# LTXV Reference Audio (ID-LoRA)

LTXV Reference Audio هویت صوتی یک گوینده را از یک کلیپ صوتی مرجع به صدای تولیدشده منتقل می‌کند. این گره صدای مرجع را در شرطی‌سازی رمزگذاری می‌کند و به‌صورت اختیاری مدل را با راهنمایی هویت وصله می‌کند؛ این راهنمایی در هر مرحله یک پاس پیش‌رو اضافی بدون مرجع اجرا می‌کند تا اثر هویت گوینده را تقویت کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `مدل` | مدلی که باید با راهنمایی هویت وصله شود. | MODEL | بله | - |
| `مثبت` | ورودی شرطی‌سازی مثبت. | CONDITIONING | بله | - |
| `منفی` | ورودی شرطی‌سازی منفی. | CONDITIONING | بله | - |
| `reference_audio` | کلیپ صوتی مرجعی که هویت گوینده آن باید منتقل شود. حدود 5 ثانیه توصیه می‌شود (مدت زمان آموزش). کلیپ‌های کوتاه‌تر یا بلندتر ممکن است انتقال هویت صدا را تضعیف کنند. | AUDIO | بله | - |
| `audio_vae` | VAE صوتی LTXV برای رمزگذاری. | VAE | بله | - |
| `identity_guidance_scale` | قدرت راهنمایی هویت. در هر مرحله یک پاس پیش‌رو اضافی بدون مرجع اجرا می‌کند تا هویت گوینده را تقویت کند. برای غیرفعال کردن روی 0 تنظیم کنید (بدون پاس اضافی). (پیش‌فرض: 3.0) | FLOAT | بله | 0.0 - 100.0 |
| `start_percent` | شروع محدوده سیگما که راهنمایی هویت در آن فعال است. (پیش‌فرض: 0.0) | FLOAT | بله | 0.0 - 1.0 |
| `end_percent` | پایان محدوده سیگما که راهنمایی هویت در آن فعال است. (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |

توجه: راهنمایی هویت تنها زمانی اعمال می‌شود که `identity_guidance_scale` بزرگ‌تر از 0 باشد و گام نمونه‌برداری فعلی در محدوده تعریف‌شده توسط `start_percent` و `end_percent` قرار داشته باشد. اگر نرخ نمونه‌برداری صدای مرجع با VAE صوتی متفاوت باشد، صدای مرجع به نرخ نمونه VAE صوتی بازنمونه‌برداری می‌شود.

توجه: `start_percent` و `end_percent` پارامترهای پیشرفته هستند و تنها زمانی نمایش داده می‌شوند که گزینه‌های پیشرفته در رابط کاربری فعال باشند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `model` | مدل وصله‌شده با تابع راهنمایی هویت. | MODEL |
| `positive` | شرطی‌سازی مثبت که اکنون شامل داده‌های صوتی مرجع رمزگذاری‌شده است. | CONDITIONING |
| `negative` | شرطی‌سازی منفی که اکنون شامل داده‌های صوتی مرجع رمزگذاری‌شده است. | CONDITIONING |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/LTXVReferenceAudio/fa.md)

---
**Source fingerprint (SHA-256):** `ae15c5838656324667d099614b325b863341f05afda43054658999574522dd49`
