Skip to main content
Wan 2.5 I2V Preview の API リファレンスです。Wan 2.5 の画像から動画への変換では、静止した最初のフレームを短いビデオに変換し、その動きとカメラの動きはプロンプトで記述します。 入力: 画像, オーディオ, テキスト · 出力: ビデオ + オーディオ

クイックスタート

Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk および npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、生の HTTP で同じ呼び出しを行います。 モデル ID: wan/wan2.5-i2v-preview エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.5-i2v-preview
同じボディを POST https://api.comfy.org/v2/models/wan/wan2.5-i2v-preview/requests に送信します。Router は実行が受け付けられるとすぐに 201 と request_id を返し、結果は準備ができ次第、このプロセスからでも別のプロセスからでも収集できます。キュー配信では、ステータス、キャンセル、収集について説明しています。

スキーマ

入力

object
必須
プロンプトなどの基本情報を入力します。
string
オーディオファイルのダウンロードURL。対応フォーマット: mp3 および wav。reference_video_urls とは併用できません。
string
先頭フレーム画像のURL、またはBase64エンコードされたデータ。wan2.5-i2v-preview および wan2.6-i2v モデルでは必須です。happyhorse-1.x の i2v 系の表記では、先頭フレームをここでは受け取りません。type が first_frame の media 要素として受け取ります(下記の media を参照)。また、wan2.6-i2v では成功する img_url ボディも、happyhorse-1.0-i2v および happyhorse-1.1-i2v ではプロバイダーに拒否されます。さらに wan2.7/wan3.0 系の表記も参照アセットを media で受け取ります。画像フォーマット: JPEG、JPG、PNG、BMP、WEBP。解像度: 360~2000 ピクセル。ファイルサイズ: 最大 10MB。
object[]
メディアアセットの一覧。ビデオ生成用の参照素材(画像、オーディオ、ビデオ)を指定します。各要素は type フィールドと url フィールドを含みます。このフィールドはこのコンポーネントから提供されるすべてのモデルで共有されています。あるモデルがどの type 値を受け入れるか、また画像やビデオの入力を img_url や reference_video_urls ではなくそもそもここで受け取るかどうかは、モデルによって異なります。モデルごとの対応 type 値:
  • wan2.7-i2v: first_frame、last_frame、driving_audio、first_clip。first_frame と last_frame: JPEG/JPG/PNG/BMP/WEBP、1辺 240~8000 ピクセル、アスペクト比 1:8~8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。driving_audio(WAV/MP3、2~30 秒、最大 15MB)と first_clip(MP4/MOV、2~10 秒、1辺 240~4096 ピクセル、最大 100MB): 公開 HTTP/HTTPS URL。インラインの data: URL は受け付けられません。
  • wan2.7-r2v: first_frame(任意、最大 1)、reference_image、reference_video。reference_image または reference_video が少なくとも 1 つ必要で、reference_image と reference_video を合計して最大 5 つです。first_frame と reference_image: JPEG/JPG/PNG/BMP/WEBP(アルファチャンネルなし)、1辺 240~8000 ピクセル、アスペクト比 1:8~8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。reference_video: 公開 HTTP/HTTPS URL。インラインの data: URL は受け付けられません。
  • wan2.7-videoedit: video(ちょうど 1 つ、編集対象のクリップ: MP4/MOV、2~10 秒、1辺 240~4096 ピクセル、最大 100MB、公開 HTTP/HTTPS URL。インラインの data: URL は受け付けられません)に加えて、任意で 0~4 つの reference_image(JPEG/JPG/PNG/BMP/WEBP、1辺 240~8000 ピクセル、アスペクト比 1:8~8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL)。
  • wan3.0-video、wan3.0-video-prime: first_frame(最大 1)、last_frame(最大 1)、reference_image(最大 10)、reference_video(最大 5 クリップ、合計再生時間 <= 15 秒)、reference_audio(最大 5 クリップ、合計再生時間 <= 15 秒)、file(最大 1、link とは併用不可)、link(最大 1、file とは併用不可)。reference_*/file/link の type と first_frame/last_frame の type は、同じリクエスト内では同時に使用できません。配列の順序が、プロンプト内のアセットの参照順(Image 1、Video 1、Audio 1、…)を定義します。first_frame、last_frame、reference_image: JPEG/JPG/PNG/BMP/WEBP、1辺 240~8000 ピクセル、アスペクト比 最大 8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。reference_video、reference_audio、file、link: 公開 HTTP/HTTPS URL。インラインの data: URL は受け付けられません。
  • happyhorse-1.0-i2v、happyhorse-1.1-i2v: first_frame のみ、ちょうど 1 つ。これらの表記では先頭フレームをここで受け取り、img_url では受け取りません。少なくとも 300x300 ピクセル、アスペクト比 1:2.5~2.5:1、JPEG/JPG/PNG/WEBP、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。
  • happyhorse-1.0-r2v、happyhorse-1.1-r2v: reference_image のみ、1~9 つ。これはこのモデル唯一の参照入力です。最短辺が少なくとも 400 ピクセル、JPEG/JPG/PNG/WEBP、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。reference_video はこの操作の入力タイプではありません。
  • happyhorse-1.0-video-edit: video(ちょうど 1 つ、編集対象のクリップ: MP4/MOV、3~60 秒、長辺が最大 4096 ピクセル、短辺が少なくとも 360 ピクセル、アスペクト比 1:2.5~2.5:1、最大 100MB、公開 HTTP/HTTPS URL。インラインの data: URL は受け付けられません)に加えて、任意で 0~5 つの reference_image(JPEG/JPG/PNG/BMP/WEBP、少なくとも 300x300 ピクセル、アスペクト比 1:2.5~2.5:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL)。
  • happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview: テキストから動画への操作です。これらのパートナーのリファレンスには media 入力の記載がないため、このフィールドは未設定のままにしてください。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v: このコンポーネントはこれらの表記に対する media の語彙を列挙していません。wan2.5-i2v-preview と wan2.6-i2v は先頭フレームを img_url で受け取り、wan2.6-r2v は参照クリップを reference_video_urls で受け取ります。 上記のモデルごとの個数は、このスキーマの制約ではなくパートナーの制約です。media には minItems/maxItems が宣言されていません。許容される type とその上限がモデルごとに異なるためです。スキーマが受け入れることは、プロバイダーが受け入れることを意味しません。逆に、上記のアセットごとの「最大 20MB」という数値は、インラインで送信できる唯一の入力である画像入力に対する上限であり、最終的にパートナーが扱うアセットに対するパートナーの上限です。アセットが公開URLである場合、そのバイト列が Comfy を経由しないため、これらの数値は記載どおりに適用されます。インラインの data:{MIME_type};base64,… URL は Comfy を経由するため、転送時の上限にも直面します。Comfy Router の POST ボディは合計 100 MiB に制限されており、それを超えると 413 が返されます。また base64 はペイロードを約 4/3 に膨らませます。そのため、およそ 75 MB を超える単一のインラインアセットは、ここに記載したパートナーのルールのいずれかに到達する前に拒否されます。そのサイズでは、パートナー自身の 20MB の上限はインラインでも問題なく収まるため、単一のアセットではパートナーのルールが制約となり、複数のアセットにまたがる場合は転送の上限が制約となります。100 MiB の Router 上限は各要素ではなくリクエスト全体を制限するためです。これらの上限に近いものは、パブリック URL として送信してください。
string
必須
メディアアセットのタイプ指定可能な値: first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必須
メディアファイルの URL。パブリックな HTTP/HTTPS URL、または(上記の media の説明が各モデルについて列挙しているまさにその画像入力に限り)インラインの data:{MIME_type};base64,... URL です。その対象は、wan2.7-i2v の first_frame と last_frame、wan2.7-r2v の first_frame と reference_image、wan2.7-videoedit の reference_image、wan3.0-video と wan3.0-video-prime の first_frame、last_frame、reference_image、happyhorse-1.0-i2v と happyhorse-1.1-i2v の first_frame、happyhorse-1.0-r2v と happyhorse-1.1-r2v の reference_image、および happyhorse-1.0-video-edit の reference_image です。これらのモデルのいずれにおいても、video、audio、file、link の入力はインラインの data: URL を受け付けません。パートナー自身のアップロードサービスが発行する oss://dashscope-instant の一時 URL、または(wan2.7-videoedit では)Asset Center の asset_id は、それをアップロードした Alibaba Cloud アカウントに対してのみ解決されます。Comfy は自身のキーでモデルを呼び出し、アップロード経路を公開していないため、呼び出し元自身の oss:// URL や asset_id はサポートされる入力ではありません。このフィールドは URL スキームを検証しないため、そのような値はここで拒否されることなく、そのままパートナーへ転送されます。モデルごとのサイズとピクセルの制限、およびインラインのペイロードを全体として制限する 100 MiB の Router リクエストボディ上限については、media の説明を参照してください。
string
ネガティブプロンプトは、ビデオ画面に表示したくないコンテンツを記述するために使用します
string
テキストプロンプト。中国語と英語をサポートし、長さは 800 文字以内です (wan3.0-video では最大 20,000 文字。制限を超えたコンテンツは切り捨てられます)。 複数の参照ビデオを使う wan2.6-r2v では、参照ビデオの順序に従って被写体を指すために ‘character1’、‘character2’ などを使用します。例: “Character1 sings on the roadside, Character2 dances beside it” wan3.0-video の参照モードでは、media 配列内の対応する順序でメディアアセットを指すために ‘Image 1’、‘Video 1’、‘Audio 1’ などを使用します。
string[]
wan2.6-r2v モデル専用の参照ビデオ URL。1~3 本のビデオ URL の配列です。 入力の制限:
  • 形式: mp4、mov
  • 本数: 1~3 本
  • 1 本あたりのビデオの長さ: 2~30 秒
  • 1 ファイルあたりのサイズ: 最大 30MB
  • audio_url とは併用できません 参照の再生時間: 1 本の場合は最大 5 秒、2 本の場合はそれぞれ最大 2.5 秒、3 本の場合は比例して短くなります。 課金: 実際に使用した参照の再生時間に基づきます。
string
ビデオエフェクトのテンプレート名。任意です。現在サポートされているのは squish、flying、carousel です。使用した場合、prompt パラメータは無視されます。
string
呼び出すモデルの ID。このコンポーネントでは制約されません。Comfy Router が POST /v2/models/wan/{model} の {model} パスセグメントから設定するため、Router の呼び出し元は省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis への v1 の直接呼び出しでは必ず指定する必要があり、受け入れられる表記の enum はその操作自身のコンポーネントである WanVideoGenerationRequest にあります。
object
ビデオ処理パラメータ
boolean
デフォルト:"true"
ビデオにオーディオを追加するかどうか。wan3.0-video と wan3.0-video-prime でのみサポートされます。その他の wan モデルについては、プロバイダーはそのような切り替えを文書化していません。
string
デフォルト:"\"auto\""
wan2.7-videoedit モデルのビデオオーディオ設定。
  • auto(デフォルト): モデルがプロンプトのコンテンツに基づいてインテリジェントに判断します
  • origin: 入力ビデオのオリジナルオーディオを強制的に保持します 指定可能な値: auto、origin
integer
デフォルト:"5"
生成されるビデオの再生時間(秒):
  • wan2.5 モデル: 5 秒または 10 秒
  • wan2.6-t2v、wan2.6-i2v: 5 秒、10 秒、または 15 秒
  • wan2.6-r2v: 5 秒または 10 秒のみ(15 秒はサポートされません)
  • wan2.7-i2v、wan2.7-t2v: [2, 15] の整数
  • wan2.7-r2v、wan2.7-videoedit: [2, 10] の整数
  • wan3.0-video: ビデオ入力なしの場合は [2, 30] の整数。ビデオ入力ありの場合は、入力ビデオの 再生時間と出力ビデオの再生時間の合計が 30 秒を超えてはなりません。-1 は スマート再生時間モードを有効にし、モデルが適切な再生時間を選択します このプロキシは [-1, 30] の範囲外の再生時間に対して 400 を返します。 範囲: -1 ~ 30
boolean
デフォルト:"true"
プロンプトのインテリジェントな書き換えを有効にするかどうか。デフォルトは true です
string
生成されるビデオのアスペクト比。wan2.7 および wan3.0 モデル専用です。 wan2.7 モデルでは、指定しない場合は解像度の階層に基づいてデフォルトが決まります。 wan3.0-video では、adaptive(デフォルト)が、入力メディアの比率と意図に基づいて 適切なアスペクト比を自動的に提案します。指定可能な値: adaptive、16:9、9:16、1:1、4:3、3:4
string
解像度レベル。サポートされる値はモデルによって異なります:
  • wan2.5-i2v-preview: 480P、720P、1080P
  • wan2.6 モデル(t2v、i2v、r2v): 720P、1080P のみ(480P はサポートされません)
  • wan2.7 モデル(i2v、t2v、r2v、videoedit): 720P、1080P(デフォルトは 1080P)
  • wan3.0-video, wan3.0-video-prime: 480P, 720P, 1080P (アップストリームのデフォルトは 1080P)
  • happyhorse-1.0-* (t2v, i2v, r2v, video-edit): 720P, 1080P
  • happyhorse-1.1-* (t2v, i2v, r2v): 480P, 720P, 1080P このプロキシは、解像度とサイズのどちらも指定されていないビデオ生成リクエストを拒否します。解像度の階層が課金レートを決定するためです。解像度は検証の前に大文字へ変換され、その大文字化された値が転送されます。この enum に含まれない値に対しては 400 を返し、上記で 480P 非対応として示されている wan2.6、wan2.7、happyhorse-1.0 のモデルでは、480P (解像度として送信された場合でも、480P のサイズとして送信された場合でも) に対して 400 を返します。 指定可能な値: 480P, 720P, 1080P
integer
乱数シード。モデルが生成するコンテンツのランダム性を制御するために使用します。範囲: 0 から 2147483647
string
デフォルト:"\"single\""
インテリジェントなマルチレンズ制御。prompt_extend が有効な場合にのみ機能します。wan2.6 および wan2.7-r2v モデル用です。
  • single: 単一ショットのビデオ (デフォルト)
  • multi: マルチショットのビデオ 指定可能な値: multi, single
string
幅高さ 形式のビデオ解像度。対応する解像度はモデルによって異なります: wan2.5 T2V の場合: 480P (480832, 832480, 624624), 720P, 1080P のサイズ wan2.6 T2V/R2V の場合 (480P なし): 720P: 1280720, 7201280, 960960, 1088832, 8321088 1080P: 19201080, 10801920, 14401440, 16321248, 12481632 size と resolution の両方を送信した場合、課金階層を選択するのは size であり、resolution は引き続きこのプロキシがそのモデルで受け入れる値である必要があります。480P の size は、resolution の説明で 480P 非対応として挙げられているすべてのモデルで 400 を返します。
boolean
デフォルト:"false"
ウォーターマークロゴを追加するかどうか。ウォーターマークは右下隅に配置されます。
Router が GET /v2/models/wan/wan2.5-i2v-preview/openapi.json で提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に呼び出しを検証する際に Router が使用するドキュメントと同じものです。

出力

object
必須
string
インテリジェントな書き換え後の実際のプロンプト(ビデオタスク用)
string
オーディオ生成を伴うI2Vタスク用のオーディオURL
string
失敗したリクエストのエラーコード(リクエストが成功した場合は返されません)
string
タスク完了時間
string
失敗したリクエストに関する詳細情報(リクエストが成功した場合は返されません)
string
オリジナルの入力プロンプト(ビデオタスク用)
object[]
画像生成タスクのタスク結果のリスト
string
インテリジェントな書き換え後の実際のプロンプト(有効な場合)
string
画像エラーコード(一部のタスクが失敗した場合に返されます)
string
画像エラー情報(一部のタスクが失敗した場合に返されます)
string
オリジナルの入力プロンプト
string
生成済み画像のURLアドレス
string
タスク実行時間
string
タスク送信時間
string
必須
タスクID
object
画像生成タスクのタスク結果統計
integer
失敗したタスクの数
integer
成功したタスクの数
integer
タスクの総数
string
必須
タスクステータス指定可能な値: PENDING, RUNNING, SUCCEEDED, FAILED, CANCELED, UNKNOWN
string
完了したビデオ生成タスクのビデオURL。リンクの有効期間は24時間
string
必須
一意のリクエスト識別子
object
出力情報の統計。成功した結果のみがカウントされます
integer
ビデオ解像度レベル(I2Vおよびwan3.0-videoタスク)
number
生成されたビデオの再生時間(秒)(I2Vおよびwan3.0-videoタスク)
integer
生成されたビデオのフレームレート(wan3.0-videoタスク)
integer
生成された画像の数(T2IおよびI2Iタスク)
number
入力ビデオの再生時間(秒)。ビデオ入力がない場合は0.0(wan3.0-videoタスク)
number
出力ビデオの再生時間(秒)(wan3.0-videoタスク)
string
生成されたビデオのアスペクト比(例:16:9)(wan3.0-videoタスク)
string
画像解像度(T2IおよびI2Iタスク)
integer
生成されたビデオの数(T2Vタスク)
number
生成されたビデオの再生時間(秒)(T2Vタスク)
string
ビデオ解像度比率(T2Vタスク)
string
失敗したリクエストのエラーコード。output の下ではなくエンベロープのルートで報告されます(リクエストが成功した場合は返されません)。
string
失敗したリクエストに関する詳細情報。output の下ではなくエンベロープのルートで報告されます(リクエストが成功した場合は返されません)。output.message にフォールバックする前にこちらを確認してください。

例

入力

出力

ビデオ URL の有効期間は 24 時間です。ビデオを保持する必要がある場合は、速やかにダウンロードしてください。

出荷前の確認

SDK は Idempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。 リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。 上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。 このページは、Comfy Router 経由で呼び出す 1 つのパートナーモデルについて説明しています。同じ comfy-sdk / @comfyorg/sdk パッケージには、Comfy Cloud 上で ComfyUI のワークフローグラフ全体を実行するための 2 つ目のクライアントも含まれています: Comfy(api_key=...) / new Comfy({ apiKey })、および client.workflows、client.assets、client.jobs。Comfy SDKs を参照してください。

ヘッダー

認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。

Router API の利用

モデルの検出、バリデーションエラー、リトライ、課金。

制限事項

Router が現在対応していないことと、代替手段。