# WanFirstLastFrameToVideo

گره WanFirstLastFrameToVideo با ترکیب یک فریم شروع و یک فریم پایان با پرامپت‌های متنی، کاندیشنینگ را برای تولید ویدیو آماده می‌کند. این گره تصاویر فریم را در فضای نهان (latent) کدگذاری می‌کند، ماسکی می‌سازد که به مدل ویدیویی نشان می‌دهد کدام فریم‌ها از قبل مشخص هستند و در صورت ارائه شدن، ویژگی‌های CLIP vision را به آن متصل می‌کند. خروجی گره شامل کاندیشنینگ مثبت و منفی به‌روزرسانی‌شده به همراه یک latent خالی است که اندازه و طول ویدیوی مورد تولید را تعیین می‌کند.

## ورودی‌ها

| Parameter | Description | Data Type | Required | Range |
| --- | --- | --- | --- | --- |
| `مثبت` | کاندیشنینگ متنی مثبت که برای هدایت تولید ویدیو استفاده می‌شود. | CONDITIONING | بله | - |
| `منفی` | کاندیشنینگ متنی منفی که برای هدایت تولید ویدیو استفاده می‌شود. | CONDITIONING | بله | - |
| `vae` | مدل VAE که برای کدگذاری تصاویر فریم ترکیب‌شده در فضای نهان استفاده می‌شود. | VAE | بله | - |
| `عرض` | عرض ویدیوی تولیدشده بر حسب پیکسل (پیش‌فرض: 832، گام: 16). | INT | بله | 16 تا MAX_RESOLUTION |
| `ارتفاع` | ارتفاع ویدیوی تولیدشده بر حسب پیکسل (پیش‌فرض: 480، گام: 16). | INT | بله | 16 تا MAX_RESOLUTION |
| `طول` | تعداد فریم‌ها در دنباله ویدیو (پیش‌فرض: 81، گام: 4). | INT | بله | 1 تا MAX_RESOLUTION |
| `اندازه دسته` | تعداد ویدیوهایی که به طور همزمان تولید می‌شوند (پیش‌فرض: 1). | INT | بله | 1 تا 4096 |
| `تصویر شروع clip vision` | ویژگی‌های CLIP vision استخراج‌شده از تصویر شروع. اگر هر دو ورودی CLIP vision شروع و پایان ارائه شوند، ویژگی‌های آن‌ها ترکیب می‌شوند. | CLIP_VISION_OUTPUT | خیر | - |
| `تصویر پایان clip vision` | ویژگی‌های CLIP vision استخراج‌شده از تصویر پایان. اگر هر دو ورودی CLIP vision شروع و پایان ارائه شوند، ویژگی‌های آن‌ها ترکیب می‌شوند. | CLIP_VISION_OUTPUT | خیر | - |
| `تصویر شروع` | تصویر فریم شروع برای دنباله ویدیو. اولین `length` فریم آن استفاده شده و به اندازه `width` × `height` تغییر اندازه داده می‌شود. | IMAGE | خیر | - |
| `تصویر پایان` | تصویر فریم پایان برای دنباله ویدیو. آخرین `length` فریم آن استفاده شده و به اندازه `width` × `height` تغییر اندازه داده می‌شود. | IMAGE | خیر | - |

**نکته:** وقتی حداقل یکی از `start_image` یا `end_image` ارائه شود، گره یک دنباله فریم ترکیبی می‌سازد که در آن فریم‌های شروع و پایان پر شده‌اند و فریم‌های باقی‌مانده از یک مقدار جایگزین خاکستری خنثی (0.5) استفاده می‌کنند. یک ماسک نواحی پر شده را به عنوان مشخص (known) و نواحی جایگزین را به عنوان نامشخص (unknown) علامت‌گذاری می‌کند و به مدل ویدیو اجازه می‌دهد فریم‌های میانی را تولید کند. وقتی تصویر شروع ارائه شود، ناحیه مشخص نیز ۳ فریم اضافی فراتر از تصویر گسترش می‌یابد. همان تصویر فریم کدگذاری‌شده و همان ماسک به هر دو کاندیشنینگ `positive` و `negative` متصل می‌شوند. اگر هر دو ورودی CLIP vision ارائه شوند، حالت‌های پنهان آن‌ها به هم الحاق (concatenate) می‌شوند؛ اگر فقط یکی ارائه شود، به تنهایی استفاده می‌شود. طول ویدیوی نهان از `length` پس از فشرده‌سازی زمانی به دست می‌آید: `((length - 1) // 4) + 1`.

## خروجی‌ها

| Output Name | Description | Data Type |
| --- | --- | --- |
| `مثبت` | کاندیشنینگ مثبت به همراه تصویر فریم کدگذاری‌شده، ماسک و (در صورت ارائه) ویژگی‌های CLIP vision متصل‌شده. | CONDITIONING |
| `منفی` | کاندیشنینگ منفی به همراه تصویر فریم کدگذاری‌شده، ماسک و (در صورت ارائه) ویژگی‌های CLIP vision متصل‌شده. | CONDITIONING |
| `latent` | تنسور latent خالی (همه صفرها) که برای اندازه دسته، طول ویدیو و وضوح داده‌شده شکل‌دهی شده است. | 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/WanFirstLastFrameToVideo/fa.md)

---
**Source fingerprint (SHA-256):** `0072e441cb80334c3c961d1bbf2d081c78bc38ed1eacca840c577a2d01b36f05`
