WanDancerEncodeAudio - ComfyUI Built-in Node Documentation - ComfyUI

Este nodo analiza un clip de audio y lo convierte en un conjunto de características que pueden guiar a un modelo de generación de video. Estima el tempo y los pulsos, extrae características de espectrograma Mel, MFCC, croma y onset, y luego las empaqueta junto con una tasa de fotogramas calculada para la sincronización.

Entradas

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`audio`	La entrada de audio que se va a analizar y codificar. Si el audio tiene varios canales, los canales se promedian a mono antes de la extracción de características.	AUDIO	Sí	-
`video_frames`	El número de fotogramas del video objetivo. Se utiliza para calcular la tasa de fotogramas para la sincronización (predeterminado: 149).	INT	Sí	Mín: 1, Máx: 16384 (MAX_RESOLUTION), Paso: 4
`audio_inject_scale`	La escala de las características de audio cuando se inyectan en el modelo de video (predeterminado: 1.0).	FLOAT	Sí	Mín: 0.0, Máx: 10.0, Paso: 0.01

Salidas

Nombre de salida	Descripción	Tipo de datos
`audio_encoder_output`	Un diccionario que contiene las características de audio procesadas, la tasa de fotogramas calculada (fps) y la escala de inyección de audio. Esta salida se utiliza para condicionar el modelo de generación de video.	AUDIO_ENCODER_OUTPUT
`fps_string`	Una cadena de texto que describe la tasa de fotogramas calculada (fps) según la duración del audio y el número de fotogramas del video. Esta cadena está pensada para usarse en el prompt del modelo de video. Está formateada en chino para coincidir con el pipeline de referencia.	STRING

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): ce27a3bdea2d9e3cf8875c24236a2a0a1429e9bc13a58581e372fb669d2c0018