PikaH3FlexReferenceVideoNode - ComfyUI Built-in Node Documentation - ComfyUI

此节点在参考图像、视频和音频片段的引导下，生成或编辑带有同步音频的视频。Pika H3 Flex 是 Pika 基于 MiniMax H3 进行后训练得到的模型。连接参考素材，并在提示词中按连接顺序使用 @Image1、@Video1 或 @Audio1 来引用它们。至少需要一张参考图像或一个参考视频，最多可连接 12 个参考素材。

输入

参数	描述	数据类型	必填	范围
`reference_images`	最多 9 张图像，在提示词中按连接顺序使用 `@Image1` 到 `@Image9` 来引用。至少需要一张图像或一个视频。	AUTOGROW	否	0 到 9 张图像
`reference_videos`	最多 3 个片段，在提示词中按连接顺序使用 `@Video1` 到 `@Video3` 来引用。每个片段必须为 2 到 15 秒，且所有片段总时长不得超过 15 秒。按秒计费。	AUTOGROW	否	0 到 3 个视频
`reference_audios`	最多 3 个片段，在提示词中使用 `@Audio1` 到 `@Audio3` 来引用。每个片段必须为 2 到 15 秒，且所有片段总时长不得超过 15 秒。复制到输出时，片段按连接顺序播放，并位于所连接视频的声音之前。	AUTOGROW	否	0 到 3 个音频片段
`prompt`	要生成的内容，或要进行的编辑。使用 `@Image1`、`@Video1`、`@Audio1`，或 `<Picture 1>`、`<Video 1>`、`<Audio 1>` 来引用参考素材。不能为空。默认值：""（空字符串）。	STRING	是	1 到 8000 个字符
`reference_video_audio`	将所连接视频的声音复制到输出。如果要使用新的环境声，或进行带新音乐的动作迁移，请将其关闭。此时，提示词中没有对话的说话人头像会被生成虚构的语音。默认值：True。	BOOLEAN	是	true false
`resolution`	输出分辨率。`"1080p"` 及以上会以 768p 渲染并放大一次。相同的种子在 480p 下会生成不同的视频。默认值：`"768p"`。	COMBO	是	`"480p"` `"768p"` `"1080p"` `"2k"` `"4k"`
`aspect_ratio`	输出宽高比。`"auto"` 会跟随参考视频，否则跟随提示词。参考图像不会影响它。默认值：`"auto"`。	COMBO	是	`"auto"` `"21:9"` `"16:9"` `"3:2"` `"4:3"` `"5:4"` `"1:1"` `"4:5"` `"3:4"` `"2:3"` `"9:16"` `"9:21"`
`duration`	片段长度（秒）。输出长度遵循帧网格：5 秒会得到 124 帧，约 5.17 秒。默认值：5。	INT	是	5 到 15 秒
`rewrite_prompt`	让 Pika 先扩展提示词。此时相同的种子在每次运行时会生成不同的视频。默认值：False。	BOOLEAN	是	true false
`seed`	采样种子。关闭 `rewrite_prompt` 时，相同的种子会完全重复同一视频，不过使用相同种子的本地运行会得到不同结果。默认值：42。	INT	是	0 到 2147483647

约束条件：

至少需要一张参考图像或一个参考视频。
最多可连接 12 个参考素材，图像、视频和音频片段合计计算。
每个参考视频和音频片段必须为 2 到 15 秒；视频总时长不得超过 15 秒，音频片段总时长不得超过 15 秒。
提示词长度必须在 1 到 8000 个字符之间。
引用未连接的槽位（例如只提供了两张图像却引用 @Image3）会引发错误。

输出

输出名称	描述	数据类型
`VIDEO`	生成或编辑后的片段及其同步音频。	VIDEO

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): c6d8700e3bb0c4ed7663aff55d477314af566568bd6db353fc21d6249ddd93bd