> ## 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.

# Wan InfiniteTalk a video - ComfyUI Built-in Node Documentation

> WanInfiniteTalkToVideo genera secuencias de video a partir de una entrada de audio.

WanInfiniteTalkToVideo genera secuencias de video a partir de una entrada de audio. Utiliza un modelo de difusión de video, condicionado por características de audio extraídas de uno o dos hablantes, para producir una representación latente de un video de cabeza parlante. El nodo puede generar una secuencia nueva o extender una existente utilizando fotogramas anteriores como contexto de movimiento.

## Entradas

### Entradas comunes

| Parámetro | Descripción | Tipo de datos | Requerido | Rango |
| - | - | - | - | - |
| `modo` | El modo de entrada de audio. `single_speaker` usa una sola entrada de audio. `two_speakers` habilita la entrada de audio adicional y las máscaras enumeradas en la sección Entradas de dos hablantes. | DYNAMIC\_COMBO | Sí | `"single_speaker"` `"two_speakers"` |
| `modelo` | El modelo base de difusión de video. | MODEL | Sí | - |
| `parche de modelo` | El parche del modelo que contiene las capas de proyección de audio. | MODEL\_PATCH | Sí | - |
| `positivo` | El condicionamiento positivo para guiar la generación. | CONDITIONING | Sí | - |
| `negativo` | El condicionamiento negativo para guiar la generación. | CONDITIONING | Sí | - |
| `vae` | El VAE utilizado para codificar imágenes hacia y desde el espacio latente. | VAE | Sí | - |
| `ancho` | El ancho del video de salida en píxeles. Debe ser divisible por 16. (predeterminado: 832) | INT | Sí | 16 - MAX\_RESOLUTION (step 16) |
| `alto` | El alto del video de salida en píxeles. Debe ser divisible por 16. (predeterminado: 480) | INT | Sí | 16 - MAX\_RESOLUTION (step 16) |
| `longitud` | El número de fotogramas a generar. (predeterminado: 81) | INT | Sí | 1 - MAX\_RESOLUTION (step 4) |
| `salida de clip visión` | Salida de visión CLIP opcional para condicionamiento adicional. | CLIP\_VISION\_OUTPUT | No | - |
| `imagen inicial` | Imagen inicial opcional para inicializar la secuencia de video. | IMAGE | No | - |
| `salida codificador de audio 1` | La salida principal del codificador de audio que contiene las características del primer hablante. | AUDIO\_ENCODER\_OUTPUT | Sí | - |
| `número de fotogramas de movimiento` | Número de fotogramas anteriores a usar como contexto de movimiento. (predeterminado: 9) | INT | Sí | 1 - 33 |
| `escala de audio` | Factor de escala aplicado al condicionamiento de audio. (predeterminado: 1.0) | FLOAT | Sí | -10.0 - 10.0 |
| `fotogramas anteriores` | Fotogramas de video anteriores opcionales para extender desde ellos. Los últimos `motion_frame_count` fotogramas se usan como contexto de movimiento. | IMAGE | No | - |

### Entradas de dos hablantes

Las entradas de esta sección se muestran cuando `mode` está configurado en `"two_speakers"`.

| Parámetro | Descripción | Tipo de datos | Requerido | Rango |
| - | - | - | - | - |
| `audio_encoder_output_2` | La segunda salida del codificador de audio que contiene las características del segundo hablante. | AUDIO\_ENCODER\_OUTPUT | No | - |
| `mask_1` | Máscara para el primer hablante, requerida si se usan dos entradas de audio. | MASK | No | - |
| `mask_2` | Máscara para el segundo hablante, requerida si se usan dos entradas de audio. | MASK | No | - |

**Restricciones de parámetros:**

* Cuando `mode` está configurado en `"two_speakers"`, `audio_encoder_output_2`, `mask_1` y `mask_2` son necesarios para la configuración del segundo hablante.
* Si se proporciona `audio_encoder_output_2`, también deben proporcionarse tanto `mask_1` como `mask_2`.
* Si se proporcionan tanto `mask_1` como `mask_2`, también debe proporcionarse `audio_encoder_output_2`.
* Si se proporciona `previous_frames`, debe contener al menos tantos fotogramas como los especificados por `motion_frame_count`.

## Salidas

| Nombre de salida | Descripción | Tipo de datos |
| - | - | - |
| `modelo` | El modelo parcheado con el condicionamiento de audio aplicado. | MODEL |
| `positivo` | El condicionamiento positivo, posiblemente modificado con contexto adicional como una imagen inicial o la salida de visión CLIP. | CONDITIONING |
| `negativo` | El condicionamiento negativo, posiblemente modificado con contexto adicional. | CONDITIONING |
| `latente` | La secuencia de video generada en el espacio latente. | LATENT |
| `imagen recortada` | El número de fotogramas desde el inicio del contexto de movimiento que deben recortarse al extender una secuencia. Equivale a `motion_frame_count` cuando se proporciona `previous_frames`; de lo contrario, 0. | INT |

> 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/WanInfiniteTalkToVideo/es.md)

***

**Source fingerprint (SHA-256):** `b7359490c1de86d9c82122bc227295b3b7f8a3493f629365ae0f22f9f34d9a66`


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