PrunaTextToVideoNode - ComfyUI Built-in Node Documentation - ComfyUI

使用 Pruna 的 P-Video-2 模型根据文本提示生成视频。提示词描述场景、其动作和声音，该节点既可以自行生成配乐，也可以接收一段音频片段，由该音频驱动动作并作为配乐。

输入

通用输入

参数	描述	数据类型	必填	取值范围
`model`	要使用的 Pruna 视频模型。选择某个模型后，会在下方显示该模型自身的输入。	DYNAMIC_COMBO	是	`"p-video-2"`

P-Video-2 输入

参数	描述	数据类型	必填	取值范围
`prompt`	描述视频内容、其动作和声音。必须包含至少一个非空白字符，最多 5000 个字符（默认：空）。	STRING	是	最多 5000 个字符
`aspect_ratio`	输出视频的宽高比（默认：`"16:9"`）。	COMBO	是	`"16:9"` `"9:16"` `"4:3"` `"3:4"` `"3:2"` `"2:3"` `"1:1"`
`duration`	视频长度，单位为秒。`"auto"` 表示由模型根据提示词自行选择长度。当连接了 `model.audio` 时此项被忽略：此时视频长度跟随音频长度，向上取整到整秒，最长 20 秒（默认：`"5"`）。	COMBO	是	`"auto"` `"1"` `"2"` `"3"` `"4"` `"5"` `"6"` `"7"` `"8"` `"9"` `"10"` `"11"` `"12"` `"13"` `"14"` `"15"` `"16"` `"17"` `"18"` `"19"` `"20"`
`resolution`	输出分辨率。720p 约渲染 0.9 兆像素（16:9 时为 1280x704），1080p 约 2 兆像素（16:9 时为 1920x1088）（默认：`"720p"`）。	COMBO	是	`"720p"` `"1080p"`
`fps`	每秒帧数。在 1080p 下启用 draft 时无法使用 48 fps（默认：`"24"`）。	COMBO	是	`"24"` `"48"`
`draft`	更快速、细节更少的渲染，计费标准低于标准渲染（默认：False）。	BOOLEAN	是	True/False
`generate_audio`	为视频生成配乐。当连接了 `model.audio` 时此项被忽略，此时由该音频作为配乐（默认：True）。	BOOLEAN	是	True/False
`enhance_prompt`	在生成前将提示词改写得更详细；简短的提示词需要开启此项。关闭后可使用相同的 seed 精确复现结果（默认：True）。高级设置。	BOOLEAN	是	True/False
`model.audio`	用于驱动动作并作为配乐的音频。长度至少 1 秒；超过 20 秒的音频会被截断。由它决定视频长度，而不再使用 `model.duration`。	AUDIO	否	-
`seed`	生成所使用的随机种子。只有在 `model.enhance_prompt` 关闭时，相同的 seed 才能精确复现结果（默认：42）。	INT	是	0 到 2147483647

注意：

model.prompt 为必填项，且限制为 5000 个字符。
1080p 下的 draft 不能与 48 fps 组合使用：节点会报错，因此请关闭 draft 或改用 24 fps。
连接的音频长度必须至少为 1 秒；超过 20 秒的部分会被忽略。
连接 model.audio 后，由音频决定视频长度，因此 model.duration 和 model.generate_audio 均不起作用。

输出

输出名称	描述	数据类型
`video`	生成的视频及其配乐。	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): bb7bacf2591618220c72525c1e32382174abe3a55069720adbc84fc1d8081718