SyncTalkingImageNode - ComfyUI Built-in Node Documentation

정지된 초상화를 음성 오디오로 구동되는 말하는 비디오로 애니메이션화합니다. sync.so의 sync-3 모델을 사용합니다. 출력 길이는 오디오 길이와 일치하며, 비용은 출력 길이에 비례합니다.

입력

매개변수	설명	데이터 타입	필수 여부	범위
`image`	얼굴이 선명하게 보이는 단일 이미지로, 최대 4K(4096x2160)까지 지원합니다.	IMAGE	예	정확히 하나의 이미지 필요
`audio`	말하는 비디오를 구동하는 음성 오디오입니다. 출력 길이는 이 오디오와 일치합니다. 여기에 TTS 노드를 연결하여 텍스트로 애니메이션을 구동할 수 있습니다.	AUDIO	예	최대 길이: 600초
`prompt`	초상화가 살아나는 방식에 대한 선택적 안내입니다. 예: ‘대상이 미소를 짓고 카메라를 바라보게 하세요’. 자연스러운 말하는 동작을 원하면 비워 둡니다. (기본값: "")	STRING	아니요	여러 줄 텍스트
`seed`	시드는 노드 재실행 여부를 제어합니다. 시드와 관계없이 결과는 비결정적입니다. (기본값: 0)	INT	아니요	0 ~ 2147483647
`model`	sync.so 생성 모델입니다. 이미지 입력은 sync-3에만 해당됩니다.	COMBO	예	`"sync-3"`
`speaker_selection`	여러 사람이 보일 때 애니메이션화할 얼굴을 선택합니다. `default`: 모델이 결정하도록 합니다. `coordinates`: 이미지 내 픽셀 좌표(speaker_x, speaker_y)에 있는 얼굴을 대상으로 합니다. 이미지의 경우 자동 감지는 지원되지 않습니다. (기본값: “default”)	COMBO	아니요	`"default"` `"coordinates"`
`speaker_x`	화자의 얼굴 X 픽셀 좌표입니다. speaker_selection이 ‘coordinates’인 경우에만 사용됩니다. (기본값: 0)	INT	아니요	0 ~ 4096
`speaker_y`	화자의 얼굴 Y 픽셀 좌표입니다. speaker_selection이 ‘coordinates’인 경우에만 사용됩니다. (기본값: 0)	INT	아니요	0 ~ 4096
`auto_downscale`	이미지가 4K(4096x2160) 입력 제한을 초과하는 경우 자동으로 축소합니다. 화자 좌표도 이에 맞게 조정됩니다. 비활성화하면 크기가 초과된 이미지에서 오류가 발생합니다. (기본값: True)	BOOLEAN	아니요	True False

참고: speaker_x 및 speaker_y 매개변수는 speaker_selection이 "coordinates"로 설정된 경우에만 사용됩니다. auto_downscale이 활성화되면 화자 좌표가 축소된 이미지 크기에 맞게 자동으로 조정됩니다.

출력

출력 이름	설명	데이터 타입
`video`	입력 오디오에 동기화된 애니메이션 초상화가 포함된 생성된 말하는 비디오입니다.	VIDEO

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집

Source fingerprint (SHA-256): 21f722cdcc5ff017949887ed2252854feebb9b913034dc6a6c3ce196ad089468

​입력

​출력

입력

출력