VOIDInpaintConditioning - ComfyUI Built-in Node Documentation - ComfyUI

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	描述	数据类型	是否必填	范围
`positive`	需要添加修复潜在信息的正向 conditioning	CONDITIONING	是	-
`negative`	需要添加修复潜在信息的负向 conditioning	CONDITIONING	是	-
`vae`	用于将遮罩和遮罩视频编码到潜在空间的 VAE 模型	VAE	是	-
`video`	源视频帧 [T, H, W, 3]	IMAGE	是	-
`quadmask`	来自 VOIDQuadmaskPreprocess 的预处理四重遮罩 [T, H, W]	MASK	是	-
`width`	视频和遮罩调整到的宽度（默认值：672）	INT	是	16 至 MAX_RESOLUTION（步长：8）
`height`	视频和遮罩调整到的高度（默认值：384）	INT	是	16 至 MAX_RESOLUTION（步长：8）
`length`	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）	INT	是	1 至 MAX_RESOLUTION（步长：1）
`batch_size`	输出噪声潜在变量的批次大小（默认值：1）	INT	是	1 至 64

输出

输出名称	描述	数据类型
`positive`	已添加修复潜在信息的正向 conditioning	CONDITIONING
`negative`	已添加修复潜在信息的负向 conditioning	CONDITIONING
`latent`	形状为 [batch_size, 16, latent_t, latent_h, latent_w] 的零填充噪声潜在张量	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): a1fe36376d7930286c7a288f261dcf2961d6b13cc412d1a0d42af8a4f9ebeeaf