Skip to main content
Wan 2.5 T2V プレビューの API リファレンスです。Wan 2.5 のテキストから動画への生成は、プロンプトのみから短いビデオを作成します。参照画像や参照ビデオは不要です。 入力: 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

あなたの 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 と npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、同じ呼び出しを生の HTTP で実行するものです。 モデル ID: wan/wan2.5-t2v-preview エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.5-t2v-preview
同じボディを POST https://api.comfy.org/v2/models/wan/wan2.5-t2v-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、結果は準備ができた時点で、このプロセスからでも別のプロセスからでも回収できます。キュー配信では、ステータス、キャンセル、回収の流れを順を追って説明します。

スキーマ

入力

object
必須
プロンプト語句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。サポートされる形式: mp3 および wav。reference_video_urls とは併用できません。
string
最初のフレームの画像URLまたはBase64エンコードデータ。wan2.5-i2v-preview および wan2.6-i2v モデルでは必須です。happyhorse-1.x i2v の表記はここで最初のフレームを 受け取りません。first_frame タイプのメディア要素として受け取ります(後述の media を 参照)。また、wan2.6-i2v で成功する img_url ボディは、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。wan2.7/wan3.0 の表記も 参照アセットを media で受け取ります。画像形式: 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リスト。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 フィールドを持ちます。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おり、あるモデルがどの type 値を受け付けるか、また img_url や reference_video_urls ではなくここで画像や ビデオの入力を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 サポートされる type 値:
  • wan2.7-i2v: first_frame、last_frame、driving_audio、first_clip。first_frame と last_frame: JPEG/JPG/PNG/BMP/WEBP、1辺あたり 240-8000 ピクセル、アスペクト比は 1:8 から 8:1 の間、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。 driving_audio(WAV/MP3、2〜30秒、最大 15MB)および first_clip(MP4/MOV、2〜10 秒、1辺あたり 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。少なくとも 1つの reference_image または reference_video が必要で、reference 画像と reference ビデオの合計は最大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辺あたり 240-8000 ピクセル、アスペクト比は 1:8 から 8:1 の間、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(厳密に1つ、編集対象のクリップ: MP4/MOV、2〜10秒、 1辺あたり 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辺あたり 240-8000 ピクセル、アスペクト比は 1:8 から 8:1 の間、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 <= 15s)、 reference_audio(最大5クリップ、合計再生時間 <= 15s)、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 タイプと first_frame/last_frame タイプは、同じリクエスト内では相互に排他的です。 配列の順序がプロンプト内のアセットの参照順序を定義します(Image 1、Video 1、 Audio 1、…)。first_frame、last_frame、reference_image: JPEG/JPG/PNG/BMP/WEBP、 1辺あたり 240-8000 ピクセル、アスペクト比は最大 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、厳密に1つ。これらの表記 は最初のフレームを img_url ではなくここで受け取ります。少なくとも 300x300 ピクセル、 アスペクト比は 1:2.5 から 2.5:1 の間、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。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(厳密に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 比は 1:2.5 から 2.5:1 の間、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/WEBP、 少なくとも 300x300 ピクセル、アスペクト比は 1:2.5 から 2.5:1 の間、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。これらのパートナー参照ドキュメントには 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 ついて media の語彙を列挙していません。wan2.5-i2v-preview と wan2.6-i2v は最初の 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。許容されるタイプとその上限はモデルごとに 異なるためです。スキーマが受け付けることはプロバイダーが受け付けることを意味しません。 また逆に、上記のアセットごとの「最大 20MB」という数値は、画像入力に対する上限であり、 インラインで送信できる唯一の入力に対する上限であり、パートナーが最終的に保持する アセットに対するパートナーの上限です。そしてアセットが公開URLである場合は、これらの 数値は書かれているとおりに適用されます。そのバイト列は Comfy を経由しないためです。 インラインの data:{MIME_type};base64,… URL は Comfy を経由するため、転送の上限にも 直面します。Comfy Router の POST ボディは合計 100 MiB に制限され、超えると 413 が返されます。 また base64 はペイロードを約 4/3 に膨らませるため、およそ 75 MB を超える単一の インラインアセットは、ここにあるパートナーのルールに到達する前に拒否されます。 そのサイズでは、単一のアセットはパートナー自身の20MB の上限はインラインで余裕をもって収まるため、アセット 1 つの場合はパートナーのルールが制約となります。トランスポートの上限は複数のアセットにまたがる場合に制約となり、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すべてパブリック URL として送信してください。
string
必須
メディアアセットの種類使用可能な値: 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 IMAGE 入力、すなわち 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、happyhorse-1.0-video-edit の reference_image に限り、インラインの data:{MIME_type};base64,... URL を指定できます。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による 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ず、そのままパートナーに転送されます。モデルごとのサイズとピクセル上限、およびインラインのペイロードを合計で制限する 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の語句は、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。制限を超えた内容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、‘character1’、‘character2’ などを使用して、 参照ビデオの順序どおりに被写体を参照します。例: “Character1 が道端で歌い、そのそばで Character2 が踊る” wan3.0-video の参照モードでは、‘Image 1’、‘Video 1’、‘Audio 1’ などを使用して、 media 配列内の対応する順序でメディアアセットを参照します。
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:
  • フォーマット: mp4, mov
  • 本数: 1〜3 本のビデオ
  • 単一ビデオの長さ: 2〜30 秒
  • 単一ファイルサイズ: 最大 30MB
  • audio_url とは併用できません 参照の再生時間: ビデオ 1 本で最大 5 秒、2 本でそれぞれ最大 2.5 秒、3 本ではそれに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 はこれを POST /v2/models/wan/{model} の {model} パスセグメントから設定するため、Router の呼び出し元はこれを省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis への直接の v1 呼び出しでは必ず指定する必要があり、受け付けられる表記の列挙はそのオペレーション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ています。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記載していません。
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内容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 使用可能な値: 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 を指定すると、 モデルが適切な再生時間を選ぶスマート再生時間モードが有効になります 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 から 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推奨します。使用可能な値: 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(上流のデフォルトは 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しないビデオ生成リクエストを拒否します。解像度のティアが課金レートを決定するためです。このプロキシは、解像度をチェックする前に大文字に変換し、その大文字に変換した値を転送します。この enum に含まれない値には 400 を返し、上記で 480P がないと記載されている wan2.6、wan2.7、happyhorse-1.0 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: シングルショットビデオ(デフォルト)
  • multi: マルチショットビデオ 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 の各サイズ wan2.6 T2V/R2V の場合(480P なし): 720P: 1280720、7201280、960960、1088832、8321088 1080P: 19201080、10801920、14401440、16321248、12481632 サイズと解像度の両方が送信された場合、課金ティアを選択するのはサイズであり、解像度は引き続きこのプロキシがそのモデルに対して受け入れる値でなければなりません。480P のサイズは、解像度の説明で 480P がないと記載さ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-t2v-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 Router が呼び出しを検証する対象とな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
タスクの完了時間
string
失敗したリクエストの詳細情報(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
画像のエラーコード(一部のタスクが失敗した場合に返されます)
string
画像のエラー情報(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
生成された画像の URL アドレス
string
タスクの実行時間
string
タスクの送信時間
string
必須
タスク ID
object
画像生成タスクのタスク結果の統計
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
タスクステータス取り得る値: 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(秒単位)(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(秒単位)。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(秒単位)(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(秒単位)(T2V タスク)
string
ビデオ解像度の比率(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 ROOT 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の詳細情報。output の下ではなく、エンベロープの ROOT 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 の有効期限は 24 時間です。保存しておきたい場合は、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。