ComfyPilotComfyPilot
文档 / 节点说明 / Pruna P-Video-2 Pro 虚拟形象

Pruna P-Video-2 Pro 虚拟形象

使用 Pruna P-Video-2 Pro Avatar 可将人像变成说话视频。

节点说明 PrunaAvatarNode 更新于 2026-11-22

查看官方原文

Pruna P-Video-2 Pro 虚拟形象 - ComfyUI Built-in Node Documentation

使用 Pruna P-Video-2 Pro Avatar 可将人像变成说话视频。

使用 Pruna P-Video-2 Pro Avatar 可将人像变成说话视频。可以通过文本转语音朗读脚本,也可以接入你自己的音频,让人物对其做口型同步。

输入

参数描述数据类型必填范围
image视频起始的人像。1:2 到 4:1 之间的宽高比会被保留;更极端的图像(例如 1:5)会被裁剪为 9:16 或 16:9。IMAGE是-
speech用文本转语音脚本或你自己的音频来驱动视频。选择某个选项后,其对应输入项会在下方显示。DYNAMIC\_COMBO是"script" "audio"
prompt描述视频呈现的内容(默认:"The person is talking.")。最多 5000 个字符。STRING是最多 5000 个字符
resolution输出分辨率(默认:"768p")。1080p、2k 和 4k 会对生成的 768p 视频进行放大。COMBO是"480p" "768p" "1080p" "2k" "4k"
enhance_prompt将人像中呈现的动态(如背景、灯光和身体动作)添加到提示词中(默认:True)。高级设置。BOOLEAN是True False
seed生成所用的随机种子(默认:42)。只有在 enhance_prompt 关闭时,相同种子才能精确复现结果。INT是0 到 2147483647 步长:1

"script" 输入

参数描述数据类型必填范围
speech.script人物要说出的话。视频长度与语音长度一致,超过 3 分钟的语音会在 3 分钟处截断。STRING是任意文本
speech.voice语音所使用的音色(默认:"Zephyr (Female)")。COMBO是30 个预设音色
speech.language脚本朗读所用的语言(默认:"English (US)")。COMBO是"English (US)" "English (UK)" "Spanish" "French" "German" "Italian" "Portuguese (Brazil)" "Japanese" "Korean" "Hindi"
speech.voice_prompt脚本的朗读方式:语气、节奏、口音、情绪(默认:"Say the following.")。该内容本身不会被朗读。STRING是任意文本

"audio" 输入

参数描述数据类型必填范围
speech.audio人物进行口型同步的语音。视频长度与其一致。AUDIO是至少 1 秒

说明:

  • 输出越长,音频长度限制越严格:2k 最多接受 150 秒音频,4k 最多 60 秒。在这些分辨率下使用更长的音频会使节点报错停止,因此请改用较低分辨率或较短的片段。
  • 人像的宽高比决定输出形状。过高或过宽的图像会被裁剪而不是留边填充,因此请让人物主体远离边缘。
  • 关闭 enhance_prompt 时,提示词会按原样使用,这正是相同种子能精确复现结果的原因。

输出

输出名称描述数据类型
video由人像生成的说话视频。VIDEO
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑

Source fingerprint (SHA-256): 58efc7a110734f8da0a771371c5230908bf8226a946d69c5315e51e259630043