MiniMaxMusic3TextEncode - ComfyUI Built-in Node Documentation - ComfyUI

MiniMax Music3 Text Encode は、MiniMax Music3 CLIP モデルを使用して、テキストキャプションと歌詞を音楽生成用の音響条件付けシーケンスに変換します。このノードは、結果の CONDITIONING データと、入力された最大時間から算出された実際のオーディオ時間（秒）を返します。

入力

パラメータ	説明	データ型	必須	範囲
`clip`	テキストエンコードと条件付けシーケンス生成に使用される MiniMax Music3 CLIP モデル。	CLIP	はい	-
`caption`	生成する音楽を説明するテキスト。複数行テキストと動的プロンプトに対応しています。	STRING	はい	-
`歌詞`	音楽生成に使用される歌詞テキスト。複数行テキストと動的プロンプトに対応しています。	STRING	はい	-
`seed`	生成プロセス用の再現可能な乱数シード。デフォルト: 0。	INT	はい	0 から 18446744073709551615 (0xffffffffffffffff)
`max_duration`	最大時間（秒）。モデルは曲を早く終了することができます。デフォルト: 120.0。	FLOAT	はい	0.04 からモデルの最大オーディオ時間（MAX_AUDIO_FRAMES / AUDIO_FRAMES_PER_SECOND）まで、ステップ 0.04
`cfg_scale`	クラシファイアフリーガイダンススケール。デフォルト: モデル定数 CFG_SCALE。高度なパラメータ。	FLOAT	はい	0.0 から 100.0、ステップ 0.1（小数第2位を保持）
`top_k`	音響トークン選択に使用される Top-k サンプリング値。デフォルト: モデル定数 CFG_TOP_K。高度なパラメータ。	INT	はい	1 からモデルの語彙サイズ（C0_VOCAB_SIZE）まで

出力

出力名	説明	データ型
`conditioning`	生成された音響条件付けシーケンス。後続の音楽生成をガイドするために使用されます。	CONDITIONING
`秒`	条件付けシーケンスの実際の時間（秒）。	FLOAT

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

Source fingerprint (SHA-256): c3fbfd189d0358ebf081dd4f9c32be9231a9d0b97fd767401ea4b7955224c25c