音频与视频 latent 长度不一致时,LTXVConcatAVLatent 会将音频调整到适配视频:较长音频被裁切,较短音频被零填充。合并前先判断长音频尾部内容丢失是否可接受;短音频则要检查填充区域的 noise_mask 是否保持未屏蔽,以便模型生成。如果 batch、channel 或其他维度不兼容,导致 latent 无法适配,就先停止并处理输入,不要假设节点会自动修复维度。
判断长度差异并准备输入
- 确认接入节点的
video_latent和audio_latent。查看界面显示的实际类型标签;节点颜色只能作视觉提示,不能证明输入类型兼容。 - 用工作流显示的信息或自己的检查方法记录两者长度并作比较。不要擅自假设长度单位,也不要推算文档未说明的帧数与音频长度换算关系。
- 若音频较长,先找出视频适配范围之外的内容。只有确认尾部损失是有意且可以接受时才继续。如果超出部分含有必须保留的台词、音乐提示或其他内容,应先在上游准备合适的音频 latent,或调整视频长度。
- 若音频较短,判断视频剩余区间是否需要模型生成。合并后检查输出
noise_mask中的填充区;文档说明该区域保持未屏蔽,以便模型生成。不要把零填充理解为保留下来的静音录音。 - 执行工作流前确认输入可以适配。文档列出的失败情形包括两个 latent 在多于一个维度上不一致,以及 batch 或 channel 维度不一致。遇到这些情况先停止,在上游准备兼容的 latent;不要依赖节点自动缩放或修正 batch。
该节点会把两路数据组合为嵌套张量。如果视频 latent 已含音频,节点保留其视频流,并以提供的音频 latent 替换原音频。因此,先确认要保留的究竟是哪一段音频。
假设验收工作表
下表数字是用于规划的假设观察,并非实测 ComfyUI 结果。“长度单位”指创作者所用检查方法报告的数值;文档没有在此定义单位换算公式。记录判断后,还应检查实际输出。
| 情形 | 视频长度 | 音频长度 | 预期长度处理 | 检查与决定 |
|---|---|---|---|---|
| 音频较长 | 120单位 | 150单位 | 裁切音频以适配视频 | 假设末尾30单位含必须保留的台词;除非可接受丢失或先修改输入,否则拒绝这组搭配。 |
| 音频较短 | 120单位 | 90单位 | 对短音频零填充 | 检查输出 mask 的填充区;只有该区未屏蔽且确实要生成时才接受。 |
| 维度不匹配 | 120单位 | 90单位 | 长度调整可能无法完成 | 假设 batch 不同;停止并先在上游修正,不能只凭长度已匹配就继续。 |
这张表是创作者的对照方法,不是额外的节点功能,也不保证具体输出尺寸。官方文档定义了裁切、零填充、mask 处理及输入形状不兼容时的错误,但没有规定自定义检查工具所用长度单位的解释方式。
限制与失败后的处理
裁切会丢失被排除的音频部分,不能由该节点恢复。零填充也不会带入原始录音。文档所述的未屏蔽填充区可供模型生成,但不保证生成结果能自然衔接,也不保证符合某个特定续接内容;仍需依据场景和台词意图检查结果。
若节点报告输入无法适配,先记录哪些维度不同,并优先核对 batch 与 channel。随后在上游准备兼容的 latent,再重试。如果输出 mask 缺失,文档说明:在形成组合 mask 时,缺少 mask 的输入会以与其样本形状匹配的全一 mask 替代;但没有描述所有下游模型对该 mask 的处理方式。应检查工作流实际传给下游的输出。节点文档也没有说明可单独控制保留已裁切音频或更改填充策略的参数。
常见追问
节点会把过长音频拉伸到视频长度吗? 不会。文档定义的是裁切,不是时间拉伸。若需要改变时序,应在上游准备不同的音频 latent。
零填充是否表示新增区间就是静音? 它表示向较短 latent 加入零值。文档还说明填充区未屏蔽、可供模型生成,因此不能假设它是固定且保留的静音内容。
视频 latent 已经有音频时会怎样? 节点保留视频流,并用提供的音频流替换原音频。合并前确认输入的音频就是要使用的那一段。
来源
来源与下一步
本文依据公开文档解释操作,并使用明确标注的假设验收示例,不是软件实测。控件与可用功能可能变化,请对照所引手册和你的安装版本。
若你在 Imagild 中继续创作,可将输入要求和验收清单带到微电影工作台。上文讨论的外部软件控件属于其各自产品。