Wan sonido e imagen a video - ComfyUI Built-in Node Documentation - ComfyUI

El nodo WanSoundImageToVideo prepara el condicionamiento y un tensor latente de video vacío para la generación de video a partir de sonido de Wan. Opcionalmente, puede incorporar codificación de audio, una imagen de referencia, un video de control y una referencia de movimiento para guiar el video generado.

Entradas

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`positivo`	Prompts de condicionamiento positivo que guían qué contenido debe aparecer en el video generado	CONDITIONING	Sí	-
`negativo`	Prompts de condicionamiento negativo que especifican qué contenido debe evitarse en el video generado	CONDITIONING	Sí	-
`vae`	Modelo VAE utilizado para codificar imágenes de referencia, referencias de movimiento y fotogramas de video de control en representaciones latentes	VAE	Sí	-
`ancho`	Ancho del video de salida en píxeles (predeterminado: 832, paso: 16)	INT	Sí	16 a MAX_RESOLUTION
`alto`	Alto del video de salida en píxeles (predeterminado: 480, paso: 16)	INT	Sí	16 a MAX_RESOLUTION
`longitud`	Número de fotogramas en el video generado (predeterminado: 77, paso: 4)	INT	Sí	1 a MAX_RESOLUTION
`tamaño_lote`	Número de videos a generar simultáneamente (predeterminado: 1)	INT	Sí	1 a 4096
`salida_codificador_audio`	Codificación de audio opcional que puede influir en la generación del video según las características del sonido. Cuando se proporciona, las características de audio se interpolan y se utilizan para condicionar la generación del video.	AUDIO_ENCODER_OUTPUT	No	-
`imagen_ref`	Imagen de referencia opcional que proporciona guía visual para el contenido del video. La imagen se escala hacia arriba para coincidir con el ancho y alto especificados, y luego se codifica en una representación latente. Solo se utiliza la primera imagen de la entrada como referencia.	IMAGE	No	-
`video_control`	Video de control opcional que guía el movimiento y la estructura del video generado. El video se escala y se codifica, y luego se utiliza para condicionar la salida. Solo se utilizan los primeros `length` fotogramas.	IMAGE	No	-
`movimiento_ref`	Referencia de movimiento opcional que proporciona guía para los patrones de movimiento en el video. Si la entrada tiene más de 73 fotogramas, solo se utilizan los últimos 73. Si se proporcionan menos de 73 fotogramas, la secuencia se rellena con fotogramas neutros.	IMAGE	No	-

Nota: Todas las entradas opcionales pueden usarse de forma independiente o conjunta. El nodo modifica el condicionamiento positive y negative proporcionado según las entradas opcionales que estén conectadas.

Salidas

Nombre de salida	Descripción	Tipo de datos
`positive`	Condicionamiento positivo procesado que ha sido modificado para la generación de video, incluyendo embeddings de audio, latentes de referencia, referencias de movimiento y condicionamiento de video de control cuando se proporcionan las entradas opcionales correspondientes	CONDITIONING
`negative`	Condicionamiento negativo procesado que ha sido modificado para la generación de video, incluyendo embeddings de audio (establecidos en cero), latentes de referencia, referencias de movimiento y condicionamiento de video de control cuando se proporcionan las entradas opcionales correspondientes	CONDITIONING
`latent`	Tensor latente de video vacío utilizado como punto de partida para la generación. El tensor latente tiene forma `[batch_size, 16, latent_t, height/8, width/8]`, donde `latent_t` se calcula como `((length - 1) // 4) + 1`.	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): b1148cd00d8999dd6842e3c2fb13655fda8f20d5befed975a6d1652688b2807c