GrokVideoReferenceNode - ComfyUI Built-in Node Documentation

Grok 参考转视频节点根据文本提示生成视频，使用最多七张参考图像来引导输出的风格和内容。使用 grok-imagine-video-1.5 模型时，您还可以附加最多三个预设语音参考，并可通过 @ImageN 和 @AudioN 标签在提示中直接引用图像和语音。该节点将请求发送到外部 API，等待生成完成，然后下载生成的视频。

输入

通用输入

参数	描述	数据类型	是否必填	范围
`模型`	用于视频生成的模型。	DYNAMIC_COMBO	是	`"grok-imagine-video-1.5"` `"grok-imagine-video"`
`提示词`	所需视频的文本描述。必须是非空字符串。	STRING	是	N/A
`种子`	用于确定节点是否应重新运行的种子；无论种子如何，实际结果都是不确定的（默认：0）。	INT	是	0 到 2147483647

Grok Imagine Video 1.5 输入

当 model 设置为 grok-imagine-video-1.5 时可用。

参数	描述	数据类型	是否必填	范围
`voice_1`	可选的预设语音参考；在提示中以 @Audio1 引用它。API 仅支持这些预设语音，不支持自定义音频（默认：none）。	COMBO	否	预设语音选项，包括 `"none"`
`voice_2`	可选的第二个语音参考；在提示中为 @Audio2（默认：none）。	COMBO	否	预设语音选项，包括 `"none"`
`voice_3`	可选的第三个语音参考；在提示中为 @Audio3（默认：none）。	COMBO	否	预设语音选项，包括 `"none"`
`resolution`	输出视频的分辨率。	COMBO	是	`"480p"` `"720p"`
`aspect_ratio`	输出视频的宽高比。	COMBO	是	`"16:9"` `"4:3"` `"3:2"` `"1:1"` `"2:3"` `"3:4"` `"9:16"`
`duration`	输出视频的时长（秒）（默认：6）。	INT	是	1 到 15

Grok Imagine Video 输入

当 model 设置为 grok-imagine-video 时可用。

参数	描述	数据类型	是否必填	范围
`resolution`	输出视频的分辨率。	COMBO	是	`"480p"` `"720p"`
`aspect_ratio`	输出视频的宽高比。	COMBO	是	`"16:9"` `"4:3"` `"3:2"` `"1:1"` `"2:3"` `"3:4"` `"9:16"`
`duration`	输出视频的时长（秒）（默认：6）。	INT	是	2 到 10

参考输入

参数	描述	数据类型	是否必填	范围
`reference_images`	可增长插槽：连接 1 到 7 张参考图像以引导视频生成。使用 `grok-imagine-video-1.5` 时，请在提示中按输入顺序将其引用为 @Image1 … @Image7；批量输入按每张图像计数一次。	IMAGE	是	1 到 7 张图像

注意： 显示的子参数取决于所选的 model；grok-imagine-video-1.5 会添加 voice_1、voice_2 和 voice_3 输入。至少需要一张参考图像，总数上限为 7（批量输入按每张图像计数一次）。使用 grok-imagine-video-1.5 时，提示可以将已连接的图像引用为 @Image1 … @Image7，将语音槽位引用为 @Audio1、@Audio2、@Audio3；未编号的 @image 或 @audio 表示第一个。@AudioN 指的是 voice_N 控件，而不是已启用语音的顺序。引用未连接的图像或设置为 none 的语音槽位会导致错误。API 仅支持预设语音，不支持自定义音频。

输出

输出名称	描述	数据类型
`video`	生成的视频文件。	VIDEO

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): e584c450563eaa7fcb7751d2325f9ef847fa34a4342df01f2bd9ce2e4ff8f2c3

​输入

​通用输入

​Grok Imagine Video 1.5 输入

​Grok Imagine Video 输入

​参考输入

​输出

输入

通用输入

Grok Imagine Video 1.5 输入

Grok Imagine Video 输入

参考输入

输出