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
WanSCAILToVideo 节点用于为视频生成准备 conditioning 和空潜在空间。它会处理参考图像、姿态视频和 CLIP 视觉输出等可选输入，并将它们嵌入到视频模型的正负 conditioning 中。该节点输出修改后的 conditioning 以及指定视频尺寸的空白潜在张量。

​
输入

参数数据类型是否必需范围描述
正向CONDITIONING是-正 conditioning 输入。
负向CONDITIONING是-负 conditioning 输入。
vaeVAE是-用于编码图像和视频帧的 VAE 模型。
宽度INT是32 至 MAX_RESOLUTION输出视频的宽度（像素），默认值：512。必须能被 8 整除。
高度INT是32 至 MAX_RESOLUTION输出视频的高度（像素），默认值：896。必须能被 8 整除。
长度INT是1 至 MAX_RESOLUTION视频的帧数，默认值：81。必须能被 4 整除。
批量大小INT是1 至 4096每批生成的视频数量，默认值：1。
clip视觉输出CLIP_VISION_OUTPUT否-可选的 CLIP 视觉输出，用于 conditioning。
参考图像IMAGE否-可选的参考图像，用于 conditioning。
姿态视频IMAGE否-用于姿态 conditioning 的视频。将被缩小至主视频分辨率的一半。
姿态强度FLOAT是0.0 至 10.0姿态潜在向量的强度，默认值：1.0。
姿态起始步FLOAT是0.0 至 1.0开始使用姿态 conditioning 的步骤，默认值：0.0。
姿态结束步FLOAT是0.0 至 1.0结束使用姿态 conditioning 的步骤，默认值：1.0。
注意： pose_video 输入仅处理前 length 帧。reference_image 仅处理批次中的第一张图像。当提供了 reference_image 时，负 conditioning 会使用相同尺寸的零填充潜在向量。当提供了 clip_vision_output 时，它会同时应用于正 conditioning 和负 conditioning。

​
输出

输出名称数据类型描述
负向CONDITIONING修改后的正 conditioning，可能包含嵌入的参考图像潜在向量、CLIP 视觉输出或姿态视频潜在向量。
latentCONDITIONING修改后的负 conditioning，可能包含嵌入的参考图像潜在向量、CLIP 视觉输出或姿态视频潜在向量。
latentLATENT形状为 [batch_size, 16, ((length - 1) // 4) + 1, height // 8, width // 8] 的空潜在张量。
Source fingerprint (SHA-256): 63de4b6fe41fc23ea81c21965a2dbfc82120bb1bad6785b2130af824e015fbcb