# WanDancerEncodeAudio

این گره یک کلیپ صوتی را تحلیل می‌کند و آن را به مجموعه‌ای از ویژگی‌ها تبدیل می‌کند که می‌توانند مدل تولید ویدئو را هدایت کنند. این گره تمپو و ضرب‌ها را تخمین می‌زند، ویژگی‌های mel-spectrogram، MFCC، chroma و onset را استخراج می‌کند، سپس آن‌ها را همراه با نرخ فریم محاسبه‌شده برای همگام‌سازی بسته‌بندی می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | ضروری | محدوده |
| --- | --- | --- | --- | --- |
| `audio` | ورودی صوتی که باید تحلیل و رمزگذاری شود. اگر صدا چندکاناله باشد، کانال‌ها پیش از استخراج ویژگی میانگین‌گیری شده و به مونو تبدیل می‌شوند. | AUDIO | بله | - |
| `video_frames` | تعداد فریم‌های ویدئوی هدف. برای محاسبه نرخ فریم جهت همگام‌سازی استفاده می‌شود (پیش‌فرض: 149). | INT | بله | حداقل: 1، حداکثر: 16384 (MAX_RESOLUTION)، گام: 4 |
| `audio_inject_scale` | مقیاس ویژگی‌های صوتی هنگام تزریق به مدل ویدئو (پیش‌فرض: 1.0). | FLOAT | بله | حداقل: 0.0، حداکثر: 10.0، گام: 0.01 |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `audio_encoder_output` | یک دیکشنری شامل ویژگی‌های صوتی پردازش‌شده، نرخ فریم محاسبه‌شده (fps) و مقیاس تزریق صدا. این خروجی برای شرطی‌سازی مدل تولید ویدئو استفاده می‌شود. | AUDIO_ENCODER_OUTPUT |
| `fps_string` | یک رشته متنی که نرخ فریم محاسبه‌شده (fps) را بر اساس طول صدا و تعداد فریم‌های ویدئو توصیف می‌کند. این رشته برای استفاده در پرامپت مدل ویدئو در نظر گرفته شده است. قالب آن به زبان چینی است تا با خط لوله مرجع مطابقت داشته باشد. | STRING |

> 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/WanDancerEncodeAudio/fa.md)

---
**Source fingerprint (SHA-256):** `ce27a3bdea2d9e3cf8875c24236a2a0a1429e9bc13a58581e372fb669d2c0018`
