Skip to main content
HappyHorse 1.1 I2V 的 API 参考。HappyHorse 1.1 图生视频可为静止的首帧添加动画,并在同一次生成中渲染同步的对白、特效和音乐。 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生 HTTP 发起的同一调用。 模型 ID: wan/happyhorse-1.1-i2v 端点: POST https://api.comfy.org/v2/models/wan/happyhorse-1.1-i2v
相同的请求体,发送到 POST https://api.comfy.org/v2/models/wan/happyhorse-1.1-i2v/requests。请求一经接纳,Router 立即以 201 返回一个 request_id,待结果就绪后,即可由当前进程或其他进程收集。队列投递 详细介绍了状态查询、取消与结果收集。

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 一起使用。
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 写法不在此处接收首帧: 它们将首帧作为类型为 first_frame 的 media 元素传入(见下文 media),并且在 wan2.6-i2v 上能成功的 img_url 请求体,会被提供商在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上拒绝;而 wan2.7/wan3.0 写法同样在 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。指定用于视频生成的参考素材(图像、音频、视频)。每个元素包含 type 和 url 字段。此字段由该组件提供的所有模型共用,而某个模型接受哪些 type 值,以及它是否在此处而不是在 img_url 或 reference_video_urls 中传入其图像或 视频输入,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,可使用公开网址或 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 需要一个 reference_image 或 reference_video,且参考图像加 参考视频合计最多 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,可使用公开网址或 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(恰好 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),外加可选的 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,可使用公开网址 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 一起使用)、link(最多 1 个,不能与 file 一起使用)。reference_*/file/link 类型 与 first_frame/last_frame 类型在同一请求中互斥。数组顺序定义了提示词中资产的 引用顺序(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, 可使用公开网址或 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,恰好 1 个。这些写法 在此处传入首帧,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,可使用公开网址或 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,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video 不是该操作的输入类型。
  • happyhorse-1.0-video-edit:video(恰好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,较长边最大 4096 像素,较短边至少 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), 外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可使用公开网址 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。其合作伙伴参考文档未记录任何 media 输入,因此请 保持此字段未设置。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些写法列举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中传入其 首帧;wan2.6-r2v 在 reference_video_urls 中传入其参考片段。 上文各模型的计数是合作伙伴的约束,而不是本 schema 的约束:media 上未声明任何 minItems/maxItems,因为可接受的类型及其上限因模型而异。schema 接受并不意味着 提供商接受;反过来说,上文每项资产“最大 20MB”的数值(这是对图像 输入的上限,也是唯一可以内联发送的输入)是合作伙伴对其最终接收到的资产 设定的上限,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 并同样 受到传输上限的约束:一个 Comfy Router POST 请求体总计上限为 100 MiB,超过则 返回 413,而 base64 会使载荷膨胀约 4/3,因此单个超过约 75 MB 的内联资产 会在触达这里任何合作伙伴规则之前就被拒绝。在这种大小下,单个资产按合作伙伴自身的20MB 的上限内联传输完全没有问题,因此对单个资产而言真正起约束作用的是合作伙伴规则;而对多个资产而言起约束作用的则是传输层上限,因为 100 MiB 的 Router 上限约束的是整个请求,而不是其中每个元素。接近这些上限的任何内容都请以公共 URL 的形式发送。
string
必填
媒体资产类型可能的值: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:可以是公共 HTTP/HTTPS URL;或者,对于上方 media 描述为各模型逐一列出的图像输入(仅限于这些输入):wan2.7-i2v 的 first_frame 和 last_frame;wan2.7-r2v 的 first_frame 和 reference_image;wan2.7-videoedit 的 reference_image;wan3.0-video 和 wan3.0-video-prime 的 first_frame、last_frame 和 reference_image;happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 的 first_frame;happyhorse-1.0-r2v 和 happyhorse-1.1-r2v 的 reference_image;以及 happyhorse-1.0-video-edit 的 reference_image;也可以是内联的 data:{MIME_type};base64,... URL。这些模型上没有任何视频、音频、文件或链接输入接受内联 data: URL。来自合作伙伴自身上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能针对上传它的阿里云账号解析生效;Comfy 使用自己的密钥发起模型调用,且不提供任何上传路由,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。此字段不校验 URL scheme,因此这类值会被原样转发给合作伙伴,而不会在此处被拒绝。各模型的大小与像素限制,以及从整体上约束内联负载的 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出现的内容
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)。 对于带有多个参考视频的 wan2.6-r2v,请按照参考视频的顺序使用 ‘character1’、‘character2’ 等来指代主体。 示例:“Character1 sings on the roadside, Character2 dances beside it” 对于 wan3.0-video 参考模式,请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等,按照 media 数组中对应的顺序来指代媒体资产。
string[]
仅用于 wan2.6-r2v 模型的参考视频 URL。由 1-3 个视频 URL 组成的数组。 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费。
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。此组件不做约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段中填充该值,因此 Router 调用方会省略它。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,可接受拼写的枚举位于该操作自身的组件 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;提供商未记载其他 wan 模型有此切换。
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 可能的值:auto、origin
integer
默认值:"5"
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] 范围内的整数
  • wan2.7-r2v、wan2.7-videoedit:[2, 10] 范围内的整数
  • wan3.0-video:无视频输入时为 [2, 30] 范围内的整数;有视频输入时,输入视频总时长 + 输出视频总时长不得超过 30 秒;-1 启用智能时长模式,由模型选择合适的时长 此代理对超出 [-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
生成视频的画面比例。仅适用于 wan2.7 和 wan3.0 模型。 对于 wan2.7 模型,若未提供,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画面比例。可能的值: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 此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换为大写并转发转换后的值,对于不在此枚举范围内的值返回 400, 对于上方列出为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,返回 400 (无论是以分辨率还是以 480P 尺寸发送)。 可选值:480P, 720P, 1080P
integer
随机数种子,用于控制模型生成内容的随机性范围:0 到 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 可选值:multi, single
string
视频分辨率,格式为 宽度高度。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 当同时发送尺寸和分辨率时,尺寸决定计费档位,而分辨率仍必须是此代理为该模型接受的值。 对于分辨率说明中列出为不支持 480P 的每个模型,480P 尺寸都会返回 400。
boolean
默认值:"false"
是否添加水印标志,水印位于右下角
根据 Router 在 GET /v2/models/wan/happyhorse-1.1-i2v/openapi.json 提供的 schema 生成,请求在到达提供商之前,也会依据同一文档进行校验。

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 任务的音频网址
string
失败请求的错误代码(请求成功时不会返回)
string
任务完成时间
string
失败请求的详细信息(请求成功时不会返回)
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
图像错误代码(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
已生成图像的网址
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
失败的任务数量
integer
成功的任务数量
integer
任务总数
string
必填
任务状态可选值:PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
已完成的视频生成任务的视频网址。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
失败请求的错误代码,在响应信封的根层级而非 output 下报告(请求成功时不会返回)。
string
失败请求的详细信息,在响应信封的根层级而非 output 下报告(请求成功时不会返回)。在回退到 output.message 之前请先阅读此项。

示例

输入

输出

视频 URL 的有效期为 24 小时。如需保留该视频,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。