跳转到主要内容
Kandinsky5ImageToVideo 节点用于准备 Kandinsky 模型视频生成所需的 conditioning 和潜在空间数据。它会创建一个空的视频潜在张量，并可选择对起始图像进行编码，以引导生成视频的初始帧，同时相应地修改正向和负向 conditioning。

​
输入

参数描述数据类型是否必填范围
正面条件引导视频生成的正向 conditioning 提示。CONDITIONING是不适用
负面条件引导视频生成避开特定概念的正向 conditioning 提示。CONDITIONING是不适用
vae用于将可选的起始图像编码到潜在空间的 VAE 模型。VAE是不适用
宽度输出视频的宽度（像素），默认值：768。INT否16 至 8192（步长 16）
高度 输出视频的高度（像素），默认值：512。INT否16 至 8192（步长 16）
时长视频的帧数，默认值：121。INT否1 至 8192（步长 4）
批次大小同时生成的视频序列数量，默认值：1。INT否1 至 4096
初始图象可选的起始图像。如果提供，该图像将被编码，并用于替换模型输出潜在变量中的噪声起始部分。IMAGE否不适用
注意： 当提供了 start_image 时，它会自动通过双线性插值调整大小，以匹配指定的 width 和 height。图像批次中的前 length 帧将用于编码。编码后的潜在变量随后会被注入到 positive 和 negative conditioning 中，以引导视频的初始外观。

​
输出

输出名称描述数据类型
负面条件修改后的正向 conditioning，可能已更新编码后的起始图像数据。CONDITIONING
Latent修改后的负向 conditioning，可能已更新编码后的起始图像数据。CONDITIONING
条件Latent一个填充为零的空视频潜在张量，其形状符合指定的尺寸。LATENT
cond_latent所提供的起始图像的干净、编码后的潜在表示。内部使用此数据来替换生成视频潜在变量中带噪声的起始部分。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): 19d3b60be18f5adcd659563329988bce2511a1b27b33fd0ab3a9d93e265557f2