跳转到主要内容

Documentation Index

Fetch the complete documentation index at: https://docs.comfy.org/llms.txt

Use this file to discover all available pages before exploring further.

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
VOIDInpaintConditioning 节点用于准备 CogVideoX 模型进行修复所需的 conditioning 数据。它接收源视频和预处理后的四重遮罩(quadmask),通过 VAE 对其进行编码,并将其组合成一个 32 通道的 conditioning 信号,供模型用于填充遮罩区域。

输入

参数数据类型是否必填范围描述
positiveCONDITIONING-需要添加修复潜在信息的正向 conditioning
negativeCONDITIONING-需要添加修复潜在信息的负向 conditioning
vaeVAE-用于将遮罩和遮罩视频编码到潜在空间的 VAE 模型
videoIMAGE-源视频帧 [T, H, W, 3]
quadmaskMASK-来自 VOIDQuadmaskPreprocess 的预处理四重遮罩 [T, H, W]
widthINT16 至 MAX_RESOLUTION(步长:8)视频和遮罩调整到的宽度(默认值:672)
heightINT16 至 MAX_RESOLUTION(步长:8)视频和遮罩调整到的高度(默认值:384)
lengthINT1 至 MAX_RESOLUTION(步长:1)要处理的像素帧数。对于 CogVideoX-Fun-V1.5(patch_size_t=2),latent_t 必须为偶数——导致 latent_t 为奇数的长度将向下取整(例如 49 → 45)(默认值:45)
batch_sizeINT1 至 64输出噪声潜在变量的批次大小(默认值:1)

输出

输出名称数据类型描述
negativeCONDITIONING已添加修复潜在信息的正向 conditioning
latentCONDITIONING已添加修复潜在信息的负向 conditioning
latentLATENT形状为 [batch_size, 16, latent_t, latent_h, latent_w] 的零填充噪声潜在张量

Source fingerprint (SHA-256): a1fe36376d7930286c7a288f261dcf2961d6b13cc412d1a0d42af8a4f9ebeeaf