MiniMaxH3ImageToVideo - ComfyUI Built-in Node Documentation

此节点用于准备使用 MiniMax H3 模型生成视频所需的条件输入（conditioning）和空潜在变量（latent）。它接受一个文本提示，以及可选的视频首帧和/或尾帧图像，并将它们转换为模型输入。关键帧图像会被调整大小、编码，并添加到视频开始和结束时的条件中。

输入

参数	描述	数据类型	是否必需	范围
`clip`	用于对提示进行分词并将关键帧图像编码为条件的 CLIP 模型。	CLIP	是
`vae`	当提供关键帧图像时，用于将关键帧图像编码到潜在空间的 VAE 模型。	VAE	是
`提示词`	描述要生成的视频的文本提示。支持多行和动态提示。	STRING	是
`宽度`	视频的宽度（像素），默认值：1344。	INT	是	32 to MAX_RESOLUTION (step 32)
`高度`	视频的高度（像素），默认值：768。	INT	是	32 to MAX_RESOLUTION (step 32)
`长度`	24 帧/秒下的帧数，向上取整到模型的 17k+5 网格（124 ≈ 5 秒；训练范围为约 124-362，更长未测试），默认值：124。	INT	是	5 到 3600 (step 17)
`首帧`	可选图像，用作视频的第一帧。它会被拉伸到整个画布大小，因此不保留宽高比。仅使用输入批次中的第一张图像。	IMAGE	否
`末帧`	可选图像，用作视频的最后一帧。它会被裁剪以覆盖画布，同时保留宽高比。仅使用输入批次中的第一张图像。	IMAGE	否

当提供了 first_frame 和/或 last_frame 时，关键帧图像会通过 VAE 编码，并分别附加到第 0 帧和最后一帧的条件中。如果两者都未提供，则节点仅根据提示工作。请求的 length 会被向上取整到最近的有效帧数（17k + 5），因此实际帧数可能略高于请求值。

输出名称	描述	数据类型
`正向`	包含编码后的提示文本，以及当提供关键帧图像时，包含编码后的关键帧和 MiniMax H3 模型的帧数条件。	CONDITIONING
`latent`	表示待生成内容的空音频-视频潜在变量，具有请求的宽度、高度和帧数。	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): d1bdf3f8c66ef20ff11c35203d2c266a88dcf8cc00c65dbb0aea2b1dd16befd6