LTX 2.3 MSR V2 多参视频模型横评：开源与闭源四模型同台PK
AI视频生成最头疼的问题之一：怎么让多个角色同时出现在一个视频里，还各自保持长相一致？B站UP主T8star-Aix最新一期视频把四个模型拉到一起做了对比——LTX 2.3 MSR V2、Bernini-R、HappyHorse 1.1、Seedance 2.0，开源闭源各半，专门测"多角色参考"（Multiple Subject Reference）这个硬指标。
四个选手
LTX 2.3 MSR V2 是这次评测的主角之一。它基于LTX Video 2.3，通过MSR LoRA实现多角色参考能力。配套的ComfyUI节点（ComfyUI-Licon-MSR，GitHub 337星）支持1到4个主体图像加一张背景图，自动生成对齐LTX 8倍时序VAE压缩边界的参考帧序列。简单说：你丢几张角色图和一张背景进去，它帮你拼成视频模型能理解的参考视频。开源，本地可跑。
Bernini-R 是闭源商业模型，主打reference-to-video（r2v），即给参考图直接生成视频。具体技术细节公开较少。
HappyHorse 1.1 同样开源，定位1080p电影级视频生成，强调多镜头叙事和无缝转场。GitHub仓库145星，2026年4月上线，7月仍在活跃更新。
Seedance 2.0 是字节跳动旗下的闭源视频生成模型，国内创作者使用较多，API调用方式。
多参能力：核心对比
多角色参考的难点在于：模型需要同时"记住"多个角色的外观特征，并在生成过程中保持各自一致性，不能串脸、不能丢细节。
从视频对比来看：
- LTX 2.3 MSR V2 的思路是先把多张角色图和背景合成参考帧序列，再喂给视频模型。好处是流程透明、ComfyUI里可调可控，坏处是多了一步预处理，对参考图质量要求高。
- Bernini-R 和 Seedance 2.0 作为闭源方案，多参能力内置于模型，输入参考图后一步出视频，操作更简单，但可控性有限。
- HappyHorse 1.1 在多镜头叙事上有优势，但多角色一致性方面表现视具体场景而定。
开源方案的优势在于：你可以用ComfyUI自由组合节点，调整帧数（17/25/33/41/49/57/65帧可选）、画面尺寸、角色排列顺序，甚至替换背景。闭源方案则省心，但调参空间小。
对创作者意味着什么
如果你是ComfyUI用户、有本地GPU资源，LTX 2.3 MSR V2是目前最灵活的开源多参方案——免费、可调、社区活跃。配套的T8 CF整合包（V12）也降低了上手门槛。
如果你更看重出片速度和画质稳定性，闭源的Seedance 2.0或Bernini-R可能更合适，但需要付费调用API。
HappyHorse 1.1则适合需要多镜头叙事的场景，开源免费，但多角色一致性需要更多测试验证。
需要注意的
这次评测基于UP主个人测试环境，并非标准化基准测试。不同提示词、参考图质量、生成参数都会影响结果。各模型版本迭代很快，今天的对比结论可能随下次更新而改变。建议根据自己的实际场景做测试，不要只看单次对比就下结论。
---
基于B站UP主T8star-Aix视频评测及GitHub项目信息整理。