跳转到主要内容
BerniniConditioning 节点为 Wan2.2-A14B 模型准备视频和图像条件数据。它使用提供的 VAE 对源视频、参考视频和参考图像进行编码，然后将它们附加到条件数据中，用于上下文生成任务。

​
## 输入

参数描述数据类型是否必需范围
positive正向条件数据CONDITIONING是-
negative负向条件数据CONDITIONING是-
vae用于编码视频和图像输入的 VAE 模型VAE是-
宽度输出潜变量的宽度（默认值：832）INT是16 至 8192（步长：16）
高度输出潜变量的高度（默认值：480）INT是16 至 8192（步长：16）
长度输出潜变量的帧数（默认值：81）INT是1 至 8192（步长：4）
批量大小单批次生成的视频数量（默认值：1）INT是1 至 4096
源视频要编辑或重新造型的源视频（v2v, rv2v）。会调整至 width/height 尺寸并裁剪至 length 长度。IMAGE否-
参考视频要插入到源视频中的视频（ads2v）。IMAGE否-
参考图像作为上下文令牌注入的参考图像（r2v, rv2v）。最多可提供 8 张图像。IMAGE否0 至 8 张图像
参考最大尺寸reference_video 和 reference_images 长边的最大尺寸。按比例调整大小并对齐至 16px（默认值：848）。INT否16 至 8192（步长：16）
注意： 任务类型根据连接的输入推断：
  • 未连接任何输入 → 文本到视频（t2v）
  • 仅连接 source_video → 视频到视频（v2v）
  • 连接 source_video + reference_images → 参考引导的视频编辑（rv2v）
  • 仅连接 reference_images → 参考到视频（r2v）
  • 连接 source_video + reference_video → 将图像/视频插入视频（ads2v）

​
## 输出

输出名称描述数据类型
positive附加了上下文潜变量的正向条件数据CONDITIONING
negative附加了上下文潜变量的负向条件数据CONDITIONING
latent维度与指定的宽度、高度、长度和批次大小匹配的空潜变量张量LATENT
本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑
Source fingerprint (SHA-256): 3535bbe9a1ae007dc579242b44787ab315479a820eb0da680eab9b870ab60699