TextGenerateLTX2Prompt - ComfyUI Built-in Node Documentation

TextGenerateLTX2Prompt 节点可将简短的用户提示词扩展为详细的音视频描述，适用于使用 LTX-2 系列视频模型生成视频。

TextGenerateLTX2Prompt 节点可将简短的用户提示词扩展为详细的音视频描述，适用于使用 LTX-2 系列视频模型生成视频。它会自动添加针对具体任务的系统指令，将格式化后的提示词发送给语言模型，并返回增强后的文本。当提供可选的参考图像时，节点会切换到图生视频模式，并以该图像的内容为起点来扩展提示词。

输入

通用输入

参数	描述	数据类型	必填	范围
`clip`	用于文本编码的 CLIP 模型。节点会检查模型的 tokenizer 名称以选择匹配的指令：基于 Gemma 4 的模型使用 LTX-2.4 格式，其他模型使用 LTX-2 (Gemma 3) 格式。	CLIP	是	-
`提示词`	描述场景或概念的原始文本输入，将扩展为详细的视频生成提示词。	STRING	是	-
`图像`	可选输入图像，用作视频的第一帧。提供后，节点会切换到图生视频模式，并使用根据图像内容扩展用户提示词的系统提示。	IMAGE	否	-
`视频`	可选的视频输入，用作额外上下文。作为图像批次传递给语言模型；假定为 24 FPS，并在内部下采样至模型的帧率。	IMAGE	否	-
`音频`	可选的音频输入，可用作生成的额外上下文。	AUDIO	否	-
`最大长度`	语言模型允许生成的最大 token 数（默认：512）。	INT	是	1 到 32768
`采样模式`	控制文本生成期间是否使用随机采样。设置为 `"on"` 时，下方的采样参数可用；设置为 `"off"` 时，节点在不进行随机采样的情况下生成文本。	DYNAMIC\_COMBO	是	`"on"` `"off"`
`思考模式`	启用后，模型会被指示在回答前先进行推理。任何推理块会返回到 `thinking` 输出，而不是放在 `generated_text` 中（默认：False）。	BOOLEAN	否	True/False
`use_default_template`	启用后，节点使用默认聊天模板进行格式化（默认：True）。高级设置。	BOOLEAN	否	True/False
`mtp`	使用检查点的多 token 预测头进行投机解码。没有 MTP 权重时无效。`"auto"` 会自适应草稿深度，`"2"` 到 `"5"` 则固定草稿深度。采样输出仍保持正确分布，但对于相同种子与非 MTP 输出不同（默认：`"auto"`）。	COMBO	否	`"auto"` `"off"` `"2"` `"3"` `"4"` `"5"`
`系统提示词`	替换内置的 LTX-2 系统提示。留空时，节点使用自身的指令：连接 `image` 时使用图生视频提示，否则使用文生视频提示。以 STRING 输入连接，而不是在节点中输入（默认值：空）。	STRING	否	-

采样参数（当 `sampling_mode` 为 "on" 时）

参数	描述	数据类型	必填	范围
`temperature`	控制输出的随机性。较低的值使输出更可预测，较高的值使其更具创造性（默认：0.7）。	FLOAT	是	0.01 到 2.0
`top_k`	将采样池限制为最有可能的下一个 token 中排名前 K 的 token。值为 0 时禁用此过滤（默认：64）。	INT	是	0 到 1000
`top_p`	使用核采样：保留累计概率达到该值的最小一组最可能 token。（默认：0.95）	FLOAT	是	0.0 到 1.0
`min_p`	设置 token 被考虑的最小概率阈值（默认：0.05）。	FLOAT	是	0.0 到 1.0
`repetition_penalty`	对已生成的 token 施加惩罚，以减少重复。值为 1.0 时不施加惩罚（默认：1.05）。	FLOAT	是	0.0 到 5.0
`seed`	用于初始化随机数生成器以获得可复现结果的数字（默认：0）。	INT	是	0 到 18446744073709551615
`presence_penalty`	根据新 token 是否已在文本中出现过对其施加惩罚，鼓励模型讨论新话题（默认：0.0）。	FLOAT	否	0.0 到 5.0

注意： 仅当 sampling_mode 设置为 "on" 时，上述采样参数才会在节点界面中生效并可见。设置为 "off" 时，没有任何采样参数可用，节点在不进行随机采样的情况下生成文本。

注意： 节点的行为会根据其输入而变化：

如果提供了 image，生成的提示词会针对图生视频任务进行格式化，使用描述如何根据图像内容扩展提示词的系统提示。如果未提供图像，则针对文生视频任务进行格式化，使用将提示词扩展为详细视频生成描述的系统提示。
如果 CLIP tokenizer 的名称包含 "gemma4"，节点使用 LTX-2.4 系统提示和 Gemma 4 聊天格式。否则，使用 LTX-2 (Gemma 3) 系统提示和聊天格式。
当 thinking 在 Gemma 4 模型上启用时，模型会在其推理通道上开启；禁用时，模型会直接在最终答案通道上开启。对于非 Gemma 4 模型，thinking 会传递到基础生成步骤。
system_prompt 会替换所选模式（图生视频或文生视频）的内置指令；为空时使用内置提示。
任何推理块都会返回到 thinking 输出，而不是 generated_text。
如果语言模型没有产生可用文本，节点会返回原始 prompt。

输出

输出名称	描述	数据类型
`generated_text`	由语言模型生成的增强视频生成提示词，推理块会单独输出到 `thinking`。如果结果为空，则返回原始用户提示词。	STRING
`thinking`	模型产生的推理块，已移除开头的 `<think>` 标签。模型未产生推理块时为空；对于 Gemma 4 模型，只有启用 `thinking` 时才会产生推理块。	STRING

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): a601a8bff65e8ee148d09f04ac0afc201dbc9ba5e09a65856400e9be37e085bb

TextGenerateLTX2Prompt

TextGenerateLTX2Prompt - ComfyUI Built-in Node Documentation

输入

通用输入

采样参数（当 sampling_mode 为 "on" 时）

输出

采样参数（当 `sampling_mode` 为 "on" 时）