# تحويل مرجع MiniMax H3 إلى فيديو

تُنشئ عقدة MiniMax H3 Reference to Video التكييف النصي والتمثيل الكامن الفارغ للصوت والفيديو اللازمين للتوليد من المرجع إلى الفيديو في MiniMax H3. تُقدِّم نصًا توجيهيًا بالإضافة إلى صور وفيديوهات ومقاطع صوتية مرجعية اختيارية، فتقوم العقدة بترميز هذه المراجع إلى تكييف يمكن للنموذج استخدامه أثناء التوليد. يشير النص التوجيهي إلى المراجع باستخدام وسوم `<Picture i>` و`<Video k>` و`<Audio j>`.

## المدخلات

| المعامل | الوصف | نوع البيانات | مطلوب | النطاق |
|-----------|-------------|-----------|----------|-------|
| `clip` | نموذج CLIP المستخدم لتقطيع النص التوجيهي إلى رموز وترميز الوسائط المرجعية إلى رموز تكييف. | CLIP | نعم | |
| `vae` | VAE الفيديو. من دونه، تُكيِّف الصور والفيديوهات المرجعية مشفّر النص فقط. | VAE | لا | |
| `audio_vae` | VAE الصوت. من دونه، يُكيِّف الصوت المرجعي مشفّر النص فقط. | VAE | لا | |
| `prompt` | النص التوجيهي للفيديو. يمكن الإشارة إلى الوسائط المرجعية باستخدام وسوم `<Picture i>` و`<Video k>` و`<Audio j>` (بترقيم يبدأ من 1 لكل نوع). يدعم النصوص متعددة الأسطر والنصوص الديناميكية. | STRING | نعم | |
| `العرض` | عرض الفيديو المُولَّد بالبكسل (القيمة الافتراضية: 1344). | INT | نعم | 32 إلى 16384 (الخطوة 32) |
| `الارتفاع` | ارتفاع الفيديو المُولَّد بالبكسل (القيمة الافتراضية: 768). | INT | نعم | 32 إلى 16384 (الخطوة 32) |
| `الطول` | عدد الإطارات بمعدل 24 إطارًا في الثانية، (124 = ~5 ثوانٍ، النطاق التدريبي هو ~124-362) (القيمة الافتراضية: 124). | INT | نعم | 5 إلى 3600 (الخطوة 17) |
| `حجم الصورة المرجعية` | حجم الصورة المرجعية. يقوم `match` بتحجيم كل مرجع (تصغير فقط، مع الحفاظ على النسبة) إلى مساحة البكسل الخاصة بالتوليد؛ ويستخدم `max` الحافة القصيرة 2048px من مسار المعالجة المرجعي للحصول على أفضل دقة في الحفاظ على الهوية. تمر رموز المرجع عبر كل خطوة أخذ عينات، لذا يمكن أن يكون `max` أبطأ عدة مرات (القيمة الافتراضية: `match`). | COMBO | نعم | `"match"`<br>`"max"` |
| `الصور المرجعية` | خانة قابلة للتوسيع: صِل حتى 9 صور مرجعية (`ref_image_1` ... `ref_image_9`). صورة مرجعية (تُصغَّر إلى حافة قصيرة 2048 إذا كانت أكبر، ولا تُكبَّر أبدًا). | IMAGE | لا | 0 إلى 9 |
| `الفيديوهات المرجعية` | خانة قابلة للتوسيع: صِل حتى 3 فيديوهات مرجعية (`ref_video_1` ... `ref_video_3`). إطارات الفيديو المرجعي بمعدل 24 إطارًا في الثانية (2-15 ثانية). | IMAGE | لا | 0 إلى 3 |
| `الصوتيات المرجعية للفيديو` | خانة قابلة للتوسيع: صِل حتى 3 مسارات صوتية (`ref_video_audio_1` ... `ref_video_audio_3`). المسار الصوتي للفيديو المرجعي ذي الرقم نفسه. | AUDIO | لا | 0 إلى 3 |
| `الصوتيات المرجعية` | خانة قابلة للتوسيع: صِل حتى 3 مقاطع صوتية مرجعية مستقلة (`ref_audio_1` ... `ref_audio_3`). صوت مرجعي مستقل. | AUDIO | لا | 0 إلى 3 |

ملاحظات:

- يشير النص التوجيهي إلى الوسائط المرجعية بوسوم تبدأ من 1 لكل نوع: `<Picture i>` للصور، و`<Video k>` للفيديوهات، و`<Audio j>` للصوت. تُقدَّم المراجع إلى النموذج بترتيب ثابت: الصور، ثم الفيديوهات (مع وضع تسمية `<Audio j>` لكل مسار صوتي مباشرةً قبل `<Video k>` الخاص به)، ثم الصوت المستقل.
- يُستخدم المسار الصوتي المتصل بـ `ref_video_audio_N` مع الفيديو المرجعي المتصل بـ `ref_video_N`.
- يجب أن تحتوي الفيديوهات المرجعية على 5 إطارات على الأقل (~0.2 ثانية بمعدل 24 إطارًا في الثانية)، وإلا فستُصدر العقدة خطأً. تُقتطع الإطارات التي تتجاوز `length` المطلوب، ويُعدَّل عدد الإطارات المتبقي إلى قيمة يدعمها النموذج.
- تُحاذى قيمة `length` المطلوبة مع عدد إطارات مدعوم قبل إنشاء التمثيل الكامن.
- من دون `vae`، تُكيِّف الصور والفيديوهات المرجعية مشفّر النص فقط (لا تُنتَج تمثيلات كامنة مرجعية). ومن دون `audio_vae`، يُكيِّف الصوت المرجعي مشفّر النص فقط.

## المخرجات

| اسم المخرج | الوصف | نوع البيانات |
|-------------|-------------|-----------|
| `positive` | تكييف يحتوي على النص التوجيهي المُرمَّز. عند توفير الوسائط المرجعية ووحدات VAE ذات الصلة، فإنه يحتوي أيضًا على محتوى الصور والفيديو والصوت المرجعي المُرمَّز والمستخدم بواسطة نموذج MiniMax H3. | CONDITIONING |
| `latent` | تمثيل كامن فارغ للصوت والفيديو عند القيم المطلوبة لـ `width` و`height` و`length` (عدد الإطارات)، بما في ذلك التمثيل الكامن للفيديو المحاذى والتمثيل الكامن للصوت. | LATENT |

> تم إنشاء هذه الوثيقة بواسطة الذكاء الاصطناعي. إذا وجدت أي أخطاء أو لديك اقتراحات للتحسين، فلا تتردد في المساهمة! [تحرير على GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/MiniMaxH3ReferenceToVideo/ar.md)

---
**Source fingerprint (SHA-256):** `47df0d6d13cb02aa4f69b50a7f8d0f6c1639c1fb5e0f69bf8fc57dd4cb752db8`
