输入
注意： 当提供
control_video 时，它会被截断为 length 帧，并上采样到指定的 width 和 height；如果它的帧数少于 length，则缺失的帧会用中性灰色（值 0.5）填充。当未提供时，会自动创建一个包含 length 帧的中性灰色视频。control_masks 会被上采样到指定的 width 和 height，截断为 length 帧，如果较短则用值 1.0 填充。蒙版将控制视频分为非活动部分和响应部分，各部分分别进行 VAE 编码，并沿通道维度拼接；蒙版还会下采样到 latent 分辨率。当提供 reference_image 时，其第一张图像会被 VAE 编码并前置到 latent 序列中，trim_latent 会报告添加的 latent 帧数。latent 帧数计算为 ((length - 1) // 4) + 1，latent 空间维度为 height / 8 和 width / 8。
输出
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):
2039b7509ce5b731e9e41d9cd2dad022d4c5004751f571a4cf88c1ba0cae405b