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TextEncodeHunyuanVideo_ImageToVideo 节点通过将文本提示与图像嵌入相结合，为视频生成创建条件数据。它使用 CLIP 模型处理文本输入和来自 CLIP 视觉输出的视觉信息，然后根据指定的图像交错设置生成融合这两种来源的令牌。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
clip | CLIP | 是 | - | 用于分词和编码的 CLIP 模型 |
clip视觉输出 | CLIP_VISION_OUTPUT | 是 | - | 来自 CLIP 视觉模型的视觉嵌入，提供图像上下文 |
提示 | STRING | 是 | - | 用于指导视频生成的文本描述，支持多行输入和动态提示 |
图像交错 | INT | 是 | 1-512 | 图像相对于文本提示的影响程度。数值越大，文本提示的影响越大。（默认值：2） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
CONDITIONING | CONDITIONING | 结合文本和图像信息用于视频生成的条件数据 |
Source fingerprint (SHA-256):
ee748bd1fb1733593eb4cb1187c5cc279171163cfbc389f039378d0e366fc231