WanSoundImageToVideo 节点可根据图像生成视频内容，并支持可选的音频条件控制。该节点接收正面和负面条件提示以及 VAE 模型来创建视频潜在表示，并可结合参考图像、音频编码、控制视频和运动参考来引导视频生成过程。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 范围 |
| --- | --- | --- | --- | --- |
| `正面提示词` | 正面条件提示，用于引导生成视频中应出现的内容 | CONDITIONING | 是 | - |
| `负面提示词` | 负面条件提示，用于指定生成视频中应避免的内容 | CONDITIONING | 是 | - |
| `VAE` | 用于编码和解码视频潜在表示的 VAE 模型 | VAE | 是 | - |
| `宽度` | 输出视频的宽度（像素），默认值：832，必须能被 16 整除 | INT | 是 | 16 至 MAX_RESOLUTION |
| `高度` | 输出视频的高度（像素），默认值：480，必须能被 16 整除 | INT | 是 | 16 至 MAX_RESOLUTION |
| `长度` | 生成视频的帧数，默认值：77，必须能被 4 整除 | INT | 是 | 1 至 MAX_RESOLUTION |
| `批次大小` | 同时生成的视频数量，默认值：1 | INT | 是 | 1 至 4096 |
| `音频编码器输出` | 可选的音频编码，可根据声音特征影响视频生成 | AUDIOENCODEROUTPUT | 否 | - |
| `参考图像` | 可选的参考图像，为视频内容提供视觉引导 | IMAGE | 否 | - |
| `控制视频` | 可选的控制视频，用于引导生成视频的运动和结构 | IMAGE | 否 | - |
| `参考动作` | 可选的运动参考，为视频中的运动模式提供引导 | IMAGE | 否 | - |

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `负面提示词` | 经过修改以适应视频生成的正面条件处理结果 | CONDITIONING |
| `潜变量` | 经过修改以适应视频生成的负面条件处理结果 | CONDITIONING |
| `latent` | 在潜在空间中生成的视频表示，可解码为最终视频帧 | 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/WanSoundImageToVideo/zh.md)

---
**Source fingerprint (SHA-256):** `f80f82b8671294a14ecfecf91bc13febae0c91c5efa438467a4413d52dc82d3f`