SvdImg2vidConditioning - ComfyUI Built-in Node Documentation - ComfyUI

此节点专为视频生成任务的条件数据生成而设计，特别适用于 SVD_img2vid 模型。它接收包括初始图像、视频参数和 VAE 模型在内的多种输入，生成可用于指导视频帧生成的条件数据。

输入

参数	描述	Comfy 数据类型
`clip_vision`	表示用于从初始图像编码视觉特征的 CLIP 视觉模型，在理解图像内容与上下文以进行视频生成方面起着关键作用。	`CLIP_VISION`
`init_image`	将从中生成视频的初始图像，作为视频生成过程的起始点。	`IMAGE`
`vae`	一种变分自编码器（VAE）模型，用于将初始图像编码到潜在空间中，有助于生成连贯且连续的视频帧。	`VAE`
`width`	要生成的视频帧的期望宽度，允许自定义视频的分辨率。	`INT`
`height`	视频帧的期望高度，可控制视频的宽高比和分辨率。	`INT`
`video_frames`	指定要为视频生成的帧数，决定视频的长度。	`INT`
`motion_bucket_id`	用于对视频生成中应用的运动类型进行分类的标识符，有助于创建动态且引人入胜的视频。	`INT`
`fps`	视频的帧率（每秒帧数），影响生成视频的流畅度和真实感。	`INT`
`augmentation_level`	控制应用于初始图像的增强程度的参数，影响生成视频帧的多样性和变化性。	`FLOAT`

输出

参数	描述	Comfy 数据类型
`positive`	正向条件数据，包含编码后的特征和参数，用于引导视频生成过程朝期望方向进行。	`CONDITIONING`
`negative`	负向条件数据，提供与正向条件相对的对比信息，可用于避免生成视频中出现某些模式或特征。	`CONDITIONING`
`latent`	为视频的每一帧生成的潜在表示，作为视频生成过程的基础组成部分。	`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

SVD_img2vid_Conditioning - ComfyUI Built-in Node Documentation

ConditioningAverage - ComfyUI Built-in Node Documentation