TextEncodeHunyuanVideo_ImageToVideo - ComfyUI Built-in Node Documentation

TextEncodeHunyuanVideoImageToVideo 节点通过将文本提示与参考图像的视觉信息相结合，为图像转视频生成创建条件数据。

TextEncodeHunyuanVideo_ImageToVideo 节点通过将文本提示与参考图像的视觉信息相结合，为图像转视频生成创建条件数据。它使用 CLIP 模型同时处理文本和来自 CLIP 视觉输出的图像嵌入，然后根据 image_interleave 设置生成融合这两种来源的 token。

​

输入

参数	描述	数据类型	必填	范围
clip	用于分词和编码的 CLIP 模型。	CLIP	是	-
clip视觉输出	来自 CLIP 视觉模型的视觉嵌入，为参考图像提供图像上下文。	CLIP_VISION_OUTPUT	是	-
提示	用于指导视频生成的文本描述。支持多行输入和动态提示。提示使用模板进行格式化，该模板要求模型基于参考图像描述视频，涵盖主要内容、物体细节、动作、背景和摄像机角度等方面。	STRING	是	-
图像交错	图像相对于文本提示的影响程度。数值越高，表示文本提示的影响越大。（默认值：2）	INT	是	1-512

​

输出

输出名	描述	数据类型
CONDITIONING	结合文本和图像信息用于视频生成的条件数据。	CONDITIONING

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): 016b87ead6f7a6ca61eff220e57f59252018cc78e80ec8cff5b83223b8f90f73