WanImageToVideo - ComfyUI Built-in Node Documentation - ComfyUI

WanImageToVideo 节点为视频生成准备条件和潜在表示。它为视频创建一个空的潜在空间，并可选地结合起始图像和 CLIP 视觉输出以引导生成。正向和负向条件输入都会使用提供的图像和视觉数据进行更新。

输入

参数	描述	数据类型	必需	范围
`正面`	用于引导生成的正向条件输入	CONDITIONING	是	-
`负面`	用于引导生成的负向条件输入	CONDITIONING	是	-
`vae`	用于将图像编码到潜在空间的 VAE 模型	VAE	是	-
`宽度`	生成视频的宽度（默认值：832，步长：16）	INT	是	16 to MAX_RESOLUTION
`高度`	生成视频的高度（默认值：480，步长：16）	INT	是	16 to MAX_RESOLUTION
`长度`	视频的帧数（默认值：81，步长：4）	INT	是	1 to MAX_RESOLUTION
`批量大小`	一次批次中生成的视频数量（默认值：1）	INT	是	1 到 4096
`clip视觉输出`	作为额外条件添加到正向和负向输入的可选 CLIP 视觉输出	CLIP_VISION_OUTPUT	否	-
`开始图像`	用于初始化视频的可选起始图像。提供后，它会被调整到指定的 `width` 和 `height`，并放置在帧序列的开头；超出 `length` 的帧将被忽略。其余帧会用中性灰色（0.5）值填充，除非提供了 `ref_pad_image`。	IMAGE	否	-
`ref_pad_image`	可选的参考图像，其首帧会替换帧序列的中性灰色填充。它会被调整到指定的 `width` 和 `height`，且仅使用批次中的第一张图像。仅在同时提供 `start_image` 时生效。	IMAGE	否	-

注意： 当提供 start_image 时，帧序列会使用 VAE 编码，并对条件应用掩码。对于起始图像覆盖的帧，掩码设置为 0；对于其余帧，掩码设置为 1，因此生成会从提供的图像继续。编码期间仅使用图像的前三个颜色通道（RGB）。正向和负向条件都会接收相同的拼接潜在图像、掩码以及（如果提供）CLIP 视觉输出。当 ref_pad_image 与 start_image 一起提供时，其首帧会被调整到 width 和 height，并在放置起始图像之前写入填充帧的 RGB 通道，因此填充部分承载的是参考图像而非纯灰色。这是 SVI 风格的抗漂移填充，被 ID-V2V 等模型使用。

输出

输出名称	描述	数据类型
`positive`	正向条件，已使用图像和视觉数据更新	CONDITIONING
`negative`	负向条件，已使用图像和视觉数据更新	CONDITIONING
`latent`	准备用于视频生成的空潜在张量，形状为 [batch_size, 16, ((length-1)//4)+1, height//8, width//8]	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): 3000c1c816d2c123fc5bc46ea1f193c52c0f81a2f8c4a9110d8a4fa909185aea