TextEncodeHunyuanVideo_ImageToVideo - ComfyUI Built-in Node Documentation - ComfyUI

TextEncodeHunyuanVideo_ImageToVideo ノードは、テキストプロンプトと参照画像からの視覚情報を組み合わせることで、画像から動画への生成用のコンディショニングデータを作成します。CLIP モデルを使用して、テキストと CLIP ビジョン出力からの画像埋め込みの両方を処理し、image_interleave 設定に従ってこれら2つのソースを融合したトークンを生成します。

入力

パラメータ	説明	データ型	必須	範囲
`clip`	トークン化とエンコーディングに使用される CLIP モデル。	CLIP	はい	-
`clip_vision_output`	参照画像の画像コンテキストを提供する、CLIP ビジョンモデルからの視覚的埋め込み。	CLIP_VISION_OUTPUT	はい	-
`プロンプト`	動画生成をガイドするテキスト説明。複数行入力とダイナミックプロンプトに対応しています。プロンプトは、参照画像に基づいて動画を説明するようモデルに求めるテンプレートを使用してフォーマットされ、主な内容、オブジェクトの詳細、アクション、背景、カメラアングルなどの側面を網羅します。	STRING	はい	-
`画像インターリーブ`	テキストプロンプトに対する画像の影響度。数値が大きいほど、テキストプロンプトからの影響が大きくなります。（デフォルト: 2）	INT	はい	1-512

出力

出力名	説明	データ型
`CONDITIONING`	テキストと画像情報を組み合わせた、動画生成用のコンディショニングデータ。	CONDITIONING

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

Source fingerprint (SHA-256): 016b87ead6f7a6ca61eff220e57f59252018cc78e80ec8cff5b83223b8f90f73