万虎魔图像转视频 - ComfyUI Built-in Node Documentation

WanHuMoImageToVideo 节点为 Wan HuMo 视频生成流程准备条件数据和一个空 latent 视频。

WanHuMoImageToVideo 节点为 Wan HuMo 视频生成流程准备条件数据和一个空 latent 视频。它可以将参考图像和音频嵌入附加到正向和负向条件输入，并根据请求的 width、height、length 和 batch_size 创建相应大小的零填充 latent。

输入

参数	描述	数据类型	是否必需	范围
`正面提示词`	正向条件输入，引导视频生成朝向期望内容。	CONDITIONING	是	-
`负面提示词`	负向条件输入，引导视频生成远离不想要的内容。	CONDITIONING	是	-
`VAE`	用于将参考图像编码到 latent 空间的 VAE 模型。	VAE	是	-
`宽度`	输出视频帧宽度（像素）。默认：832。	INT	是	16 到 MAX\_RESOLUTION （步长：16）
`高度`	输出视频帧高度（像素）。默认：480。	INT	是	16 到 MAX\_RESOLUTION （步长：16）
`长度`	生成视频序列中的帧数。默认：97。	INT	是	1 到 MAX\_RESOLUTION （步长：4）
`批次大小`	同时生成的视频序列数量。默认：1。	INT	是	1 到 4096
`音频编码器输出`	可选音频编码数据，可根据音频内容影响视频生成。	AUDIOENCODEROUTPUT	否	-
`参考图像`	可选参考图像，用于引导视频生成的风格和内容。仅使用批次中的第一张图像。	IMAGE	否	-

注意： 当提供参考图像时，批次中的第一张图像会使用双线性插值上采样到请求的 width 和 height，并使用 VAE 编码。该参考 latent 会附加到正向条件，而相同形状的零填充 latent 会附加到负向条件。当提供 audio_encoder_output 时，音频嵌入会被插值并附加到正向条件，而零填充音频嵌入会附加到负向条件。如果省略任一可选输入，则会使用零填充占位张量：形状为 [batch_size, 16, 1, height // 8, width // 8] 的零参考 latent 和/或形状为 [batch_size, latent_t + 1, 8, 5, 1280] 的零音频嵌入，其中 latent_t = ((length - 1) // 4) + 1。

输出

输出名称	描述	数据类型
`positive`	已合并参考图像和/或音频嵌入的修改后正向条件。	CONDITIONING
`negative`	已合并参考图像和/或音频嵌入的修改后负向条件。	CONDITIONING
`latent`	视频序列的零初始化 latent 表示，大小根据 `width`、`height`、`length` 和 `batch_size` 确定。形状：`[batch_size, 16, latent_t, height // 8, width // 8]`，其中 `latent_t = ((length - 1) // 4) + 1`。	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): db674a4a00729a8715988030083e2858f958cd21de73bbbe4ed6d76f5f539419