> ## Documentation Index > Fetch the complete documentation index at: https://dripart-docs-recommend-assets-api.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # WanInfiniteTalkToVideo - ComfyUI Built-in Node Documentation > Complete documentation for the WanInfiniteTalkToVideo node in ComfyUI. Learn its inputs, outputs, parameters and usage. > 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/WanInfiniteTalkToVideo/zh.md) WanInfiniteTalkToVideo 节点可从音频输入生成视频序列。它使用视频扩散模型，以从一个或两个说话者提取的音频特征为条件，生成说话人视频的潜在表示。该节点可以生成新序列，或使用先前帧作为运动上下文来扩展现有序列。 ## 输入参数 | 参数 | 数据类型 | 必填 | 取值范围 | 描述 | | ------------------------ | ------------------ | -- | ---------------------------------------- | ---------------------------------------------------------------------- | | `mode` | COMBO | 是 | `"single_speaker"`
`"two_speakers"` | 音频输入模式。`"single_speaker"` 使用一个音频输入。`"two_speakers"` 启用第二个说话者的输入及相应的遮罩。 | | `model` | MODEL | 是 | - | 基础视频扩散模型。 | | `model_patch` | MODELPATCH | 是 | - | 包含音频投影层的模型补丁。 | | `positive` | CONDITIONING | 是 | - | 用于引导生成的正向条件。 | | `negative` | CONDITIONING | 是 | - | 用于引导生成的负向条件。 | | `vae` | VAE | 是 | - | 用于在图像和潜在空间之间进行编码的 VAE。 | | `width` | INT | 否 | 16 - MAX\_RESOLUTION | 输出视频的宽度（像素）。必须能被 16 整除。（默认值：832） | | `height` | INT | 否 | 16 - MAX\_RESOLUTION | 输出视频的高度（像素）。必须能被 16 整除。（默认值：480） | | `length` | INT | 否 | 1 - MAX\_RESOLUTION | 要生成的帧数。（默认值：81） | | `clip_vision_output` | CLIPVISIONOUTPUT | 否 | - | 用于附加条件的可选 CLIP 视觉输出。 | | `start_image` | IMAGE | 否 | - | 用于初始化视频序列的可选起始图像。 | | `audio_encoder_output_1` | AUDIOENCODEROUTPUT | 是 | - | 包含第一个说话者特征的主音频编码器输出。 | | `motion_frame_count` | INT | 否 | 1 - 33 | 扩展现有序列时，用作运动上下文的先前帧数。（默认值：9） | | `audio_scale` | FLOAT | 否 | -10.0 - 10.0 | 应用于音频条件的缩放因子。（默认值：1.0） | | `previous_frames` | IMAGE | 否 | - | 用于扩展的可选先前视频帧。 | | `audio_encoder_output_2` | AUDIOENCODEROUTPUT | 否 | - | 第二个音频编码器输出。当 `mode` 设置为 `"two_speakers"` 时必须提供。 | | `mask_1` | MASK | 否 | - | 第一个说话者的遮罩，使用两个音频输入时必须提供。 | | `mask_2` | MASK | 否 | - | 第二个说话者的遮罩，使用两个音频输入时必须提供。 | **参数约束：** * 当 `mode` 设置为 `"two_speakers"` 时，参数 `audio_encoder_output_2`、`mask_1` 和 `mask_2` 变为必填项。 * 如果提供了 `audio_encoder_output_2`，则必须同时提供 `mask_1` 和 `mask_2`。 * 如果提供了 `mask_1` 和 `mask_2`，则必须同时提供 `audio_encoder_output_2`。 * 如果提供了 `previous_frames`，则其包含的帧数必须至少等于 `motion_frame_count` 指定的数量。 ## 输出参数 | 输出名称 | 数据类型 | 描述 | | ------------ | ------------ | ------------------------------------- | | `model` | MODEL | 应用了音频条件处理的修补后模型。 | | `positive` | CONDITIONING | 正向条件，可能已根据附加上下文（例如起始图像、CLIP 视觉）进行了修改。 | | `negative` | CONDITIONING | 负向条件，可能已根据附加上下文进行了修改。 | | `latent` | LATENT | 潜在空间中生成的视频序列。 | | `trim_image` | INT | 扩展现有序列时，应从运动上下文开始处裁剪的帧数。 |