一句話結論：「每幾秒畫面崩壞一次」不是模型退化，而是 MultiTalk 的滑動視窗拼接縫（預設每 81 禎＝3.24 秒換一個生成視窗，邊界處畫面突變）。把
frame_window_size 開到 ≥ 總禎數，讓短片單一視窗一次算完，接縫完全消失。
前後對照（8 秒雙人樣片）
舊版 · 切窗 每 3.24 秒視窗邊界畫面跳／崩一下，第 6 秒最明顯（frame_window_size=81）。
新版 · 單視窗 200 禎一次算完，全程零接縫、6 秒畫面乾淨（frame_window_size=201）。
診斷與驗證
用 ffmpeg -vf "select='gt(scene,0.02)',showinfo" 掃描相鄰禎突變，突變禎正好落在視窗邊界＝確診接縫（臉部單禎本身都乾淨）。
| 項目 | 舊版（切窗 81 禎） | 新版（單視窗 201） |
|---|---|---|
| 畫面突變禎（scene>0.02） | 3.24s、6.1–6.3s | 僅 0.04s（開頭，正常） |
| 第 6 秒畫面 | 崩壞 | 乾淨自然 |
| 對比 std（細節） | 跨窗會掉（細節流失） | 全程平穩 |
| 色彩漂移 | 偏藍變暗 | colormatch=mkl 鎖定參考圖 |
| 生成耗時（8s／200 禎） | ~20–25 分 | ~16 分（241s/步 ×4） |
成功配方
- frame_window_size = 201（≥ 總禎數 → 單一視窗、零接縫）。上限其實是 10000，並非被鎖在 81；GB10 的 121GB 統一記憶體吃得下 200 禎單窗。關鍵
- colormatch = mkl：每視窗色彩錨定參考圖，根治偏藍／變暗，取代後製補色。
- motion_frame = 25、模型用
WanVideo_2_1_Multitalk_14B（單窗不需 InfiniteTalk 續接）。 - 短片單窗 不需 InfiniteTalk：它的跨視窗續接優勢在單窗下用不到，且其
motion_frame=9重疊更小、接縫反而更硬。 - 雙人：LoadAudio×2 → MultiTalkWav2VecEmbeds（男 audio_1／女 audio_2、左右遮罩 ref_target_masks、
multi_audio_type=para）→ WanVideoSampler。 - 保存工作流：
apps/worker/workflows/multitalk-dual-singlewindow-8s-WORKING.api.json；buildermt-build-dual.py加MT_WIN環境變數（MT_WIN=201重現）。
踩坑歷程
LTX-2.3 v11雙人對嘴會亂序、出現奇怪方格，句子被打斷後崩壞 → 判定不穩、棄用。
→ MultiTalk 遷移改用 MeiGen-AI MultiTalk（Wan2.1-I2V-14B，專為「音軌→指定臉」多人對話設計），跑通雙人＋左右遮罩＋雙音軌。
跨視窗退化硬拉長片＋分段鏈接 → 輪廓越來越深、細節消失、色彩偏藍：滑動視窗累積過度銳化。
試 InfiniteTalk長片專用兄弟模型：細節不流失（對比平穩），但 8 秒仍有接縫、重疊更小接縫更硬。
試 Uni3C身分／構圖穩定器 → 與本版 wrapper 不相容（RoPE／multitalk_audio_input 未綁定），死路。
✅ 單視窗找出真因是視窗接縫，
frame_window_size≥ 總禎數 讓短片一次算完 → 接縫消失、畫面全乾淨。定案。
後續策略
- 真人開場一律走「單視窗短片（≤ 8–10 秒）」，不再硬拉長片跨窗拼接——那是一路所有崩壞／退化的根源。
- 需要更長時，切成多段各自單窗生成，再於後製剪接（每段換手處落在句間靜音）。
- 真人開場 → 白板課程的音訊切點以
silencedetect實測句界對齊，whisper 轉錄確認接縫不跳、不重複。