MiniMaxH3ImageToVideo - ComfyUI Built-in Node Documentation

此节点为使用 MiniMax H3 模型生成视频准备所需的 conditioning 和空 latent。它接受文本提示，并可选择接受视频首帧和/或末帧的图像，将其转换为模型输入。关键帧图像会被调整大小、编码，并附加到视频开头和结尾的 conditioning 中。

输入

参数	描述	数据类型	必需	范围
`clip`	用于对提示词进行分词并将关键帧图像编码为 conditioning 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 latent 空间的 VAE 模型。	VAE	是
`提示词`	描述要生成视频的文本提示。支持多行和动态提示。	STRING	是
`宽度`	视频宽度（像素，默认值：1344）。	INT	是	32 到 MAX_RESOLUTION (步长 32)
`高度`	视频高度（像素，默认值：768）。	INT	是	32 到 MAX_RESOLUTION (步长 32)
`长度`	以 24 fps 计的帧数，向上取整到模型的 17k+5 网格（124 约等于 5 秒；训练范围约为 124-362，更长时长未经测试）（默认值：124）。	INT	是	5 到 3600 (步长 17)
`首帧`	可选图像，用作视频的第一帧。该图像会被拉伸到整个画布大小，因此不保留其宽高比。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。该图像会被裁剪以覆盖画布，同时保留其宽高比。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 conditioning 上。如果两者均未提供，则此节点仅根据提示词工作。

输出名称	描述	数据类型
`正向`	包含编码后提示词的 conditioning；当提供关键帧图像时，还包含编码后的关键帧和用于 MiniMax H3 模型的帧数。	CONDITIONING
`latent`	表示待生成视频的空 latent，包含所请求的宽度、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): 46efc87bd46f4a86cb6df37c75f960419a2a98b34480e7dc0023c9d87903870b