HunyuanVideo15ImageToVideo - ComfyUI Built-in Node Documentation

HunyuanVideo15ImageToVideo 节点基于 HunyuanVideo 1.5 模型，为视频生成准备条件（conditioning）和潜空间数据。

HunyuanVideo15ImageToVideo 节点基于 HunyuanVideo 1.5 模型，为视频生成准备条件（conditioning）和潜空间数据。它会为视频序列创建初始潜空间表示，并可选择集成起始图像或 CLIP 视觉输出，以引导生成过程。

​

输入

参数	描述	数据类型	必需	范围
正面条件	用于描述视频应包含内容的正向条件提示词。	CONDITIONING	是	-
负面条件	用于描述视频应避免内容的负向条件提示词。	CONDITIONING	是	-
vae	用于将起始图像编码到潜空间的 VAE（变分自编码器）模型。	VAE	是	-
宽度	输出视频帧的宽度（像素）。必须能被 16 整除。（默认值：848）	INT	是	16 to MAX_RESOLUTION, step: 16
高度	输出视频帧的高度（像素）。必须能被 16 整除。（默认值：480）	INT	是	16 to MAX_RESOLUTION, step: 16
帧数	视频序列中的总帧数。数值从 1 开始以 4 为步长递增（1, 5, 9, 13, …）。（默认值：33）	INT	是	1 to MAX_RESOLUTION, step: 4
批次大小	单个批次中生成的视频序列数量。（默认值：1）	INT	是	1 到 4096
图像	用于初始化视频生成的可选起始图像。如果提供，该图像将被编码并用于对前几帧进行条件化。仅使用图像的前 length 帧。	IMAGE	否	-
CLIP视觉输出	可选的 CLIP 视觉嵌入，用于为生成过程提供额外的视觉条件。	CLIP_VISION_OUTPUT	否	-

注意： 提供 start_image 时，该图像会自动使用双线性插值调整为指定的 width 和 height。系统会使用图像批次的前 length 帧，并且仅对每帧的前 3 个颜色通道进行编码。编码后的图像会作为 concat_latent_image 并带有相应的 concat_mask，同时添加到 positive 和 negative 条件中。对于起始图像覆盖的帧，掩码设置为 0.0；对于其余帧，掩码设置为 1.0。提供 clip_vision_output 时，它也会同时添加到 positive 和 negative 条件中。

​

输出

输出名称	描述	数据类型
正面条件	修改后的正向条件，现在可能包含编码后的起始图像或 CLIP 视觉输出。	CONDITIONING
负面条件	修改后的负向条件，现在可能包含编码后的起始图像或 CLIP 视觉输出。	CONDITIONING
latent	一个空的潜空间张量，其维度根据指定的批次大小、视频长度、宽度和高度进行配置。	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): dbedf7f378ae9613c8f47fe9876a4576c815055b4cdb6bf687b7575fcd7ea80a