> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# MiniMax H3 Referencia a Video - ComfyUI Built-in Node Documentation

> MiniMax H3 Reference to Video crea el condicionamiento de texto y el latente vacío de audio-video necesarios para la generación de referencia a video de

MiniMax H3 Reference to Video crea el condicionamiento de texto y el latente vacío de audio-video necesarios para la generación de referencia a video de MiniMax H3. Se proporciona un prompt junto con imágenes, videos y clips de audio de referencia opcionales, y el nodo codifica estas referencias en un condicionamiento que el modelo puede usar durante la generación. El prompt hace referencia a las referencias con las etiquetas `<Picture i>`, `<Video k>` y `<Audio j>`.

## Entradas

| Parámetro | Descripción | Tipo de dato | Requerido | Rango |
| - | - | - | - | - |
| `clip` | Modelo CLIP utilizado para tokenizar el prompt y codificar los medios de referencia en tokens de condicionamiento. | CLIP | Sí | |
| `vae` | VAE de video. Sin él, las imágenes/videos de referencia solo condicionan el codificador de texto. | VAE | No | |
| `audio_vae` | VAE de audio. Sin él, el audio de referencia solo condiciona el codificador de texto. | VAE | No | |
| `prompt` | Prompt de texto para el video. Se puede hacer referencia a los medios de referencia con las etiquetas `<Picture i>`, `<Video k>` y `<Audio j>` (indexadas desde 1 por tipo). Admite prompts multilínea y dinámicos. | STRING | Sí | |
| `ancho` | Ancho del video generado en píxeles (predeterminado: 1344). | INT | Sí | 32 a 16384 (paso: 32) |
| `alto` | Alto del video generado en píxeles (predeterminado: 768). | INT | Sí | 32 a 16384 (paso: 32) |
| `duración` | Cantidad de fotogramas a 24 fps, (124 = \~5s, el rango entrenado es \~124-362) (predeterminado: 124). | INT | Sí | 5 a 3600 (paso: 17) |
| `tamaño_imagen_ref` | Dimensionamiento de la imagen de referencia. `match` escala cada referencia (solo hacia abajo, manteniendo la relación de aspecto) al área de píxeles de la generación; `max` utiliza el borde corto de 2048px de la tubería de referencia para obtener la mejor fidelidad de identidad. Los tokens de referencia atraviesan cada paso de muestreo, por lo que `max` puede ser varias veces más lento (predeterminado: `match`). | COMBO | Sí | `"match"` `"max"` |
| `imágenes_ref` | Ranura ampliable: conecte hasta 9 imágenes de referencia (`ref_image_1` ... `ref_image_9`). Imagen de referencia (reducida a un borde corto de 2048 si es más grande, nunca ampliada). | IMAGE | No | 0 a 9 |
| `videos_ref` | Ranura ampliable: conecte hasta 3 videos de referencia (`ref_video_1` ... `ref_video_3`). Fotogramas de video de referencia a 24 fps (2-15s). | IMAGE | No | 0 a 3 |
| `audios_video_ref` | Ranura ampliable: conecte hasta 3 pistas de audio (`ref_video_audio_1` ... `ref_video_audio_3`). Pista de audio del video de referencia con el mismo número. | AUDIO | No | 0 a 3 |
| `audios_ref` | Ranura ampliable: conecte hasta 3 clips de audio de referencia independientes (`ref_audio_1` ... `ref_audio_3`). Audio de referencia independiente. | AUDIO | No | 0 a 3 |

Notas:

* El prompt hace referencia a los medios de referencia con etiquetas indexadas desde 1 por tipo: `<Picture i>` para imágenes, `<Video k>` para videos y `<Audio j>` para audio. Las referencias se presentan al modelo en un orden fijo: imágenes, luego videos (con la etiqueta `<Audio j>` de cada pista de audio justo antes de su `<Video k>`), y luego audio independiente.
* Una pista de audio conectada a `ref_video_audio_N` se utiliza con el video de referencia conectado a `ref_video_N`.
* Los videos de referencia deben contener al menos 5 fotogramas (\~0.2 segundos a 24 fps); de lo contrario, el nodo lanza un error. Los fotogramas más allá de la `length` solicitada se recortan, y el recuento de fotogramas restante se ajusta a un valor soportado por el modelo.
* La `length` solicitada se alinea a un recuento de fotogramas soportado antes de que se cree el latente.
* Sin `vae`, las imágenes y videos de referencia solo condicionan el codificador de texto (no se producen latentes de referencia). Sin `audio_vae`, el audio de referencia solo condiciona el codificador de texto.

## Salidas

| Nombre de salida | Descripción | Tipo de dato |
| - | - | - |
| `positive` | Condicionamiento que contiene el prompt codificado. Cuando se proporcionan medios de referencia y los VAE relevantes, también contiene el contenido codificado de imagen, video y audio de referencia utilizado por el modelo MiniMax H3. | CONDITIONING |
| `latent` | Latente vacío de audio-video con el `width`, `height` y `length` (recuento de fotogramas) solicitados, incluyendo el latente de video alineado y el latente de audio. | LATENT |

> Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! [Editar en GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/MiniMaxH3ReferenceToVideo/es.md)

***

**Source fingerprint (SHA-256):** `47df0d6d13cb02aa4f69b50a7f8d0f6c1639c1fb5e0f69bf8fc57dd4cb752db8`


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.