WanAnimateToVideo - ComfyUI Built-in Node Documentation

WanAnimateToVideo 节点用于准备 conditioning 数据和初始 latent，以使用 Wan 生成动画视频，输入包括参考图像、姿态、人脸、背景以及可选的前一个块的运动。

WanAnimateToVideo 节点用于准备 conditioning 数据和初始 latent，以使用 Wan 生成动画视频，输入包括参考图像、姿态、人脸、背景以及可选的前一个块的运动。它还支持通过读取和更新 video_frame_offset 值来分块生成长视频。该节点标记为实验性。

​

输入

参数	描述	数据类型	必填	范围
正向提示	用于引导生成朝向期望内容的正向 conditioning。	CONDITIONING	是	-
负向提示	用于使生成远离不想要内容的负向 conditioning。	CONDITIONING	是	-
VAE	用于将图像和视频输入编码到潜在空间的 VAE 模型。	VAE	是	-
宽度	生成视频的宽度（像素）（默认值：832，步长：16）。	INT	是	16 to MAX_RESOLUTION
高度	生成视频的高度（像素）（默认值：480，步长：16）。	INT	是	16 to MAX_RESOLUTION
长度	要生成的帧数（默认值：77，步长：4）。	INT	是	1 to MAX_RESOLUTION
批次大小	一个批次中要生成的视频数量（默认值：1）。	INT	是	1 到 4096
CLIP视觉输出	可选的 CLIP vision 输出，会同时添加到正向和负向 conditioning 中。	CLIP_VISION_OUTPUT	否	-
参考图像	用作生成视频外观起点的参考图像。如果未提供，则使用黑色图像。	IMAGE	否	-
面部视频	提供面部表情引导的视频输入。内部会将其调整为 512x512，并缩放到 -1.0 到 1.0 的范围。	IMAGE	否	-
姿态视频	提供姿态和运动引导的视频输入。	IMAGE	否	-
继续运动最大帧数	从前一个运动序列延续的最大帧数（默认值：5，步长：4）。	INT	是	1 to MAX_RESOLUTION
背景视频	用于填充帧中非角色部分的背景视频。	IMAGE	否	-
角色遮罩	定义角色区域的遮罩，用于将角色与背景分离。	MASK	否	-
继续运动	用于继续生成的前一个运动帧，保持与之前生成块的时间一致性。	IMAGE	否	-
视频帧偏移	在所有输入视频中跳过的帧数。用于分块生成更长的视频。连接到上一个节点的 video_frame_offset 输出以扩展视频。（默认值：0，步长：1）	INT	是	0 to MAX_RESOLUTION

参数约束：

• 当提供 continue_motion 时，仅使用其最后 continue_motion_max_frames 帧。
• 输入视频（face_video、pose_video、background_video、character_mask）在使用前会按 video_frame_offset 进行偏移。如果偏移量大于或等于输入的帧数，则忽略该输入，但单帧的 character_mask 除外。
• 如果 character_mask 只有一帧，则该帧会重复用于输出的每一帧。
• 当 pose_video 短于 length 时，其最后一帧会重复以填充剩余帧；输出长度不变。
• 如果提供了 clip_vision_output，它会同时添加到正向和负向 conditioning 中。
• 如果未提供 reference_image，则使用黑色图像（所有值为零）作为默认参考。
• 如果未提供 continue_motion，则初始运动帧会以恒定灰色（强度 0.5）帧填充。
• 使用 continue_motion 时，在计算下一个块偏移之前，video_frame_offset 会减去延续的帧数，从而避免重叠帧被重复处理。
• background_video 在参考运动部分之后填充运动帧；它不会替换参考图像或延续的 continue_motion 帧。

​

输出

输出名称	描述	数据类型
正向提示	添加了额外视频上下文的正向 conditioning，包括 CLIP vision 输出、姿态视频 latent、人脸视频像素、拼接的 latent 图像和拼接的遮罩。	CONDITIONING
负向提示	添加了额外视频上下文的负向 conditioning，包括 CLIP vision 输出、姿态视频 latent、空白人脸像素、拼接的 latent 图像和拼接的遮罩。	CONDITIONING
潜变量	用于生成视频的初始 latent 张量（所有样本均为零），形状为 [batch_size, 16, latent_length + trim_latent, latent_height, latent_width]。	LATENT
修剪潜变量	需要从 latent 开头裁剪的 latent 帧数，对应参考图像帧。	INT
修剪图像	需要从开头裁剪的图像帧数，对应参考运动帧。	INT
视频帧偏移	根据输入偏移和已处理帧数计算出的、用于下一个块的更新后帧偏移量。	INT

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): a95bae4c7ae4ddc8a95bc9dafa2ca920b1d2166802615189537dce16949bfc03