VOIDInpaintConditioning - ComfyUI Built-in Node Documentation

VOIDInpaintConditioning 节点用于准备使用 CogVideoX 模型进行局部重绘所需的 conditioning 数据。

VOIDInpaintConditioning 节点用于准备使用 CogVideoX 模型进行局部重绘所需的 conditioning 数据。它接收源视频和预处理后的 quadmask，通过 VAE 对其进行编码，并将二者组合成一个 32 通道的 conditioning 信号（其中 16 个通道来自遮罩，16 个通道来自被遮罩的视频），模型使用该信号来填充被遮罩的区域。

输入

参数	描述	数据类型	必填	取值范围
`positive`	需要加入局部重绘 latent 信息的正向 conditioning	CONDITIONING	是	-
`negative`	需要加入局部重绘 latent 信息的负向 conditioning	CONDITIONING	是	-
`vae`	用于将遮罩和被遮罩的视频编码到 latent 空间的 VAE 模型	VAE	是	-
`video`	源视频帧 \[T, H, W, 3]	IMAGE	是	-
`quadmask`	来自 VOIDQuadmaskPreprocess 的预处理 quadmask \[T, H, W]	MASK	是	-
`width`	将视频和遮罩调整到的宽度（默认值：672）	INT	是	16 到 MAX\_RESOLUTION （步长：8）
`height`	将视频和遮罩调整到的高度（默认值：384）	INT	是	16 到 MAX\_RESOLUTION （步长：8）
`length`	要处理的像素帧数量。对于 CogVideoX-Fun-V1.5（patch\_size\_t=2），latent\_t 必须为偶数——会产生奇数 latent\_t 的长度会被向下取整（例如 49 → 45）（默认值：45）	INT	是	1 到 MAX\_RESOLUTION （步长：1）
`batch_size`	输出噪声 latent 的批次大小（默认值：1）	INT	是	1 到 64

注意： 由于 CogVideoX-Fun-V1.5 使用 patch_size_t=2，编码后的 latent 在时间维度上必须为偶数。如果 length 会产生奇数 latent_t，节点会自动将其向下取整到最近的有效值并记录一条警告。使用奇数 latent_t 会因为循环填充而破坏最后一帧，从而导致解码后的视频在接近结尾处出现可见的抖动或主体消失。

输出

输出名称	描述	数据类型
`positive`	已加入局部重绘 latent 信息的正向 conditioning	CONDITIONING
`negative`	已加入局部重绘 latent 信息的负向 conditioning	CONDITIONING
`latent`	一个形状为 \[batch\_size, 16, latent\_t, latent\_h, latent\_w] 的零填充噪声 latent 张量	LATENT

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): 885e462c0f17a3e9610146a05ba3b9c879db0112d3961c95a83f63ba2cd511f1