自分で「動きだけ」を短く書く（後述）。

ここを切ってもまだ甘い場合に、以下①〜⑧の設定を順に詰めていきます。

LTX-2.3の本体モデル。VRAMに応じて選びます。

ポイントは、ckpt・distilled_lora・text_encoder・upscalerをすべて「2.3」で世代を揃えること。旧LTX（0.9系/LTX-2）のファイルと混在させると、別人どころかノイズや破綻が出ます。GGUF/FP8など量子化版を使う場合も、2.3系で統一してください。

LTX-2.3はGemma系テキストエンコーダを使います（例：gemma_3_12B_it_fp4_mixed.safetensors、ID用途では gemma-3-12b-it 系）。

「別人になる」報告で非常に多いのが、旧LTX用のT5系エンコーダや古いワークフローを流用しているケース。エンコーダの世代が違うとプロンプトもコンディショニングも正しく解釈されず、入力画像と無関係な出力になります。

• LTX-2.3のI2Vは必ずGemma系エンコーダを読み込む
• 古いLTXワークフローを再利用しない。2.3公式のI2Vテンプレートから始める
• モデルフォルダに旧・新が混在しているなら、ノードで読んでいるファイル名を必ず確認

ここを直すだけで解決する人が一定数います。まず疑うべき第一容疑者です。

少ないステップで生成するための蒸留LoRA。代表は ltx-2.3-22b-distilled-lora-384.safetensors（rank384）。rank208 / rank111 / ceil72_condsafe（I2Vとコンディショニング最適化版）などの軽量版もあります。

strength（強度）の考え方:

• 公式テンプレートでは 0.5 で適用する構成が基本
• 低rank LoRAを使う2段階構成では、I2V第1パス=1.0 / アップスケールパス=0.4〜0.5 が目安
• I2V重視なら ceil72_condsafe 系（コンディショニングを壊しにくい）も選択肢

第1パスでしっかり条件を効かせ、アップスケールでは強度を落として顔のディテールを保つ、という配分が「別人化しにくい」黄金比です。

入力画像をどれだけ強く反映するか。LTX公式I2Vの2段階設定はこうです。

Stage2で強度を1.0まで上げることで「高解像度で細部（＝顔の同一性）を保持」します。ここを下げすぎる／2段階を1段に省略すると、面影が消えて別人化します。「全然違う人」になる人の多くは、この段構成が崩れています。

LTX-2.3は潜在空間で2倍アップスケールしてから2段目のサンプリングを行う設計です。

• 空間: ltx-2.3-spatial-upscaler-x2-1.0.safetensors（×2）
• 時間: ltx-2.3-temporal-upscaler-x2-1.0.safetensors（×2）

I2Vの同一性は、この2段階パイプライン前提で最適化されています。 「Stage1で低解像度のAV潜在を生成 → 2×アップスケール → distilled LoRAで2回目のサンプリング → デコード」という公式フローをそのまま使うのが、最も安全に顔を保つ方法です。自作で段を抜くと⑥のStage2強度1.0が効かず、別人化します。

CFGの上げすぎは別人化の直接原因です。蒸留モデル＋distilled LoRAは低CFG（≒1）前提。ここでCFGを大きくすると、モデルが画像よりプロンプトを優先し、テキストの解釈に寄って顔が変わります。「もっと指示を効かせたい」と思ってCFGを上げると逆効果、と覚えてください。

地味ですが破綻の温床です。

• 解像度は32で割り切れる値にする（width / height ともに32の倍数）。デフォルトは1280×720。
• フレーム数は 8n+1（例：121 = 8×15+1）。
• まずは 1280×720・25fps・5秒など公式デフォルト付近から始め、安定を確認してから上げる。

規格外の数値だと、それだけで顔やボディが崩れて「別人」に見えることがあります。

設定を詰めても足りない・特定の顔をガッチリ固定したい場合は、LTX-2.3向けのID-LoRAを足します。

• LoRA: id-lora-celebvhq-ltx2.3.safetensors または id-lora-talkvid-ltx2.3.safetensors（各約1.1GB）
• LoRA strength: デフォルト 1.0（範囲0.0〜2.0）。似せたいほど上げる
• Identity guidance scale: 3.0（顔一致性の強度）
• ベース: ltx-2.3-22b-dev.safetensors + Gemma 3 12B エンコーダ

ID-LoRAはもともと「参照画像＋参照音声で顔の同一性を保ったトーキング動画」を作る仕組みですが、likenessをLoRA側が担保してくれるため、image strengthは中程度でも顔が安定します。AI美女を毎回同じキャラで動かしたい（＝キャラ資産化）運用と相性が良い機能です。

ここが直感に反する最重要ポイントです。多くの人は「別人になるなら、プロンプトで顔や見た目を細かく指定すれば固定できる」と考えますが、LTX I2Vでは逆効果になりがちです。

LTX公式の指針は明確で、

シーンの見た目を詳しく説明する必要はない。画像がすでにそれを提供している。プロンプトは動き・アクション・カメラワーク・音に集中せよ。

つまり外見をプロンプトに書くほど、モデルはその「言葉での描写」を再解釈し、入力画像から離れた別人を作ってしまう。見た目は画像に任せ、プロンプトは動きだけ書くのが正解です。

悪い例（別人化しやすい）

text
A beautiful 22 year old Japanese woman, long black hair, double eyelids,
slim body, white skin, wearing a red dress, detailed face, ...

→ 外見描写が多く、モデルが顔を作り直してしまう。

良い例（同一性を保ちやすい）

text
The woman in the image slowly turns her head toward the camera and smiles softly.
Gentle breeze moves her hair. Subtle camera push-in. Soft natural lighting.

→ 「画像の人物」が「何をするか」だけを記述。外見は一切足さない。

被写体を指すときも a beautiful woman のような新しい描写ではなく、the woman in the image / the same woman と画像を参照する言い回しにすると安定します。矛盾する服装・髪色・年齢などは書かないこと。

0. prompt_enhance が true になっていないか？（まずここをfalseに）
1. text_encoderはGemma系か？ 旧LTXのWF/T5を流用していないか？
2. ckpt・LoRA・upscalerは全部「2.3」で揃っているか？
3. 公式の2段階I2Vテンプレを使っているか（段を抜いていないか）？
4. image strengthは Stage1=0.7 / Stage2=1.0 になっているか？
5. CFGを上げすぎていないか（distilledは≒1）？
6. プロンプトに外見描写を書いていないか？ 動きだけにしたか？
7. 解像度32の倍数・フレーム8n+1か？
8. 入力画像は明るく・顔が中央・高解像度か？
9. それでも甘いなら ID-LoRA を追加したか？

上から順に潰すと、ほとんどのケースで同一人物が出るようになります。

Q. 設定は合ってるのに別人になります。何を最初に疑う？

prompt_enhance を疑ってください。これが true だと、LLMがあなたのプロンプトを別シーン・別人物を描写する長文に書き換え、入力画像を無視します。実機での別人化はこれが最頻原因です。まず false にしてください。

Q. text_encoderを変えただけで直ることがあるって本当？

本当です。「別人になる」報告で最も多い原因が、旧LTX用のT5系エンコーダや古いワークフローの流用です。LTX-2.3はGemma系が前提なので、まずここを2.3公式テンプレに合わせるだけで解決するケースがあります。

Q. プロンプトで顔の特徴を細かく書けば固定できますか？

逆効果になりがちです。LTX I2Vは「見た目は入力画像が提供する」前提で、プロンプトは動き・カメラ・音に集中させる設計です。外見を書くほどモデルが再解釈して別人化します。the woman in the image のように画像を参照し、動きだけ記述してください。

Q. image strengthはとにかく1.0にすればいい？

全段1.0が常に最適とは限りません。公式I2Vは Stage1=0.7（動きを作る）／Stage2=1.0（細部・同一性を保持）の配分です。第1パスから1.0にすると動きが固くなることがあるため、まずはこの段階配分を踏襲してください。

Q. ID-LoRAは必須ですか？

必須ではありません。①〜⑦の設定を正すだけで多くは同一人物になります。それでも顔がブレる・特定の顔をピンポイントで固定したい場合の「最終手段」がID-LoRA（strength 1.0／ID guidance 3.0）です。

Q. VRAMが足りません。fp8やGGUFでも同一性は保てますか？

保てます。fp8/GGUFなどの量子化版でも、世代（2.3）を統一し、上記のエンコーダ・strength・2段階構成を守れば同一性は維持できます。量子化は主に画質・速度のトレードオフで、別人化の主因ではありません。

LTX-2.3のI2Vで「全然違う人間が出る」のは、才能でもシード運でもなく、設定の問題です。直す優先順位はこうでした。

• prompt_enhance を false（実機で別人化する最頻の原因。まずここ）
• text_encoderをGemma系に世代一致（最大の落とし穴）
• image strength Stage1=0.7 / Stage2=1.0 と公式2段階パイプラインを死守
• distilled_loraは段ごとに強度配分、CFGは上げない
• プロンプトは外見を書かず動きだけ（the woman in the image）
• 解像度32の倍数・フレーム8n+1
• 足りなければ ID-LoRA で顔をロック

同じAI美女を何本もの動画で安定して動かせるようになれば、それ自体が「キャラ資産」になります。動画モデルの選び方はAI美女動画モデル最新ランキング、無検閲系の比較はSulphur 2完全ガイド、ComfyUI環境構築はComfyUI完全入門も参考にしてください。

※モデル名・推奨値はLTX-2.3公式ドキュメント／ComfyUI公式チュートリアル／コミュニティ配布のワークフロー時点の情報です。バージョン更新で変わる場合があるため、最終的にはお使いのワークフローのノード設定で確認してください。