Wan SCAIL a video - ComfyUI Built-in Node Documentation

El nodo WanSCAILToVideo prepara el condicionamiento y un espacio latente vacío para la generación de video con los modelos de video SCAIL y SCAIL-2. Procesa entradas opcionales como imágenes de referencia, videos de pose, salidas de visión CLIP, máscaras de identidad coloreadas y fragmentos de fotogramas anteriores, incrustándolos en el condicionamiento positivo y negativo. El nodo genera el condicionamiento modificado y un tensor latente vacío con las dimensiones de video especificadas, listo para el muestreo.

Entradas

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`positivo`	La entrada de condicionamiento positivo.	CONDITIONING	Sí	-
`negativo`	La entrada de condicionamiento negativo.	CONDITIONING	Sí	-
`vae`	El modelo VAE utilizado para codificar imágenes y fotogramas de video.	VAE	Sí	-
`ancho`	El ancho del video de salida en píxeles (predeterminado: 512). Los valores aumentan en pasos de 32.	INT	Sí	32 a MAX_RESOLUTION
`alto`	El alto del video de salida en píxeles (predeterminado: 896). Los valores aumentan en pasos de 32.	INT	Sí	32 a MAX_RESOLUTION
`longitud`	La cantidad de fotogramas del video (predeterminado: 81). Los valores aumentan en pasos de 4.	INT	Sí	1 a MAX_RESOLUTION
`tamaño_lote`	La cantidad de videos a generar en un lote (predeterminado: 1).	INT	Sí	1 a 4096
`video_pose`	Video utilizado para el condicionamiento de pose. Se reducirá a la mitad de la resolución del video principal.	IMAGE	No	-
`pose_video_mask`	Solo SCAIL-2. Video de máscara SAM3 coloreada por identidad a la misma resolución que `pose_video`.	IMAGE	No	-
`replacement_mode`	Solo SCAIL-2. False = Modo de animación (`pose_video_mask` debe tener fondo negro). True = Modo de reemplazo (`pose_video_mask` debe tener fondo blanco). (predeterminado: False)	BOOLEAN	No	-
`fuerza_pose`	Intensidad del latente de pose. (predeterminado: 1.0)	FLOAT	Sí	0.0 a 10.0
`inicio_pose`	Paso inicial del condicionamiento de pose. (predeterminado: 0.0)	FLOAT	Sí	0.0 a 1.0
`fin_pose`	Paso final del condicionamiento de pose. (predeterminado: 1.0)	FLOAT	Sí	0.0 a 1.0
`imagen_referencia`	Imagen de referencia. La primera imagen es la referencia principal (se componen todas las identidades sobre ella). SCAIL-2: las imágenes adicionales del lote se utilizan como vistas adicionales (vista trasera, primer plano, fondo ocluido), y cada una necesita una `reference_image_mask` coincidente del color de esa identidad.	IMAGE	No	-
`reference_image_mask`	Solo SCAIL-2. Máscara de referencia coloreada, lote que coincide con `reference_image` (la primera = máscara de referencia principal, el resto = máscaras de identidad para las `reference_image` adicionales).	IMAGE	No	-
`clip_vision_output`	Características de visión CLIP para el condicionamiento. El modelo se entrena con redimensionamiento por estiramiento a la relación de aspecto.	CLIP_VISION_OUTPUT	No	-
`video_frame_offset`	Fotograma de salida acumulativo en el que comienza este fragmento. Conéctalo desde la salida `video_frame_offset` del fragmento anterior. (predeterminado: 0)	INT	Sí	0 a MAX_RESOLUTION
`previous_frame_count`	Fotogramas finales de `previous_frames` que se anclarán. SCAIL-2 se entrenó con 5 (fragmentos de 81 fotogramas, paso de 76 fotogramas). (predeterminado: 5). Los valores aumentan en pasos de 4.	INT	Sí	1 a MAX_RESOLUTION
`previous_frames`	Solo SCAIL-2. Salida decodificada completa del fragmento anterior. Solo los últimos `previous_frame_count` fotogramas se utilizan como ancla de extensión.	IMAGE	No	-

Nota: Las entradas pose_video y pose_video_mask se truncan juntas a la más corta de las dos y se procesan solo para los primeros length fotogramas. Si cualquiera de las entradas es más corta o igual a video_frame_offset, se ignora por completo. El pose_video se reduce a la mitad de la resolución del video principal antes de la codificación, y el latente de pose codificado se multiplica por pose_strength y se aplica al condicionamiento solo entre los pasos de tiempo pose_start y pose_end. Si se proporciona pose_video_mask, el video de máscara coloreada se reduce a la mitad de la resolución y se convierte en una máscara de guiado de 28 canales, que se agrega tanto al condicionamiento positivo como al negativo. Nota: Cuando se proporciona reference_image, cada imagen del lote se codifica individualmente en un latente y se incrusta tanto en el condicionamiento positivo como en el negativo. La primera imagen es la referencia principal; las imágenes adicionales se utilizan como vistas adicionales, y cada una necesita una reference_image_mask coincidente. reference_image_mask solo se utiliza cuando también se proporciona reference_image; cuando se proporcionan ambas, también se construye a partir de las máscaras una máscara de referencia de 28 canales que vincula los fotogramas de referencia con las identidades, y se agrega al condicionamiento. En el Modo de reemplazo (replacement_mode=True), la imagen de referencia se compone sobre un fondo negro usando la máscara de imagen de referencia como mate alfa. Cuando se proporciona clip_vision_output, se aplica tanto al condicionamiento positivo como al negativo. Nota: Cuando se proporciona previous_frames, solo los últimos previous_frame_count fotogramas se utilizan como ancla de extensión, y video_frame_offset se ajusta en consecuencia (se reduce por la cantidad de fotogramas anclados, con un límite mínimo de 0). Los fotogramas anclados se codifican y se escriben al inicio del latente de salida, y se incluye una máscara de ruido para que esos fotogramas se mantengan sin cambios durante la generación.

Salidas

Nombre de salida	Descripción	Tipo de datos
`positive`	El condicionamiento positivo modificado, que puede contener latentes de imágenes de referencia incrustados, salida de visión CLIP, latentes de video de pose, máscaras de guiado, máscaras de referencia o latentes de fotogramas anteriores.	CONDITIONING
`negative`	El condicionamiento negativo modificado, que puede contener latentes de imágenes de referencia incrustados, salida de visión CLIP, latentes de video de pose, máscaras de guiado, máscaras de referencia o latentes de fotogramas anteriores.	CONDITIONING
`latent`	Un tensor latente vacío con forma `[batch_size, 16, ((length - 1) // 4) + 1, height // 8, width // 8]`. Cuando se proporciona `previous_frames`, el latente se llena parcialmente con fotogramas anteriores codificados y se incluye una máscara de ruido.	LATENT
`video_frame_offset`	Desplazamiento ajustado + longitud. Conéctalo al siguiente fragmento para la generación secuencial de video.	INT

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): 4a1a2201dfa94bd2f1330db02ec18a5e0a6aae9e9ac5ae97d456b7af1aa84b7b

​Entradas

​Salidas

Entradas

Salidas