中文文档

节点说明 MiniMax H3 Max 重铸 Recast 可将视频中的人物替换为参考照片中的人物，同时保留源视频的动作、镜头、剪辑和声音。 MinimaxHailuo03MaxRecastNode 节点说明 MiniMax H3 Max 视频重新取景 此节点通过将视频置于新画布上并生成周围区域，将其适配为新的宽高比。源视频的时序与声音保持不变。 MinimaxHailuo03MaxReframeVideoNode 节点说明 MiniMax H3 参考生成视频 此节点使用 MiniMax H3 模型生成视频，并以参考图像、视频和音频作为条件。 MinimaxHailuo03ReferenceNode 节点说明 MiniMax H3 重新生成至 2K 此节点将 MiniMax H3 768P 视频输出重新渲染为 2K 分辨率。它会上传未经修改的 768P 视频以及生成该视频时使用的精确提示词，启动 MiniMax H3 重新生成任务，并返回重新渲染后的 2K 视频。 MinimaxHailuo03RegenerateNode 节点说明 MiniMax H3 文本生成视频 此节点使用 MiniMax H3 系列模型（MiniMax H3、MiniMax H3 Max 和 MiniMax H3 Max Turbo）根据文本提示生成视频。 MinimaxHailuo03TextToVideoNode 节点说明 MiniMax 海螺视频 使用 MiniMax Hailuo-02 模型根据文本提示词生成视频。你可以选择提供一张起始图像作为第一帧，从而生成一段从该图像继续的视频。 MinimaxHailuoVideoNode 节点说明 MiniMax 图像转视频 基于图像、提示词及可选参数，通过 MiniMax 的 API 同步生成视频。此节点接收输入图像和文本描述，创建视频序列，并提供多种模型选项和配置设置。 MinimaxImageToVideoNode 节点说明 MiniMax Music3 文本编码 MiniMax Music3 Text Encode 使用 MiniMax Music3 CLIP 模型将文本描述和歌词转换为用于音乐生成的声学条件序列。 MiniMaxMusic3TextEncode 节点说明 MinimaxSubjectToVideoNode 使用 MiniMax API，基于主体图像和文本提示同步生成视频。此节点接收主体图像和描述，根据提示创建动画或展示该主体的视频。 MinimaxSubjectToVideoNode 节点说明 MiniMax 文本转视频 根据提示和可选参数，通过 MiniMax 的 API 同步生成视频。此节点通过连接到 MiniMax 的文本转视频服务，从文本描述创建视频内容。 MinimaxTextToVideoNode 节点说明 Mirelo 文本转 SFX 使用 Mirelo SFX 从文本描述生成音效。描述声音本身，而非其所属的画面，节点将返回一段所请求长度的单一音轨。 MireloTextToSFX 节点说明 Mirelo 视频转 SFX 使用 Mirelo SFX 生成跟随视频的音效。上传片段后，模型会跟随屏幕上的动作，并返回音效混音，以及一条单独分离出的语音分轨（其中的对白从音轨中提取）。 MireloVideoToSFX 节点说明 模型注意力后端 此节点为模型选择稠密注意力实现，克隆该模型，应用所选后端，并返回打过补丁的克隆。 ModelAttentionBackend 节点说明 模型计算Dtype ModelComputeDtype 节点会更改模型在处理过程中使用的计算数据类型（精度）。 ModelComputeDtype 节点说明 模型相加 ModelMergeAdd 节点用于通过将一个模型的关键补丁添加到另一个模型来合并两个模型。 ModelMergeAdd 节点说明 模型融合（Auraflow ） ModelMergeAuraflow 节点通过为模型的每个部分（从初始层到最终输出）分别指定一个混合权重，将两个 Auraflow 模型混合在一起。 ModelMergeAuraflow 节点说明 模型融合（分块） ModelMergeBlocks 专为高级模型合并操作而设计，允许将两个模型进行整合，并可针对模型的不同部分自定义混合比例。 ModelMergeBlocks 节点说明 模型融合（Cosmos14B） ModelMergeCosmos14B 节点使用专为 Cosmos 14B 模型架构设计的基于 block 的方法合并两个 AI 模型。 ModelMergeCosmos14B 节点说明 模型融合（COsmos7B） ModelMergeCosmos7B 节点通过特定组件的加权混合将两个 AI 模型合并在一起。 ModelMergeCosmos7B 节点说明 模型融合（CosmosPredict2_14B） ModelMergeCosmosPredict214B 节点通过混合两个 AI 模型中匹配的内部组件，将它们合并为一个模型。 ModelMergeCosmosPredict2_14B 节点说明 模型融合（CosmosPredict2_2B） ModelMergeCosmosPredict22B 节点使用基于块的方法合并两个扩散模型，对不同模型组件提供细粒度控制。 ModelMergeCosmosPredict2_2B 节点说明 模型融合（Flux1） ModelMergeFlux1 节点通过使用加权插值混合两个扩散模型的组件来合并它们。 ModelMergeFlux1 节点说明 ModelMergeKrea2 此节点通过在细粒度级别混合两个模型的内部组件来合并它们，使您能够控制每个模型特定部分对最终结果的影响程度。 ModelMergeKrea2 节点说明 模型融合（LTXV） ModelMergeLTXV 节点通过混合两个 LTXV 模型的匹配组件来合并它们。 ModelMergeLTXV 节点说明 模型融合（Mochi预览） 此节点使用基于块的方法合并两个 Mochi AI 模型，可对不同模型组件进行精细控制。 ModelMergeMochiPreview 节点说明 ModelMergeMOSSImage ModelMergeMOSSImage 节点通过逐块混合两个 MOSS 图像模型的对应权重来合并它们，因此结果的一部分可以来自基础模型，其余部分来自微调模型或第二个模型。 ModelMergeMOSSImage 节点说明 模型融合Qwen图像 此节点通过使用可调权重混合两个 Qwen 图像模型的各个组件来合并它们。每个权重控制第二个模型中对应部分对合并结果的贡献程度，让你可以分别混合位置嵌入、文本处理层、图像输入层、全部 60 个 transformer 块以及输出投影。 ModelMergeQwenImage 节点说明 模型融合（SD1） ModelMergeSD1 节点通过调整每个模型组件对结果的贡献程度，将两个 Stable Diffusion 1.x 模型混合在一起。 ModelMergeSD1 节点说明 模型融合（SD2） ModelMergeSD2 节点通过混合两个 Stable Diffusion 2.x 模型中相互对应的组件来合并这两个模型，其中时间嵌入、标签嵌入以及每个输入块、中间块和输出块都各有一个独立的权重。 ModelMergeSD2 节点说明 模型融合（SD35_大） ModelMergeSD35Large 节点通过将第二个 Stable Diffusion 3.5 Large 模型中的特定内部组件混合到第一个模型中，实现两个模型的合并。 ModelMergeSD35_Large 节点说明 模型融合（SD3_2B） ModelMergeSD32B 节点允许您通过可调整的权重混合两个 Stable Diffusion 3 2B 模型的组件来合并它们。 ModelMergeSD3_2B 节点说明 模型融合（SDXL） ModelMergeSDXL 节点允许您通过调整每个模型对架构不同部分的影响，将两个 SDXL 模型混合在一起。 ModelMergeSDXL 节点说明 模型融合（简易） ModelMergeSimple 节点用于通过按指定比例混合两个模型的参数来合并它们。 ModelMergeSimple 节点说明 模型相减 此节点专为高级模型合并操作而设计，具体用于根据指定的乘数将一个模型的参数从另一个模型中减去。 ModelMergeSubtract 节点说明 模型融合（WAN2.1） ModelMergeWAN21 节点通过使用加权平均融合两个 WAN2.1 模型的组件来合并它们。 ModelMergeWAN2_1 节点说明 模型噪声尺度 此节点用于调整模型采样时使用的噪声缩放。它会创建输入模型的副本，将指定的噪声缩放应用到其采样配置中，并返回修改后的模型。 ModelNoiseScale 节点说明 加载模型补丁 ModelPatchLoader 节点会从 modelpatches 文件夹中加载模型补丁文件，并准备好供工作流使用。 ModelPatchLoader 节点说明 采样算法（AuraFlow） ModelSamplingAuraFlow 节点会为扩散模型应用一种专门的采样配置，专为 AuraFlow 模型架构而设计。 ModelSamplingAuraFlow 节点说明 采样算法（连续EDM） 此节点通过集成连续 EDM（基于能量的扩散模型）采样技术，增强模型的采样能力。它允许在模型采样过程中动态调整噪声水平，从而对生成质量和多样性实现更精细的控制。 ModelSamplingContinuousEDM 节点说明 采样算法（连续V） ModelSamplingContinuousV 节点通过应用连续 V-prediction 采样来调整模型的采样行为。 ModelSamplingContinuousV