# Wan22ImageToVideoLatent

Wan22ImageToVideoLatent نمایش‌های لاتنت ویدئو را از تصاویر ایجاد می‌کند. یک فضای لاتنت ویدئویی خالی با عرض، ارتفاع، طول فریم و اندازه دسته مشخص‌شده تولید می‌کند و می‌تواند به‌صورت اختیاری یک توالی تصویر شروع را در فریم‌های ابتدایی رمزگذاری کند. وقتی تصویر شروع ارائه شود، گره آن را در فضای لاتنت رمزگذاری می‌کند و یک ماسک نویز متناظر می‌سازد که نشان می‌دهد کدام نواحی باید در حین تولید نویززدایی شوند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `vae` | مدل VAE مورد استفاده برای رمزگذاری تصویر شروع در فضای لاتنت | VAE | بله | - |
| `عرض` | عرض ویدئوی خروجی بر حسب پیکسل (پیش‌فرض: 1280، گام: 32) | INT | بله | 32 تا MAX_RESOLUTION |
| `ارتفاع` | ارتفاع ویدئوی خروجی بر حسب پیکسل (پیش‌فرض: 704، گام: 32) | INT | بله | 32 تا MAX_RESOLUTION |
| `طول` | تعداد فریم‌ها در توالی ویدئو (پیش‌فرض: 49، گام: 4) | INT | بله | 1 تا MAX_RESOLUTION |
| `اندازه بچ` | تعداد لاتنت‌های ویدئو برای تولید (پیش‌فرض: 1) | INT | بله | 1 تا 4096 |
| `تصویر شروع` | توالی تصویر شروع اختیاری برای رمزگذاری در فریم‌های ابتدایی لاتنت ویدئو (از اولین `length` فریم استفاده می‌کند) | IMAGE | خیر | - |

**نکته:** وقتی `start_image` ارائه شود، توالی تصویر به `width` و `height` هدف بزرگ‌نمایی می‌شود، با VAE رمزگذاری می‌گردد و در فریم‌های ابتدایی لاتنت قرار می‌گیرد. ماسک نویز برای آن فریم‌ها روی 0 تنظیم می‌شود (حفظ‌شده)، در حالی که فریم‌های باقی‌مانده مقدار ماسک 1 دارند (برای نویززدایی). لاتنت همیشه 48 کانال، ابعاد مکانی `height / 16` در `width / 16` و بعد زمانی `((length - 1) // 4) + 1` دارد. `width` و `height` باید بر 16 بخش‌پذیر باشند (با گام 32 اعمال می‌شود)، و `length` بعد زمانی را با گام‌های 4 افزایش می‌دهد.

وقتی `start_image` ارائه نشود، یک لاتنت کاملاً خالی بدون ماسک نویز بازگردانده می‌شود، و ورودی `batch_size` روی آن لاتنت خالی اعمال نمی‌شود.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `samples` | نمایش لاتنت ویدئوی تولیدشده، تکرارشده برای هر آیتم در دسته | LATENT |
| `noise_mask` | ماسک نویز که نشان می‌دهد کدام نواحی باید نویززدایی شوند (مقدار 1) و کدام نواحی تصویر شروع رمزگذاری‌شده را حفظ می‌کنند (مقدار 0) | LATENT |

هر دو فیلد با هم در یک خروجی LATENT بازگردانده می‌شوند.

> 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/Wan22ImageToVideoLatent/fa.md)

---
**Source fingerprint (SHA-256):** `3d05980641eeef2e86df7a845aa8b2bd703882db98fe71adef2746ab34a9d717`
