# AV Latentを結合

このノードは、ビデオ潜在表現とオーディオ潜在表現を単一の統合オーディオ・ビデオ（AV）潜在表現に結合し、LTXVやMiniMax H3などのAVモデルで使用できるようにします。ビデオ入力がすでにAV潜在表現である場合、そのビデオストリームは保持され、オーディオストリームのみが指定されたオーディオ潜在表現に置き換えられます。

## 入力

| パラメータ | 説明 | データ型 | 必須 | 範囲 |
| --- | --- | --- | --- | --- |
| `video_latent` | ビデオデータの潜在表現です。すでにビデオとオーディオの両方のストリームが含まれている場合、このノードはそのビデオストリームを保持し、`audio_latent` のオーディオに置き換えます。 | LATENT | はい |  |
| `audio_latent` | オーディオデータの潜在表現です。その長さはビデオストリームに合わせて調整されます。長いオーディオは切り詰められ、短いオーディオはゼロ埋めされます。 | LATENT | はい |  |

**注：** 両方の入力からのサンプルは、ネストされたテンソル内でビデオストリームとオーディオストリームのペアとして結合されます。いずれかの入力に `noise_mask` が含まれている場合、出力には結合されたマスクが含まれます。欠落しているマスクは、そのサンプルの形状に一致するすべてが1のマスクに置き換えられます。短いオーディオがパディングされた場合、パディングされた領域はマスクされずに残され、モデルがその領域を生成できるようになります。オーディオ潜在表現をビデオ潜在表現に適合できない場合、たとえば2つの潜在表現が複数の次元で異なる場合や、バッチ次元またはチャンネル次元で異なる場合、ノードはエラーを発生させます。

## 出力

| 出力名 | 説明 | データ型 |
| --- | --- | --- |
| `latent` | ビデオとオーディオのサンプルが2つのストリームとしてまとめて格納された潜在表現です。少なくとも1つの入力がマスクを提供する場合、結合された `noise_mask` も含まれます。 | LATENT |

> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/LTXVConcatAVLatent/ja.md)

---
**Source fingerprint (SHA-256):** `0231f9db2ce73132d8555fbb33f295b68aa68a0c1c54e4a0c5d2e1f67b5611cb`
