Skip to main content
Wan 2.6 R2V の API リファレンス。Wan 2.6 の参照から動画は、1~3 本の参照ビデオの被写体を新しいシーンへ持ち込みます。プロンプト内では character1、character2 などのように指定します。 入力: 画像, ビデオ, テキスト · 出力: ビデオ + オーディオ

クイックスタート

お使いの 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 および 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 raw HTTP で行うものです。 モデル ID: wan/wan2.6-r2v エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.6-r2v
同じボディを POST https://api.comfy.org/v2/models/wan/wan2.6-r2v/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、このプロセスまたは別のプロセスから収集されます。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。対応形式: mp3、wav。reference_video_urls とは併用できません。
string
先頭フレームの画像URL、または Base64 エンコードされたデータ。wan2.5-i2v-preview と wan2.6-i2v モデルでは必須です。happyhorse-1.x の i2v 系の綴りでは、先頭フレームをここで受け取るのではなく、type が first_frame のメディア要素として受け取ります(後述の media を参照)。wan2.6-i2v では成功する img_url ボディも、happyhorse-1.0-i2v と happyhorse-1.1-i2v ではプロバイダーに拒否されます。また、wan2.7/wan3.0 系の綴りも参照アセットを 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 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が提供するすべてのモデルで共有されていますが、あるモデルがどの type 値を受け付けるか(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 個の 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 <= 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 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、プロンプト内で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、ちょうど 1 つ。これらの綴りでは、先頭フレームを 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 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 個。これが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 個の reference_image(JPEG/JPG/PNG/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メディア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、これらの綴りに対してメディア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。許容される type とその上限がモデルごとに異なるため、media には minItems/maxItems が宣言されていません。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。逆に言えば、上記のアセットごとの「最大 20MB」という数値(画像入力に課された上限であり、インラインで送信できる唯一の入力です)は、パートナーが最終的に受け取るアセットに対する上限であり、アセットが公開URL の場合は書かれているとおりに適用されます。そのバイト列が 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、ここに挙げた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、単一のアセットがパートナー自身の20MB の上限はインラインでも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。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 の上限は個々の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種類指定可能な値: 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 の説明で各モデルごとに列挙されているまさにその画像入力(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)の場合は、インラインの data:{MIME_type};base64,... URL。これらのモデルのいずれにおいても、ビデオ、オーディオ、ファイル、リンク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呼び出しを行い、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のではなく、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 Router の 100 MiB 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
逆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の語句。中国語と英語に対応し、長さは 800 文字を超えないこと(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。 入力の制限:
  • 形式: mp4、mov
  • 本数: 1~3 本
  • 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 と併用不可 参照時間: 単一ビデオは最大 5 秒、2 本の場合は各最大 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。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 POST /v2/models/wan/{model} の {model} パスセグメントからこれを設定するため、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、受け付けられる綴りの enum はそのオペレーション自身のコンポーネント 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 のみでサポートされます。他の wan モデルでは、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 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、10、15 秒
  • wan2.6-r2v: 5 秒または 10 秒のみ(15 秒は非サポート)
  • 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 + 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を有効にします 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
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ティア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。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 非サポート)
  • wan2.7 モデル(i2v、t2v、r2v、videoedit): 720P、1080P(デフォルト 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、解像度もサイズ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。チェックの前に解像度を大文字に変換し、大文字化した値を転送します。この列挙型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も、480P のサイズとして送信された場合も)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動作します。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
ビデオの解像度を 幅高さ の形式で指定します。サポートされ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を送信した場合、課金される階層を選択するのはサイズであり、解像度は依然としてそのモデルに対してこのプロキシが受け付ける値である必要があります。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
GET /v2/models/wan/wan2.6-r2v/openapi.json で Router が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使用され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
音声生成を伴うI2Vタスクのオーディオ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
タスクの合計数
string
必須
タスクの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時間です
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
画像の解像度(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
ビデオの解像度比率(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の詳細情報。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れを確認してください。

使用例

入力

出力

ビデオの URL は 24 時間有効です。保存しておく必要がある場合は、速やかにビデオを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。