LTXVModalityGuidance - ComfyUI Built-in Node Documentation - ComfyUI

此节点对 LTXV-AV 模型应用跨模态（音频-视频）引导。在采样过程中，它每一步会额外执行一次前向传播，并禁用音频到视频和视频到音频的交叉注意力连接，然后将结果推向耦合预测。这增强了音视频同步性，例如唇形同步。modality_scale 的参考默认值为 3.0；将其设置为 1.0 可禁用额外的前向传播。

输入

参数	描述	数据类型	必需	范围
`model`	将应用模态引导的基础模型。它会在内部克隆，使原始模型保持不变。	MODEL	是	-
`modality_scale`	音频-视频耦合引导的强度。默认值为 3.0。设置为 1.0 可禁用额外的前向传播。	FLOAT	是	1.0 到 100.0 (default: 3.0)
`start_percent`	采样过程中模态引导开始的时间点，以 0.0 到 1.0 的百分比表示。默认值为 0.0。	FLOAT	是	0.0 到 1.0 (default: 0.0)
`end_percent`	采样过程中模态引导结束的时间点，以 0.0 到 1.0 的百分比表示。默认值为 1.0。	FLOAT	是	0.0 到 1.0 (default: 1.0)

模态引导仅应用于 sigma 值落在 start_percent 和 end_percent 所定义范围内的采样步骤。在此范围之外，节点会原样返回去噪结果。modality_scale 为 1.0 时也会完全禁用额外的前向传播。

输出

输出名称	描述	数据类型
`model`	带有附加 post-CFG 引导函数的克隆模型。此修改后的模型会在采样过程中应用模态引导。	MODEL

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): 038be607c42e626a8a8f5fe336ee466d0847d43835edb71e20ff38f668069cfb