samples 张量，如果存在 noise_mask 张量也会一并合并，为视频生成流程中的后续处理做好准备。
输入
注意： 来自
video_latent 和 audio_latent 输入的 samples 张量会被拼接。如果任一输入包含 noise_mask，则会使用该掩码；如果缺少掩码，则会为其创建一个全为 1 的掩码（形状与对应的 samples 相同）。生成的掩码随后也会被拼接。
输出
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):
322d6870f110fb1ef8b472cb49649cc9fff7865f4c7a83fbfd536f1fdfd694f8