# BerniniConditioning

گره BerniniConditioning داده‌های شرطی‌سازی ویدیو و تصویر را برای مدل Wan2.2-A14B آماده می‌کند. این گره ویدیوهای منبع، ویدیوهای مرجع و تصاویر مرجع را با استفاده از VAE ارائه‌شده رمزگذاری کرده، سپس آن‌ها را برای وظایف تولید درون‌بافتی به داده‌های شرطی‌سازی متصل می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | ضروری | محدوده |
|---------|---------|----------|-------|--------|
| `positive` | داده‌های شرطی‌سازی مثبت | CONDITIONING | بله | - |
| `negative` | داده‌های شرطی‌سازی منفی | CONDITIONING | بله | - |
| `vae` | مدل VAE مورد استفاده برای رمزگذاری ورودی‌های ویدیو و تصویر | VAE | بله | - |
| `width` | عرض خروجی نهفته (پیش‌فرض: 832) | INT | بله | 16 تا 8192 (گام: 16) |
| `height` | ارتفاع خروجی نهفته (پیش‌فرض: 480) | INT | بله | 16 تا 8192 (گام: 16) |
| `length` | تعداد فریم‌های خروجی نهفته (پیش‌فرض: 81) | INT | بله | 1 تا 8192 (گام: 4) |
| `batch_size` | تعداد ویدیوهای تولیدشده در یک دسته (پیش‌فرض: 1) | INT | بله | 1 تا 4096 |
| `source_video` | ویدیوی منبع برای ویرایش یا تغییر سبک (v2v, rv2v). به اندازه عرض/ارتفاع تغییر اندازه داده و به طول مشخص شده برش می‌خورد. | IMAGE | خیر | - |
| `reference_video` | ویدیویی که در ویدیوی منبع درج می‌شود (ads2v). | IMAGE | خیر | - |
| `reference_images` | تصاویر مرجع که به‌عنوان توکن‌های درون‌بافتی تزریق می‌شوند (r2v, rv2v). حداکثر 8 تصویر قابل ارائه است. | IMAGE | خیر | 0 تا 8 تصویر |
| `ref_max_size` | حداکثر اندازه برای لبه بلند reference_video و reference_images. با حفظ نسبت ابعاد تغییر اندازه داده و به 16 پیکسل گرد می‌شود (پیش‌فرض: 848). | INT | خیر | 16 تا 8192 (گام: 16) |

**نکته:** وظیفه بر اساس ورودی‌های متصل تعیین می‌شود:
- بدون ورودی متصل → متن به ویدیو (t2v)
- فقط `source_video` → ویدیو به ویدیو (v2v)
- `source_video` + `reference_images` → ویرایش ویدیوی راهنمایی‌شده با مرجع (rv2v)
- فقط `reference_images` → مرجع به ویدیو (r2v)
- `source_video` + `reference_video` → درج تصویر/ویدیو در ویدیو (ads2v)

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
|-----------|---------|----------|
| `positive` | شرطی‌سازی مثبت با نهفته‌های بافتی متصل | CONDITIONING |
| `negative` | شرطی‌سازی منفی با نهفته‌های بافتی متصل | CONDITIONING |
| `latent` | تنسور نهفته خالی با ابعاد منطبق با عرض، ارتفاع، طول و اندازه دسته مشخص‌شده | LATENT |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/BerniniConditioning/fa.md)

---
**Source fingerprint (SHA-256):** `3535bbe9a1ae007dc579242b44787ab315479a820eb0da680eab9b870ab60699`