TextEncodeHunyuanVideo_ImageToVideo - ComfyUI Built-in Node Documentation

TextEncodeHunyuanVideo_ImageToVideo 节点通过将文本提示与图像嵌入相结合，为视频生成创建条件数据。它使用 CLIP 模型处理文本输入和来自 CLIP 视觉输出的视觉信息，然后根据指定的图像交错设置生成融合这两种来源的令牌。

输入

参数	描述	数据类型	是否必填	范围
`clip`	用于分词和编码的 CLIP 模型	CLIP	是	-
`clip视觉输出`	来自 CLIP 视觉模型的视觉嵌入，提供图像上下文	CLIP_VISION_OUTPUT	是	-
`提示`	用于指导视频生成的文本描述，支持多行输入和动态提示	STRING	是	-
`图像交错`	图像相对于文本提示的影响程度。数值越大，文本提示的影响越大。（默认值：2）	INT	是	1-512

输出名称	描述	数据类型
`CONDITIONING`	结合文本和图像信息用于视频生成的条件数据	CONDITIONING

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): ee748bd1fb1733593eb4cb1187c5cc279171163cfbc389f039378d0e366fc231