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LTXVConcatAVLatent 节点将视频潜在表示和音频潜在表示合并为一个单一的、拼接后的潜在输出。它会合并两个输入中的
samples 张量，如果存在的话，也会合并它们的 noise_mask 张量，为视频生成流程中的后续处理做好准备。
输入参数
注意：
video_latent 和 audio_latent 输入中的 samples 张量会被拼接。如果任一输入包含 noise_mask，则会使用它；如果某个输入缺少 noise_mask，则会为其创建一个全为 1 的掩码（形状与对应的 samples 相同）。然后，生成的掩码也会被拼接。