CosmosImageToVideoLatent - ComfyUI Built-in Node Documentation

CosmosImageToVideoLatent ノードは、入力画像からビデオの潜在表現を生成します。

CosmosImageToVideoLatent ノードは、入力画像からビデオの潜在表現を生成します。指定された幅・高さ・フレーム数で空のビデオ潜在表現を作成し、必要に応じて開始画像を先頭フレームに、終了画像を末尾フレームにエンコードします。画像が提供された場合は、エンコードされたフレームが生成中に固定されるようにノイズマスクも生成されます。

​

入力

パラメータ	説明	データ型	必須	範囲
vae	画像をビデオ潜在空間にエンコードするために使用される VAE モデル。	VAE	はい	-
幅	出力ビデオの幅（ピクセル単位、デフォルト：1280）。	INT	はい	16 to MAX_RESOLUTION (step: 16)
高さ	出力ビデオの高さ（ピクセル単位、デフォルト：704）。	INT	はい	16 to MAX_RESOLUTION (step: 16)
長さ	ビデオの総フレーム数（デフォルト：121）。	INT	はい	1 to MAX_RESOLUTION (step: 8)
バッチサイズ	生成するビデオ潜在表現の数（デフォルト：1）。	INT	はい	1〜4096
開始画像	ビデオの先頭にエンコードするオプションの画像または画像シーケンス。	IMAGE	いいえ	-
終了画像	ビデオの末尾にエンコードするオプションの画像または画像シーケンス。	IMAGE	いいえ	-

注記：

• start_image と end_image のどちらも提供されない場合、ノードはノイズマスクなしの空の潜在表現を返します。
• start_image が提供されると、潜在表現の先頭フレームにエンコードされ、それらのフレームにはノイズマスク値 0（保持）が設定されます。end_image が提供されると、末尾フレームにエンコードされ、それらのフレームにはノイズマスク値 0 が設定されます。残りのフレームのマスク値は 1 のままです。
• 潜在表現は 16 チャンネルで、空間次元は height / 8 × width / 8 です。潜在フレーム数は ((length - 1) // 8) + 1 です。
• batch_size は、潜在表現と、存在する場合はノイズマスクを繰り返します。

​

出力

出力名	説明	データ型
latent	オプションでエンコードされた開始画像や終了画像を含む生成済みビデオ潜在表現。画像が提供された場合は、保持フレームに値 0 を持つ対応するノイズマスクも含まれます。	LATENT

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): 0b06ccfcb14c27c81eeebbbff519da1e187970d4cfc19c8796fc3da20688245c