WanSCAILToVideo - ComfyUI Built-in Node Documentation

WanSCAILToVideo 节点为使用 SCAIL 和 SCAIL-2 视频模型进行视频生成准备条件和空 latent 空间。

WanSCAILToVideo 节点为使用 SCAIL 和 SCAIL-2 视频模型进行视频生成准备条件和空 latent 空间。它处理可选输入，例如参考图像、姿态视频、CLIP 视觉输出、彩色身份掩码和前序帧块，将它们嵌入到正向和负向条件中。该节点输出修改后的条件和指定视频尺寸的空白 latent 张量，准备好进行采样。

输入

参数	描述	数据类型	必需	范围
`正向`	正向条件输入。	CONDITIONING	是	-
`负向`	负向条件输入。	CONDITIONING	是	-
`vae`	用于编码图像和视频帧的 VAE 模型。	VAE	是	-
`宽度`	输出视频的宽度（像素）（默认：512）。值步长为 32。	INT	是	32 到 MAX\_RESOLUTION
`高度`	输出视频的高度（像素）（默认：896）。值步长为 32。	INT	是	32 到 MAX\_RESOLUTION
`长度`	视频中的帧数（默认：81）。值步长为 4。	INT	是	1 到 MAX\_RESOLUTION
`批量大小`	一批中要生成的视频数量（默认：1）。	INT	是	1 到 4096
`姿态视频`	用于姿态条件的视频。将下采样到主视频分辨率的一半。	IMAGE	否	-
`pose_video_mask`	仅 SCAIL-2。彩色逐身份 SAM3 掩码视频，分辨率与 `pose_video` 相同。	IMAGE	否	-
`replacement_mode`	仅 SCAIL-2。False = 动画模式（`pose_video_mask` 应具有黑色背景）。True = 替换模式（`pose_video_mask` 应具有白色背景）。（默认：False）	BOOLEAN	否	-
`姿态强度`	姿态 latent 的强度。（默认：1.0）	FLOAT	是	0.0 到 10.0
`姿态起始步`	姿态条件的起始步。（默认：0.0）	FLOAT	是	0.0 到 1.0
`姿态结束步`	姿态条件的结束步。（默认：1.0）	FLOAT	是	0.0 到 1.0
`参考图像`	参考图像。第一张图像是主参考（将所有身份合成到其上）。SCAIL-2：额外的批次图像用作附加视图（背面视图、特写、被遮挡背景），每张都需要一个匹配的 `reference_image_mask`，使用该身份的颜色。	IMAGE	否	-
`reference_image_mask`	仅 SCAIL-2。彩色参考掩码，批次与 `reference_image` 匹配（第一个 = 主参考掩码，其余 = 附加 `reference_image` 的身份掩码）。	IMAGE	否	-
`clip视觉输出`	用于条件的 CLIP 视觉特征。模型使用拉伸调整大小到宽高比进行训练。	CLIP\_VISION\_OUTPUT	否	-
`video_frame_offset`	此块开始的累计输出帧。从前一块的 `video_frame_offset` 输出连接。（默认：0）	INT	是	0 到 MAX\_RESOLUTION
`previous_frame_count`	要锚定的 `previous_frames` 的尾部帧数。SCAIL-2 在 5 下训练（81 帧块，76 帧步长）。（默认：5）。值步长为 4。	INT	是	1 到 MAX\_RESOLUTION
`previous_frames`	仅 SCAIL-2。前一块的完整解码输出。仅最后 `previous_frame_count` 帧用作扩展锚点。	IMAGE	否	-

注意： pose_video 和 pose_video_mask 输入会一起截断到两者中较短的长度，并且仅处理前 length 帧。如果任一输入短于或等于 video_frame_offset，则完全忽略它。pose_video 在编码前会下采样到主视频分辨率的一半，编码后的姿态 latent 会乘以 pose_strength，并且仅在 pose_start 和 pose_end 时间步之间应用于条件。如果提供了 pose_video_mask，彩色掩码视频会下采样到一半分辨率，并转换为 28 通道驱动掩码，然后添加到正向和负向条件中。

注意： 当提供 reference_image 时，批次中的每张图像都会单独编码为 latent 并嵌入到正向和负向条件中。第一张图像是主参考；额外的图像用作附加视图，每张都需要匹配的 reference_image_mask。reference_image_mask 仅在同时提供 reference_image 时使用；当两者都提供时，还会从掩码构建一个 28 通道参考掩码，将参考帧绑定到身份，并添加到条件中。在替换模式（replacement_mode=True）下，参考图像使用参考图像掩码作为 alpha 蒙版合成到黑色背景上。当提供 clip_vision_output 时，它会同时应用于正向和负向条件。

注意： 当提供 previous_frames 时，仅最后 previous_frame_count 帧用作扩展锚点，并且 video_frame_offset 会相应调整（减去锚定帧数，限制在 0）。锚定帧会被编码并写入输出 latent 的开头，并且包含一个噪声掩码，以便这些帧在生成过程中保持不变。

输出

输出名称	描述	数据类型
`positive`	修改后的正向条件，可能包含嵌入的参考图像 latent、CLIP 视觉输出、姿态视频 latent、驱动掩码、参考掩码或前序帧 latent。	CONDITIONING
`negative`	修改后的负向条件，可能包含嵌入的参考图像 latent、CLIP 视觉输出、姿态视频 latent、驱动掩码、参考掩码或前序帧 latent。	CONDITIONING
`latent`	形状为 `[batch_size, 16, ((length - 1) // 4) + 1, height // 8, width // 8]` 的空 latent 张量。当提供 `previous_frames` 时，latent 会部分填充编码后的前序帧，并包含噪声掩码。	LATENT
`video_frame_offset`	调整后的偏移 + 长度。连接到下一块以进行顺序视频生成。	INT

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): 4a1a2201dfa94bd2f1330db02ec18a5e0a6aae9e9ac5ae97d456b7af1aa84b7b