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。