WanSoundImageToVideoExtend - ComfyUI Built-in Node Documentation

WanSoundImageToVideoExtend 节点用于扩展现有的视频潜在变量，生成额外帧，并可选择由音频、参考图像和控制视频引导。它以起始视频潜在变量为基础，生成更长的视频序列，并利用所提供的条件和音频线索来影响新内容。

输入

参数	描述	数据类型	必需	范围
`正面提示词`	正向条件提示，用于引导视频应包含的内容	CONDITIONING	是	-
`负面提示词`	负向条件提示，用于指定视频应避免的内容	CONDITIONING	是	-
`VAE`	用于将参考图像和控制视频编码到潜在空间的变分自编码器	VAE	是	-
`长度`	为视频序列生成的总帧数（默认值：77，步长：4）	INT	是	1 to MAX_RESOLUTION
`视频潜变量`	用作扩展起点的初始视频潜在变量。输出的宽度、高度、批大小和帧偏移均由此潜在变量推导得出。其最后 19 帧用作参考运动条件。	LATENT	是	-
`音频编码器输出`	可选的音频嵌入，可根据声音特征影响视频生成。提供时，音频会被插值并转换为音频嵌入桶，添加到条件中。	AUDIOENCODEROUTPUT	否	-
`参考图像`	可选的参考图像，为视频生成提供视觉引导。图像会被放大以匹配目标尺寸，并编码为潜在表示，然后同时添加到正向和负向条件中。仅使用批次中的第一张图像。	IMAGE	否	-
`控制视频`	可选的控制视频，用于引导生成视频的运动和结构。视频会被放大、编码，并同时添加到正向和负向条件中。控制视频会被截断到指定的 `length`。	IMAGE	否	-

注意：输出潜在变量会以目标尺寸初始化为零。输入 video_latent 不会被复制到此输出中，而是将其最后 19 帧用作参考运动。

输出名称	描述	数据类型
`正面提示词`	已处理的、应用了视频上下文的正向条件，包括音频嵌入、参考潜在表示、参考运动以及控制视频（如果提供）	CONDITIONING
`负面提示词`	已处理的、应用了视频上下文的负向条件，包括音频嵌入（已置零）、参考潜在表示、参考运动以及控制视频（如果提供）	CONDITIONING
`潜变量`	扩展序列的视频潜在表示，初始化为零，其尺寸由输入 `video_latent` 和目标 `length` 决定	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

Source fingerprint (SHA-256): 32b58aaba566f346a0388ba804fc92e7ad426bf2e9e7039e5fdb0bf6a746e972