Wan22ImageToVideoLatent - ComfyUI Built-in Node Documentation - ComfyUI

Wan22ImageToVideoLatent 从图像创建视频潜表示。它生成具有指定宽度、高度、帧长度和批次大小的空白视频潜空间，并且可选地将起始图像序列编码到视频潜空间的开头帧中。当提供起始图像时，该节点将其编码到潜空间中，并创建相应的噪声掩码，用于标记生成过程中应被去噪的区域。

输入

参数	描述	数据类型	必需	范围
`VAE`	用于将起始图像编码到潜空间中的 VAE 模型	VAE	是	-
`宽度`	输出视频的宽度，单位为像素（默认值：1280，步长：32）	INT	是	32 to MAX_RESOLUTION
`高度`	输出视频的高度，单位为像素（默认值：704，步长：32）	INT	是	32 to MAX_RESOLUTION
`长度`	视频序列中的帧数（默认值：49，步长：4）	INT	是	1 to MAX_RESOLUTION
`批次大小`	要生成的视频潜表示数量（默认值：1）	INT	是	1 到 4096
`起始图像`	可选的起始图像序列，用于编码到视频潜空间的开头帧中（使用前 `length` 帧）	IMAGE	否	-

注意： 当提供 start_image 时，图像序列会放大到目标 width 和 height，使用 VAE 编码，并放入潜空间的开头帧中。这些帧的噪声掩码设置为 0（保留），而其余帧的掩码值为 1（待去噪）。该潜空间始终有 48 个通道，空间维度为 height / 16 × width / 16，时间维度为 ((length - 1) // 4) + 1。width 和 height 必须能被 16 整除（通过步长 32 强制保证），并且 length 以 4 为步长增加时间维度。当未提供 start_image 时，将返回完全空白的潜空间且没有噪声掩码，并且 batch_size 输入不会应用于该空白潜空间。

输出

输出名称	描述	数据类型
`samples`	生成的视频潜表示，针对批次中的每一项重复	LATENT
`noise_mask`	噪声掩码，指示哪些区域应被去噪（值为 1）以及哪些区域保留编码后的起始图像（值为 0）	LATENT

这两个字段一起在单个 LATENT 输出中返回。

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): 3d05980641eeef2e86df7a845aa8b2bd703882db98fe71adef2746ab34a9d717