SV3D_Conditioning - ComfyUI Built-in Node Documentation

SV3DConditioning 使用 SV3D 模型为 3D 视频生成准备 conditioning 数据。

SV3D_Conditioning 使用 SV3D 模型为 3D 视频生成准备 conditioning 数据。它接收一张初始图像，并通过 CLIP vision 和 VAE 编码器处理，生成 positive 和 negative conditioning，以及一个 latent 表示。该节点根据指定的视频帧数，生成用于多帧视频生成的相机仰角（elevation）和方位角（azimuth）序列。

​

输入

参数	描述	数据类型	是否必填	范围
clip视觉	用于对输入图像进行编码的 CLIP vision 模型	CLIP_VISION	是	-
初始图像	作为 3D 视频生成起点的初始图像	IMAGE	是	-
vae	用于将图像编码到 latent 空间的 VAE 模型	VAE	是	-
宽度	生成视频帧的输出宽度（默认值：576，必须能被 8 整除）	INT	是	16 to MAX_RESOLUTION
高度	生成视频帧的输出高度（默认值：576，必须能被 8 整除）	INT	是	16 to MAX_RESOLUTION
帧数	视频序列要生成的帧数（默认值：21）	INT	是	1 到 4096
俯仰角	用于 3D 视图的相机仰角（单位：度）（默认值：0.0）	FLOAT	是	-90.0 到 90.0

注意：相机方位角从 0 度开始，并在每一帧增加一个固定量，从而使相机在生成的帧中围绕物体完成 360 度完整旋转。elevation 值在每一帧中保持不变。

​

输出

输出名称	描述	数据类型
正面条件	包含图像嵌入和相机参数的 positive conditioning 数据，用于生成过程	CONDITIONING
负面条件	包含零值嵌入和 latent 的 negative conditioning 数据，用于对比生成	CONDITIONING
Latent	一个空 latent 张量，其维度与指定的视频帧数和分辨率匹配	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): e28173cfa560290e66b032687088cf0b981256ca5c21f6aa608e0fdaec886665