第三方插件
ComfyUI-WanVideoWrapper
FantasyTalking Wav2Vec Embeds
将一段输入语音（音频）通过 Wav2Vec2 和 FantasyTalking 模型处理，输出一个用于控制人物口型动作的视频嵌入（FANTASYTALKING_EMBEDS），可与 MimicMotionSampler 等节点联合使用，生成语音驱动的虚拟人说话动画。FantasyTalking Wav2Vec
节点中英文对比
按当前节点配置，分别展示中文与英文节点结构。
中文节点
FantasyTalking Wav2Vec Embeds
num_frames
fps
audio_scale
audio_cfg_scale
英文节点
FantasyTalking Wav2Vec Embeds
num_frames
fps
audio_scale
audio_cfg_scale
参数说明
依据当前节点关联的 `NodesItems` 数据展示输入、输出与控件说明。
输入参数
wav2vec_model
wav2vec_model
加载的语音特征提取模型。
fantasytalking_model
fantasytalking_model
FantasyTalking 所需的音频投影模型，含内置 proj_model 投影网络。
audio
audio
原始音频输入，格式为 {"waveform": tensor, "sample_rate": int}。
输出参数
fantasytalking_embeds
fantasytalking_embeds
输出包含 FantasyTalking 专用嵌入结构，包含音频特征、帧对齐长度及控制参数。
控件参数
num_frames
num_frames
目标视频帧数（即输出与音频对齐的帧数）。
fps
fps
视频帧率，用于计算音频截取时长。
audio_scale
audio_scale
音频语义引导强度。越大越依赖音频表达语义。
audio_cfg_scale
audio_cfg_scale
CFG 风格的双路径增强：>1 时启用“双推理”机制，一次使用音频，一次不使用音频条件。
详细说明
结合节点用途、参数和调用方式，给出更完整的说明内容。
暂无节点说明
同类节点导航
继续浏览同一分类下的相邻节点，方便串联学习。