输入
注意： 提供
control_video 时，它会被截断为 length 帧，并缩放到指定的 width 和 height；如果其帧数少于 length，缺失帧将用中性灰色（值 0.5）填充。未提供时，会自动创建长度为 length 帧的中性灰色视频。control_masks 会缩放到指定的 width 和 height，截断为 length 帧，如果不足则用值 1.0 填充。该遮罩将控制视频分为非活动部分和响应部分，各部分分别经 VAE 编码后在通道维度上拼接；遮罩也会被降采样到潜在分辨率。提供 reference_image 时，它会经 VAE 编码并前置到潜在序列中。潜在帧数按 ((length - 1) // 4) + 1 计算，潜在空间维度为 height / 8 和 width / 8。
输出
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):
2039b7509ce5b731e9e41d9cd2dad022d4c5004751f571a4cf88c1ba0cae405b