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HunyuanRefinerLatent 节点处理用于精炼操作的 conditioning 和 latent 输入。它对正向和负向 conditioning 应用噪声增强，同时结合潜在图像数据，并生成具有特定维度的新 latent 输出以供进一步处理。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
正面 | CONDITIONING | 是 | - | 待处理的正向 conditioning 输入 |
负面 | CONDITIONING | 是 | - | 待处理的负向 conditioning 输入 |
Latent | LATENT | 是 | - | 潜在表示输入 |
噪声增强 | FLOAT | 是 | 0.0 - 1.0 | 应用的噪声增强量（默认值：0.10） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
负面 | CONDITIONING | 经过噪声增强和潜在图像拼接处理后的正向 conditioning |
潜在 | CONDITIONING | 经过噪声增强和潜在图像拼接处理后的负向 conditioning |
Latent | LATENT | 维度为 [batch_size, 32, height, width, channels] 的新 latent 输出 |
Source fingerprint (SHA-256):
f097b58f1948e5c0801f81b51a5189619695a6afa189368aff4c64b126fc5ce5