TextGenerateLTX2Prompt - ComfyUI Built-in Node Documentation - ComfyUI

TextGenerateLTX2Prompt 节点将简短的用户提示词扩展为详细的、适合使用 LTX-2 系列视频模型生成视频的音视频描述。它会自动添加特定于任务的系统指令，将格式化后的提示词发送给语言模型，并返回增强后的文本。当提供可选的参考图像时，该节点会切换到图像到视频模式，并从该图像的内容出发扩展提示词。

输入

参数	描述	数据类型	必填	范围
`clip`	用于文本编码的 CLIP 模型。该节点会检查模型的 tokenizer 名称以选择匹配的指令：基于 Gemma 4 的模型使用 LTX-2.4 格式，而其他模型使用 LTX-2（Gemma 3）格式。	CLIP	是
`提示词`	原始文本输入，用于描述要扩展为详细视频生成提示词的场景或概念。	STRING	是
`最大长度`	允许语言模型生成的 token 最大数量。	INT	是
`采样模式`	文本生成过程中用于选择下一个 token 的采样策略。	COMBO	是	`"greedy"` `"top_k"` `"top_p"` `"temperature"`
`图像`	可选的输入图像，用作视频的第一帧。提供后，节点会切换到图像到视频模式，并使用基于图像内容扩展用户提示词的系统提示词。	IMAGE	否
`思考模式`	启用后，模型会先进行推理再作答。返回的输出中会移除任何推理块（默认值：False）。	BOOLEAN	否
`use_default_template`	启用后，节点使用默认的聊天模板进行格式化（默认值：True）。	BOOLEAN	否
`视频`	可选的视频输入，可用作生成的额外上下文。	VIDEO	否
`音频`	可选的音频输入，可用作生成的额外上下文。	AUDIO	否

注意： 节点的行为会根据其输入而变化：

如果提供了 image，生成的提示词会按图像到视频任务进行格式化，使用描述如何基于图像内容扩展提示词的系统提示词。如果未提供图像，则按文本到视频任务进行格式化，使用将提示词扩展为详细视频生成描述的系统提示词。
如果 CLIP tokenizer 的名称包含 “gemma4”，节点使用 LTX-2.4 系统提示词和 Gemma 4 聊天格式。否则，使用 LTX-2（Gemma 3）系统提示词和聊天格式。
当对 Gemma 4 模型启用 thinking 时，模型会在其推理通道上打开；禁用时，模型直接在最终答案通道上打开。对于非 Gemma 4 模型，thinking 会传递到底层生成步骤。
如果语言模型在移除推理块后没有产生可用文本，节点会返回原始 prompt。

输出

输出名称	描述	数据类型
`output`	语言模型生成的增强视频生成提示词，已移除任何推理块。如果结果为空，则返回原始用户提示词。	STRING

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): 8f524ea60a247217dde8a1edaf7a689e253ae05acc9eb52ad47b91e879dba1df