# MiniMax H3 Latent Upscale With Model

نود MiniMax H3 Latent Upscale With Model بخش ویدیویی یک latent مربوط به MiniMax H3 را با استفاده از یک مدل latent upscale به عرض و ارتفاع هدف تغییر اندازه می‌دهد. latent صوتی بدون تغییر همراه می‌ماند، بنابراین کلیپ صدای خود را حفظ می‌کند و نیازی به نمونه‌برداری مجدد نیست. زمانی از آن استفاده کنید که قرار است کلیپ با ابعاد بزرگ‌تری تولید شود؛ بعد از نمونه‌برداری MiniMax H3 و پیش از رمزگشایی H3 VAE.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
|-----------|-------------|-----------|----------|-------|
| `model` | مدل latent upscale که معمولاً با Load Latent Upscale Model بارگذاری می‌شود. باید یک latent upscaler سه‌بعدی (3D-conv) مربوط به MiniMax H3 باشد. | LATENT_UPSCALE_MODEL | بله | - |
| `samples` | latent مربوط به MiniMax H3 که باید تغییر اندازه داده شود. یک latent تودرتو بخش صوتی خود را همان‌گونه حفظ می‌کند. | LATENT | بله | - |
| `width` | عرض هدف ویدیو بر حسب پیکسل. latent به ستون‌های `width / 16` تغییر اندازه داده می‌شود، بنابراین مقدار به سمت پایین به مضربی از 16 گرد می‌شود. (پیش‌فرض: 2560) | INT | بله | 32 تا 16384 (گام: 32) |
| `height` | ارتفاع هدف ویدیو بر حسب پیکسل که آن نیز به سمت پایین به مضربی از 16 گرد می‌شود. (پیش‌فرض: 1440) | INT | بله | 32 تا 16384 (گام: 32) |

وقتی اندازه درخواستی از قبل با latent مطابقت دارد، latent ورودی بدون تغییر بازگردانده می‌شود. latent تغییراندازه‌داده‌شده هیچ `noise_mask` ندارد، بنابراین یک latent با ماسک جزئی ماسک خود را از دست می‌دهد. شبکه کانولوشن‌های سه‌بعدی خود را در تکه‌های زمانی (temporal slabs) اجرا می‌کند، که مصرف حافظه را در کلیپ‌های طولانی نزدیک به یک تکه (slab) نگه می‌دارد.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
|-------------|-------------|-----------|
| `LATENT` | latent تغییر اندازه داده شده، آماده برای رمزگشایی H3 VAE. | LATENT |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/MiniMaxH3LatentUpscaleWithModel/fa.md)

---
**Source fingerprint (SHA-256):** `cd659baace5a21620033dd3470b854cccbada01d09545a2f61273b949c3a004b`
