liblibai支持动作与声音双参考输入，但仅限libtv节点工作流中选用seedance 2.0或happyhorse 1.0模型并启用「多模态驱动」模式，需上传png/jpg动作图与wav音频，且提示词须明确协同关系。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI支持动作与声音双参考输入，但仅限特定模型和路径
LiblibAI生成视频时能否分别参考动作和声音素材，取决于你是否进入「图生视频+音频驱动」联合工作流——普通文生视频或单图生视频入口不开放双参考通道，必须使用LibTV节点工作流中Seedance 2.0/HappyHorse 1.0模型，并手动启用「多模态驱动」模式，否则系统会忽略上传的音频文件或强制转为静音输出。
启用双参考的实操步骤
第一步：进入LibTV无限画布→双击添加「视频生成」节点→在模型下拉菜单中【必须选择Seedance 2.0或HappyHorse 1.0】，其他模型（包括Seedance 2.5、可灵3.0、万相2.6）均不支持双参考解析。
第二步：点击节点右上角「设置」图标→勾选「启用多模态驱动」→此时界面将展开「动作参考图」与「音频驱动源」两个独立上传区。
第三步：上传动作参考图（PNG/JPG，建议带透明背景的角色立绘）→再上传WAV格式音频（44.1kHz/16bit，无静音头尾），【若上传MP3或未裁切静音段，系统将跳过音频解析，仅生成画面】。
第四步：在提示词框中写明动作意图与声音意图的协同关系，例如：“少女抬手施法（对应音频中‘破’字发音帧）→指尖迸发金光→同步响起古琴泛音”，避免只写“有声音”或“动作自然”这类模糊描述。
两种常见失败场景及绕过方法
方法一：音频已上传但预览无声 → 检查节点左下角是否显示「Audio synced: YES」绿色标签；若为灰色，说明音素切分失败，立即用Audacity裁掉首尾0.3秒静音段并重导出WAV。
方法二：动作明显偏移（如嘴型对得上，但手臂未随“挥剑”指令运动）→ 在「高级驱动设置」中关闭「智能运动补偿」，手动将「动作权重」调至0.87、「音频权重」调至0.63，该组合经2026年10月实测在唇动-手势耦合任务中失配率最低。
