WanTrackToVideo - ComfyUI Built-in Node Documentation

WanTrackToVideo 节点通过处理轨迹点并生成相应的视频帧，将运动跟踪数据转换为视频序列。

WanTrackToVideo 节点通过处理轨迹点并生成相应的视频帧，将运动跟踪数据转换为视频序列。它以跟踪坐标作为输入，生成可用于视频生成的视频条件（conditioning）和潜在（latent）表示。当未提供轨迹时，它会回退到标准的图像到视频转换。

​

输入

参数	描述	数据类型	必需	范围
正面条件	用于视频生成的正向条件	CONDITIONING	是	-
负面条件	用于视频生成的负向条件	CONDITIONING	是	-
vae	用于编码和解码的 VAE 模型	VAE	是	-
tracks	JSON 格式的跟踪数据，以多行字符串形式表示（默认："[]"）。每条轨迹会被填充或截断至固定长度 121 个点。	STRING	是	-
宽度	输出视频宽度（像素）（默认：832，步长：16）	INT	是	16 to MAX_RESOLUTION
高度	输出视频高度（像素）（默认：480，步长：16）	INT	是	16 to MAX_RESOLUTION
长度	输出视频的帧数（默认：81，步长：4）	INT	是	1 to MAX_RESOLUTION
批次大小	同时生成的视频数量（默认：1）	INT	是	1 到 4096
温度	运动修补的温度参数（默认：220.0，步长：0.1）	FLOAT	是	1.0 到 1000.0
topk	运动修补的 Top-k 值（默认：2）	INT	是	1 到 10
图像	用于视频生成的起始图像	IMAGE	否	-
CLIP视觉输出	用于额外条件的 CLIP 视觉输出	CLIP_VISION_OUTPUT	否	-

注意： 当 tracks 包含有效的跟踪数据时，节点会处理运动轨迹以生成视频。当 tracks 为空时，它会切换到标准图像到视频模式。如果提供了 start_image，它将初始化视频序列的第一帧，并将运动修补结果添加到正向和负向条件中。如果提供了 clip_vision_output，它也会被添加到正向和负向条件中。

​

输出

输出名称	描述	数据类型
正面提示词	已应用运动轨迹信息的正向条件	CONDITIONING
负面提示词	已应用运动轨迹信息的负向条件	CONDITIONING
latent	生成的视频潜在表示	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): e67fe326dd7e5ae63ddc35946d8144138d04d9523ec1ad2e08ea6bc1dc9325da