MiniMax H3 Imagen a Video - ComfyUI Built-in Node Documentation

Este nodo prepara el condicionamiento y el latent vacío necesarios para generar un video con el modelo MiniMax H3. Toma un prompt de texto y, opcionalmente, imágenes para el primer y/o último fotograma del video, y las convierte en entradas del modelo. Las imágenes de fotogramas clave se redimensionan, se codifican y se adjuntan al condicionamiento al inicio y al final del video.

Entradas

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`clip`	Modelo CLIP utilizado para tokenizar el prompt y codificar las imágenes de fotogramas clave en condicionamiento.	CLIP	Sí
`vae`	Modelo VAE utilizado para codificar las imágenes de fotogramas clave en el espacio latente cuando se proporcionan imágenes de fotogramas clave.	VAE	Sí
`prompt`	Prompt de texto que describe el video a generar. Admite varias líneas y prompts dinámicos.	STRING	Sí
`ancho`	Ancho del video en píxeles (predeterminado: 1344).	INT	Sí	32 a MAX_RESOLUTION (paso 32)
`alto`	Alto del video en píxeles (predeterminado: 768).	INT	Sí	32 a MAX_RESOLUTION (paso 32)
`duración`	Recuento de fotogramas a 24 fps, ajustado hacia arriba a la cuadrícula 17k+5 del modelo (124 = ~5 s; el rango entrenado es ~124-362; los valores más largos no están probados) (predeterminado: 124).	INT	Sí	5 a 3600 (paso 17)
`primer_fotograma`	Imagen opcional utilizada como primer fotograma del video. Se estira al tamaño completo del lienzo, por lo que no se conserva su relación de aspecto. Solo se utiliza la primera imagen del lote de entrada.	IMAGE	No
`último_fotograma`	Imagen opcional utilizada como último fotograma del video. Se recorta para cubrir el lienzo mientras se conserva su relación de aspecto. Solo se utiliza la primera imagen del lote de entrada.	IMAGE	No

Cuando se proporciona first_frame y/o last_frame, las imágenes de fotogramas clave se codifican con el VAE y se adjuntan al condicionamiento en el fotograma 0 y en el fotograma final, respectivamente. Cuando no se proporciona ninguno, el nodo funciona solo con el prompt. La length solicitada se ajusta hacia arriba al recuento de fotogramas válido más cercano (17k + 5), por lo que el recuento efectivo de fotogramas puede ser ligeramente superior al solicitado. El latente de audio-video se crea como un par vacío que coincide con el width, el height y el recuento de fotogramas ajustado solicitados. La porción de audio se dimensiona a partir del mismo recuento de fotogramas a 40 fotogramas de audio por segundo.

Salidas

Nombre de salida	Descripción	Tipo de datos
`positive`	Condicionamiento que contiene el prompt codificado y, cuando se proporcionan imágenes de fotogramas clave, los fotogramas clave codificados y el recuento de fotogramas para el modelo MiniMax H3.	CONDITIONING
`latent`	Latente de audio-video vacío que representa el contenido a generar, con el ancho, el alto y el recuento de fotogramas solicitados.	LATENT

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): d1bdf3f8c66ef20ff11c35203d2c266a88dcf8cc00c65dbb0aea2b1dd16befd6

​Entradas

​Salidas

Entradas

Salidas