Skip to main content
HappyHorse 1.0 I2V 的 API 参考。HappyHorse 1.0 图生视频可将静止的首帧制作成动画,并在同一次处理中渲染同步音频。 输入: 图像, 文本 · 输出: 视频

快速开始

在你的 Comfy 工作区中创建密钥,并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 进行的同一调用。 模型 ID: wan/happyhorse-1.0-i2v 端点: POST https://api.comfy.org/v2/models/wan/happyhorse-1.0-i2v
同一个请求体,发送到 POST https://api.comfy.org/v2/models/wan/happyhorse-1.0-i2v/requests。只要运行被接纳,Router 就会立即返回 201 和一个 request_id,结果准备就绪后可从当前进程或其他进程收集。队列投递 介绍了状态、取消和收集的完整流程。

Schema

输入

object
必填
输入基本信息,例如提示词等。
string
音频文件下载网址。支持的格式:mp3 和 wav。不能与 reference_video_urls 同时使用。
string
首帧图像网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x i2v 系列拼写方式不在此处接收首帧: 它们将首帧作为类型为 first_frame 的媒体元素传入(见下方 media),而在 wan2.6-i2v 上能成功通过的 img_url 请求体,在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝;wan2.7/wan3.0 系列拼写方式同样在 media 中传入其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。 分辨率:360-2000 像素。文件大小:最大 10MB。
object[]
媒体资产列表。为视频生成指定参考素材(图像、音频、视频)。 每个元素包含一个 type 字段和一个 url 字段。本组件提供的所有模型都共享该字段, 而某个模型接受哪些 type 值,以及它是否把图像或视频输入放在这里而不是放在 img_url 或 reference_video_urls 中,因模型而异。各模型支持的 type 值如下:
  • wan2.7-i2v:first_frame、last_frame、driving_audio、first_clip。first_frame 和 last_frame:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。 driving_audio(WAV/MP3,2-30 秒,最大 15MB)和 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB):公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-r2v:first_frame(可选,最多 1 个)、reference_image、reference_video。至少 需要提供一个 reference_image 或 reference_video,且参考图像加 参考视频总共最多 5 个。first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP (无透明度通道),每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-videoedit:video(正好 1 个,即被编辑的片段:MP4/MOV,2-10 秒, 每边 240-4096 像素,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址)加上可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP, 每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,公开网址 或 data:{MIME_type};base64,… 网址)。
  • wan3.0-video、wan3.0-video-prime:first_frame(最多 1 个)、last_frame(最多 1 个)、 reference_image(最多 10 个)、reference_video(最多 5 个片段,总时长 <= 15s)、 reference_audio(最多 5 个片段,总时长 <= 15s)、file(最多 1 个,不能与 link 共用)、link(最多 1 个,不能与 file 共用)。reference_*/file/link 类型 与 first_frame/last_frame 类型在同一请求中互斥。数组 顺序决定提示中资产的参考顺序(Image 1、Video 1、 Audio 1……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP, 每边 240-8000 像素,宽高比最大 8:1,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。reference_video、reference_audio、file 和 link: 公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • happyhorse-1.0-i2v、happyhorse-1.1-i2v:仅 first_frame,正好 1 个。这些拼写方式 在此处接收首帧,而不是在 img_url 中。至少 300x300 像素,宽高比 在 1:2.5 到 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。
  • happyhorse-1.0-r2v、happyhorse-1.1-r2v:仅 reference_image,1 到 9 个。这是 该模型唯一的参考输入。最短边至少 400 像素,JPEG/JPG/PNG/WEBP, 最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。reference_video 不是此操作的输入类型。
  • happyhorse-1.0-video-edit:video(正好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,长边最大 4096 像素,短边至少 360 像素,宽高比 在 1:2.5 到 2.5:1 之间,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址)加上可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,公开网址 或 data:{MIME_type};base64,… 网址)。
  • happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview: 文生视频操作。其对应的合作伙伴参考文档未记录任何 media 输入,因此请将此字段 保持未设置。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些拼写方式列举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收 首帧;wan2.6-r2v 在 reference_video_urls 中接收其参考片段。 上文中各模型的数量是合作伙伴的约束,而不是本 schema 的约束:media 上未 声明 minItems/maxItems,因为各模型允许的类型及其上限各不相同。schema 校验通过并不意味着提供商会接受;反过来说,上文中每项资产的“最大 20MB”数值, 即图像输入(唯一可以内联发送的输入)的上限,是合作伙伴对其最终接收 资产的上限,当资产是公开网址时,这些数值按字面适用, 因为这些字节从不经过 Comfy 传输。内联的 data:{MIME_type};base64,… 网址确实会经过 Comfy 传输,因此也要受传输层上限约束:一个 Comfy Router 的 POST 请求体总量上限为 100 MiB,超过则返回 413,而 base64 会使载荷膨胀约 4/3,因此单个内联资产超过约 75 MB 时,在触及此处任何合作伙伴规则之前就会 被拒绝。在该大小下,单个资产在合作伙伴自身的20MB 的上限让内联数据可以轻松通过,因此对于单个资产来说,真正起约束作用的是合作伙伴规则;而这一传输上限会同时约束多个资产,因为 100 MiB 的 Router 上限限制的是整个请求,而不是其中每个元素。凡是接近这些上限的内容,都应改用公共 URL 发送。
string
必填
媒体资产类型可选值:first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必填
媒体文件的 URL:一个公共 HTTP/HTTPS URL,或者(仅针对上面的 media 描述为各模型列出的那些 IMAGE 输入:wan2.7-i2v 上的 first_frame 和 last_frame;wan2.7-r2v 上的 first_frame 和 reference_image;wan2.7-videoedit 上的 reference_image;wan3.0-video 和 wan3.0-video-prime 上的 first_frame、last_frame 和 reference_image;happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上的 first_frame;happyhorse-1.0-r2v 和 happyhorse-1.1-r2v 上的 reference_image;以及 happyhorse-1.0-video-edit 上的 reference_image)一个内联的 data:{MIME_type};base64,... URL。这些模型上的任何视频、音频、文件或链接输入都不接受内联 data: URL。来自合作伙伴自有上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能针对上传它的那个阿里云账号解析;Comfy 使用自己的密钥发起模型调用,并且不对外暴露任何上传途径,因此调用方自己的 oss:// URL 或 asset_id 并不是受支持的输入。本字段不校验 URL 协议,因此这类值会原样转发给合作伙伴,而不会在这里被拒绝。有关各模型的大小和像素限制,以及约束内联载荷总量的 100 MiB Router 请求体上限,请参见 media 描述。
string
反向提示词用于描述你不希望在视频画面中看到的内容
string
文本提示词。支持中文和英文,长度不超过 800 个字符 (wan3.0-video 最多 20,000 个字符;超出限制的内容会被截断)。 对于带多个参考视频的 wan2.6-r2v,请按参考视频的顺序使用 ‘character1’、‘character2’ 等来指代主体。示例:“Character1 在路边唱歌,Character2 在旁边跳舞” 对于 wan3.0-video 的参考模式,请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等来指代 media 数组中对应顺序的媒体资产。
string[]
仅适用于 wan2.6-r2v 模型的参考视频 URL。包含 1-3 个视频 URL 的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1-3 个视频
  • 单个视频时长:2-30 秒
  • 单个文件大小:最大 30MB
  • 不能与 audio_url 同时使用 参考时长:单个视频最长 5 秒,两个视频各最长 2.5 秒,三个视频按比例更短。 计费:按实际使用的参考时长计算。
string
视频效果模板名称。可选。当前支持:squish、flying、carousel。使用时,prompt 参数会被忽略。
string
要调用的模型 ID。本组件不对其加以约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段中填充它,因此 Router 调用方会省略该字段。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供它,可接受的拼写枚举位于该操作自己的组件 WanVideoGenerationRequest 上。
object
视频处理参数
boolean
默认值:"true"
是否为视频添加音频。仅 wan3.0-video 和 wan3.0-video-prime 支持;提供商未为其他 wan 模型记载此类切换。
string
默认值:"\"auto\""
wan2.7-videoedit 模型的视频音频设置。
  • auto(默认):模型根据提示词内容智能判断
  • origin:强制保留输入视频的原始音频 可选值:auto、origin
integer
默认值:"5"
已生成视频的时长,单位为秒:
  • wan2.5 模型:5 或 10 秒
  • wan2.6-t2v、wan2.6-i2v:5、10 或 15 秒
  • wan2.6-r2v:仅 5 或 10 秒(不支持 15 秒)
  • wan2.7-i2v、wan2.7-t2v:[2, 15] 之间的整数
  • wan2.7-r2v、wan2.7-videoedit:[2, 10] 之间的整数
  • wan3.0-video:无视频输入时为 [2, 30] 之间的整数;有视频输入时,输入视频总时长 + 输出视频时长不得超过 30 秒;-1 会启用智能时长模式,由模型选择合适的时长 本代理对超出 [-1, 30] 的时长返回 400。 范围:-1 到 30
boolean
默认值:"true"
是否启用提示词智能改写。默认为 true
string
已生成视频的宽高比。仅适用于 wan2.7 和 wan3.0 模型。 对于 wan2.7 模型,如果未提供,则根据分辨率档位取默认值。 对于 wan3.0-video,adaptive(默认值)会根据输入媒体的比例和意图自动推荐合适的宽高比。可选值:adaptive、16:9、9:16、1:1、4:3、3:4
string
分辨率档位。支持的值因模型而异:
  • wan2.5-i2v-preview:480P、720P、1080P
  • wan2.6 模型(t2v、i2v、r2v):仅 720P、1080P(不支持 480P)
  • wan2.7 模型(i2v、t2v、r2v、videoedit):720P、1080P(默认 1080P)
  • wan3.0-video、wan3.0-video-prime:480P、720P、1080P(上游默认 1080P)
  • happyhorse-1.0-*(t2v、i2v、r2v、video-edit):720P、1080P
  • happyhorse-1.1-*(t2v、i2v、r2v):480P、720P、1080P 该代理会拒绝既未提供分辨率也未提供尺寸的视频生成请求,因为分辨率档位决定计费费率。它会在检查之前将分辨率转为大写,并转发大写后的值;对超出该枚举范围的值返回 400;对于上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,针对 480P 也会返回 400(无论是以分辨率还是以 480P 尺寸的形式发送)。 Possible values: 480P, 720P, 1080P
integer
随机数种子,用于控制模型生成内容的随机性Range: 0 to 2147483647
string
默认值:"\"single\""
智能多镜头控制。仅在启用 prompt_extend 时生效。 适用于 wan2.6 和 wan2.7-r2v 模型。
  • single: 单镜头视频(默认)
  • multi: 多镜头视频 Possible values: multi, single
string
视频分辨率,格式为 widthheight。支持的分辨率因模型而异: 对于 wan2.5 T2V:480P(480832、832480、624624)、720P、1080P 尺寸 对于 wan2.6 T2V/R2V(不支持 480P): 720P:1280720、7201280、960960、1088832、8321088 1080P:19201080、10801920、14401440、16321248、12481632 当同时传入尺寸和分辨率时,由尺寸决定计费档位,而分辨率仍必须是该代理为该模型接受的值。对于分辨率描述中列为不支持 480P 的每个模型,传入 480P 尺寸都会返回 400。
boolean
默认值:"false"
是否添加水印 logo,水印位于右下角
本文档根据 Router 在 GET /v2/models/wan/happyhorse-1.0-i2v/openapi.json 提供的 schema 生成,Router 在请求到达提供商之前会用这份文档校验调用。

输出

object
必填
string
智能改写后的实际提示词(适用于视频任务)
string
带音频生成的 I2V 任务的音频 URL
string
失败请求的错误码(请求成功时不返回)
string
任务完成时间
string
失败请求的详细信息(请求成功时不返回)
string
原始输入提示词(适用于视频任务)
object[]
图像生成任务的结果列表
string
智能改写后的实际提示词(如已启用)
string
图像错误码(部分任务失败时返回)
string
图像错误信息(部分任务失败时返回)
string
原始输入提示词
string
已生成图像的 URL 地址
string
任务执行时间
string
任务提交时间
string
必填
任务 ID
object
图像生成任务的结果统计
integer
失败任务数量
integer
成功任务数量
integer
任务总数
string
必填
任务状态可能的值:PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
已完成的视频生成任务的视频 URL。链接有效期为 24 小时
string
必填
唯一请求标识符
object
输出信息统计。仅统计成功的结果
integer
视频分辨率等级(I2V 和 wan3.0-video 任务)
number
已生成视频的时长,单位为秒(I2V 和 wan3.0-video 任务)
integer
已生成视频的帧率(wan3.0-video 任务)
integer
已生成图像的数量(T2I 和 I2I 任务)
number
输入视频的时长,单位为秒;无视频输入时为 0.0(wan3.0-video 任务)
number
输出视频的时长,单位为秒(wan3.0-video 任务)
string
已生成视频的宽高比,例如 16:9(wan3.0-video 任务)
string
图像分辨率(T2I 和 I2I 任务)
integer
已生成视频的数量(T2V 任务)
number
已生成视频的时长,单位为秒(T2V 任务)
string
视频分辨率比例(T2V 任务)
string
失败请求的错误码,报告在响应的 ROOT 层级而非 output 下(请求成功时不返回)。
string
失败请求的详细信息,报告在响应的 ROOT 层级而非 output 下(请求成功时不返回)。在回退读取 output.message 之前请先查看此项。

示例

输入

输出

视频 URL 有效期为 24 小时。如需保留视频,请及时下载。

发布前须知

SDK 会生成 Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。 请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。 上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。 本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。

请求头

身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。

使用 Router API

模型发现、验证错误、重试与计费。

限制

Router 目前不支持的功能,以及替代方案。