> ## 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 Vace To Video - ComfyUI 組み込みノード ドキュメント > アリババの Tongyi Wanxiang が提供する高解像度動画生成 API を使用して動画を作成します Wan Vace To Video Wan Vace To Video ノードは、テキストプロンプトを用いた動画生成を可能にし、テキスト、画像、動画、マスク、制御信号など、複数の入力方式をサポートします。 このノードは、入力条件（プロンプト）、制御動画、およびマスクを統合して高品質な動画を生成します。まず入力を前処理・エンコードし、その後、条件情報を適用して最終的な動画の潜在表現（latent representation）を生成します。\ 参照画像が指定された場合、その画像が動画生成の初期参照として使用されます。また、制御動画およびマスクを活用することで生成プロセスを制御し、期待通りの結果を得やすくなります。 ## パラメーター説明 ### 必須パラメーター | パラメーター | 型 | デフォルト値 | 範囲 | 説明 | | ----------- | ------------ | ------ | ------------------ | -------------------- | | positive | CONDITIONING | - | - | ポジティブプロンプト条件 | | negative | CONDITIONING | - | - | ネガティブプロンプト条件 | | vae | VAE | - | - | エンコード／デコード用の VAE モデル | | width | INT | 832 | 16–MAX\_RESOLUTION | 動画の幅（ステップサイズ：16） | | height | INT | 480 | 16–MAX\_RESOLUTION | 動画の高さ（ステップサイズ：16） | | length | INT | 81 | 1–MAX\_RESOLUTION | 動画のフレーム数（ステップサイズ：4） | | batch\_size | INT | 1 | 1–4096 | バッチサイズ | | strength | FLOAT | 1.0 | 0.0–1000.0 | 条件の強さ（ステップサイズ：0.01） | ### オプションパラメーター | パラメーター | 型 | 説明 | | ---------------- | ----- | ---------------------------- | | control\_video | IMAGE | 生成プロセスを制御するための制御動画 | | control\_masks | MASK | 制御対象となる領域を定義する制御マスク | | reference\_image | IMAGE | 動画生成の開始点または参照として使用する画像（単一画像） | ### 出力パラメーター | パラメーター | 型 | 説明 | | ------------ | ------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | positive | CONDITIONING | 処理済みのポジティブプロンプト条件 | | negative | CONDITIONING | 処理済みのネガティブプロンプト条件 | | latent | LATENT | 生成された動画の潜在表現 | | trim\_latent | INT | 潜在表現をトリミングするためのパラメーター（デフォルト値：0）。参照画像が指定された場合、この値は参照画像の潜在空間における形状サイズに設定されます。これは、後続ノードが生成された潜在表現から参照画像由来のコンテンツをどれだけ削除すべきかを示すものであり、最終的な動画出力において参照画像の影響を適切に制御するために必要です。 | ## ソースコード \[ソースコード更新日時: 2025-05-15] ```Python theme={null} class WanVaceToVideo: @classmethod def INPUT_TYPES(s): return {"required": {"positive": ("CONDITIONING", ), "negative": ("CONDITIONING", ), "vae": ("VAE", ), "width": ("INT", {"default": 832, "min": 16, "max": nodes.MAX_RESOLUTION, "step": 16}), "height": ("INT", {"default": 480, "min": 16, "max": nodes.MAX_RESOLUTION, "step": 16}), "length": ("INT", {"default": 81, "min": 1, "max": nodes.MAX_RESOLUTION, "step": 4}), "batch_size": ("INT", {"default": 1, "min": 1, "max": 4096}), "strength": ("FLOAT", {"default": 1.0, "min": 0.0, "max": 1000.0, "step": 0.01}), }, "optional": {"control_video": ("IMAGE", ), "control_masks": ("MASK", ), "reference_image": ("IMAGE", ), }} RETURN_TYPES = ("CONDITIONING", "CONDITIONING", "LATENT", "INT") RETURN_NAMES = ("positive", "negative", "latent", "trim_latent") FUNCTION = "encode" CATEGORY = "conditioning/video_models" EXPERIMENTAL = True def encode(self, positive, negative, vae, width, height, length, batch_size, strength, control_video=None, control_masks=None, reference_image=None): latent_length = ((length - 1) // 4) + 1 if control_video is not None: control_video = comfy.utils.common_upscale(control_video[:length].movedim(-1, 1), width, height, "bilinear", "center").movedim(1, -1) if control_video.shape[0] < length: control_video = torch.nn.functional.pad(control_video, (0, 0, 0, 0, 0, 0, 0, length - control_video.shape[0]), value=0.5) else: control_video = torch.ones((length, height, width, 3)) * 0.5 if reference_image is not None: reference_image = comfy.utils.common_upscale(reference_image[:1].movedim(-1, 1), width, height, "bilinear", "center").movedim(1, -1) reference_image = vae.encode(reference_image[:, :, :, :3]) reference_image = torch.cat([reference_image, comfy.latent_formats.Wan21().process_out(torch.zeros_like(reference_image))], dim=1) if control_masks is None: mask = torch.ones((length, height, width, 1)) else: mask = control_masks if mask.ndim == 3: mask = mask.unsqueeze(1) mask = comfy.utils.common_upscale(mask[:length], width, height, "bilinear", "center").movedim(1, -1) if mask.shape[0] < length: mask = torch.nn.functional.pad(mask, (0, 0, 0, 0, 0, 0, 0, length - mask.shape[0]), value=1.0) control_video = control_video - 0.5 inactive = (control_video * (1 - mask)) + 0.5 reactive = (control_video * mask) + 0.5 inactive = vae.encode(inactive[:, :, :, :3]) reactive = vae.encode(reactive[:, :, :, :3]) control_video_latent = torch.cat((inactive, reactive), dim=1) if reference_image is not None: control_video_latent = torch.cat((reference_image, control_video_latent), dim=2) vae_stride = 8 height_mask = height // vae_stride width_mask = width // vae_stride mask = mask.view(length, height_mask, vae_stride, width_mask, vae_stride) mask = mask.permute(2, 4, 0, 1, 3) mask = mask.reshape(vae_stride * vae_stride, length, height_mask, width_mask) mask = torch.nn.functional.interpolate(mask.unsqueeze(0), size=(latent_length, height_mask, width_mask), mode='nearest-exact').squeeze(0) trim_latent = 0 if reference_image is not None: mask_pad = torch.zeros_like(mask[:, :reference_image.shape[2], :, :]) mask = torch.cat((mask_pad, mask), dim=1) latent_length += reference_image.shape[2] trim_latent = reference_image.shape[2] mask = mask.unsqueeze(0) positive = node_helpers.conditioning_set_values(positive, {"vace_frames": control_video_latent, "vace_mask": mask, "vace_strength": strength}) negative = node_helpers.conditioning_set_values(negative, {"vace_frames": control_video_latent, "vace_mask": mask, "vace_strength": strength}) latent = torch.zeros([batch_size, 16, latent_length, height // 8, width // 8], device=comfy.model_management.intermediate_device()) out_latent = {} out_latent["samples"] = latent return (positive, negative, out_latent, trim_latent) ```