Wan primer-último fotograma a video - ComfyUI Built-in Node Documentation

El nodo WanFirstLastFrameToVideo prepara el condicionamiento para la generación de vídeo combinando un fotograma inicial y un fotograma final con indicaciones de texto. Codifica las imágenes de los fotogramas en el espacio latente, crea una máscara que indica al modelo de vídeo qué fotogramas ya se conocen y adjunta las características CLIP vision cuando se proporcionan. El nodo genera un condicionamiento positivo y negativo actualizado, además de un latente vacío que define el tamaño y la duración del vídeo a generar.

Entradas

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`positivo`	Condicionamiento de texto positivo utilizado para guiar la generación del vídeo.	CONDITIONING	Sí	-
`negativo`	Condicionamiento de texto negativo utilizado para guiar la generación del vídeo.	CONDITIONING	Sí	-
`vae`	Modelo VAE utilizado para codificar las imágenes combinadas de los fotogramas en el espacio latente.	VAE	Sí	-
`ancho`	Anchura del vídeo generado en píxeles (predeterminado: 832, paso: 16).	INT	Sí	16 a MAX_RESOLUTION
`alto`	Altura del vídeo generado en píxeles (predeterminado: 480, paso: 16).	INT	Sí	16 a MAX_RESOLUTION
`longitud`	Número de fotogramas en la secuencia de vídeo (predeterminado: 81, paso: 4).	INT	Sí	1 a MAX_RESOLUTION
`tamaño_lote`	Número de vídeos a generar a la vez (predeterminado: 1).	INT	Sí	1 a 4096
`clip_vision_start_image`	Características CLIP vision extraídas de la imagen inicial. Si se proporcionan tanto las entradas CLIP vision inicial como final, sus características se combinan.	CLIP_VISION_OUTPUT	No	-
`clip_vision_end_image`	Características CLIP vision extraídas de la imagen final. Si se proporcionan tanto las entradas CLIP vision inicial como final, sus características se combinan.	CLIP_VISION_OUTPUT	No	-
`imagen_inicial`	Imagen del fotograma inicial para la secuencia de vídeo. Se utilizan sus primeros `length` fotogramas y se redimensionan a `width` × `height`.	IMAGE	No	-
`imagen_final`	Imagen del fotograma final para la secuencia de vídeo. Se utilizan sus últimos `length` fotogramas y se redimensionan a `width` × `height`.	IMAGE	No	-

Nota: Cuando se proporciona al menos una de las imágenes start_image o end_image, el nodo construye una secuencia de fotogramas combinada donde los fotogramas inicial y final se rellenan y los fotogramas restantes utilizan un marcador gris neutro (0.5). Una máscara marca las regiones rellenas como conocidas y las regiones del marcador como desconocidas, lo que permite al modelo de vídeo generar los fotogramas intermedios. Cuando se proporciona una imagen inicial, la región conocida también se extiende 3 fotogramas adicionales más allá de la imagen. La misma imagen de fotograma codificada y máscara se adjuntan tanto al condicionamiento positive como al negative. Si se proporcionan ambas entradas CLIP vision, sus estados ocultos se concatenan; si solo se proporciona una, se utiliza por sí sola. La duración latente del vídeo se deriva de length después de la compresión temporal: ((length - 1) // 4) + 1.

Salidas

Nombre de salida	Descripción	Tipo de datos
`positivo`	Condicionamiento positivo con la imagen de fotograma codificada, la máscara y, si se proporcionan, las características CLIP vision adjuntas.	CONDITIONING
`negativo`	Condicionamiento negativo con la imagen de fotograma codificada, la máscara y, si se proporcionan, las características CLIP vision adjuntas.	CONDITIONING
`latente`	Tensor latente vacío (todo ceros) con forma para el tamaño de lote, la duración del vídeo y la resolución dados.	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): 0072e441cb80334c3c961d1bbf2d081c78bc38ed1eacca840c577a2d01b36f05

​Entradas

​Salidas

Entradas

Salidas