快速开始
在你的 Comfy 工作区中创建一个密钥,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 发出的同一调用。
模型 ID: wan/wan2.6-t2v
端点: POST https://api.comfy.org/v2/models/wan/wan2.6-t2v
- 等待结果
- 先排队,稍后收集
相同的请求体,发送到
POST https://api.comfy.org/v2/models/wan/wan2.6-t2v/requests。运行一经受理,Router 就会立即以 201 状态码和 request_id 作答;结果准备就绪后,可由当前进程或另一个进程收集。队列投递 介绍了状态查询、取消和结果收集。Schema
输入
object
必填
输入基本信息,例如提示词等。
string
音频文件下载链接。支持的格式:mp3 和 wav。不能与 reference_video_urls 一起使用。
string
首帧图片网址或 Base64 编码数据。wan2.5-i2v-preview 和
wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 拼写方式并不在此处接收首帧:
它们将其作为类型为 first_frame 的媒体元素接收(见下文 media);而在
wan2.6-i2v 上能成功的 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 的拼写方式同样在
media 中接收其参考资产。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。此字段由此组件提供的所有模型共享,而某个给定模型接受哪些
type 值,以及它究竟是将图像或视频输入承载在此处而不是在 img_url 或
reference_video_urls 中,会因模型而异。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,宽高比介于 1:8 与 8:1 之间,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL。 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):一个公共 HTTP/HTTPS URL;不接受内联 data: URL。
- 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,宽高比介于 1:8 与 8:1 之间,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL。reference_video: 一个公共 HTTP/HTTPS URL;不接受内联 data: URL。
- wan2.7-videoedit:video(恰好 1 个,即正在编辑的片段:MP4/MOV,2-10 秒, 每边 240-4096 像素,最大 100MB,一个公共 HTTP/HTTPS URL;不接受内联 data: URL),外加可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP, 每边 240-8000 像素,宽高比介于 1:8 与 8:1 之间,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL)。
- 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 资产的参考顺序(图像 1、视频 1、音频 1、……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比至多 8:1,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL。 reference_video、reference_audio、file 和 link:一个公共 HTTP/HTTPS URL; 不接受内联 data: URL。
- happyhorse-1.0-i2v、happyhorse-1.1-i2v:仅 first_frame,恰好 1 个。这些拼写方式 在此处而非 img_url 接收其首帧。至少 300x300 像素,宽高比介于 1:2.5 与 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL。
- 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,一个公共 URL 或一个 data:{MIME_type};base64,… URL。reference_video 不是此操作的输入类型。
- happyhorse-1.0-video-edit:video(恰好 1 个,即正在编辑的片段:MP4/MOV,3-60 秒,长边最大 4096 像素,短边至少 360 像素,宽高比介于 1:2.5 与 2.5:1 之间, 最大 100MB,一个公共 HTTP/HTTPS URL;不接受内联 data: URL),外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,至少 300x300 像素, 宽高比介于 1:2.5 与 2.5:1 之间,最大 20MB,一个公共 URL 或一个 data:{MIME_type};base64,… URL)。
- 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媒体输入,因此请勿设置此字段。
- wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些拼写方式枚举任何 媒体词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收其首帧; wan2.6-r2v 在 reference_video_urls 中接收其参考片段。
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、linkstring
必填
媒体文件的 URL:可以是公共 HTTP/HTTPS URL,或者(仅限上文
media 描述中针对各模型列出的 IMAGE 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)使用内联 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,或者(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能针对上传它的那个阿里云账户解析;Comfy 使用自己的密钥发起模型调用,且不提供任何上传途径,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。本字段不校验 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。关于各模型的大小和像素限制,以及会从整体上约束内联载荷的 100 MiB Router 请求体上限,请参阅 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 最多可达 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’ 等来按 media 数组中对应的顺序指代媒体资产。
string[]
参考视频 URL,仅适用于 wan2.6-r2v 模型。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 一起使用 参考时长:单个视频最大 5 秒,两个视频各最大 2.5 秒,三个视频按比例更短。 计费:基于实际使用的参考时长。
string
视频特效模板名称。可选。目前支持:squish、flying、carousel。使用时,prompt 参数会被忽略。
string
要调用的模型 ID。在本组件上不受约束:Comfy Router 会从
POST /v2/models/wan/{model} 的 {model} 路径段填充它,因此 Router 调用方可以省略它。直接向 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供它,可接受拼写的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;提供商未记录其他 wan 模型有此类切换。
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] 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
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,未提供时将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、3:4string
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
480P, 720P, 1080Pinteger
随机数种子,用于控制模型生成内容的随机性范围:
0 到 2147483647string
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 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(无 480P):
720P:1280720、7201280、960960、1088832、8321088
1080P:19201080、10801920、14401440、16321248、12481632
同时发送 size 和 resolution 时,由 size 决定计费档位,而 resolution 仍必须是该代理针对该模型接受的值。对于 resolution 说明中列为无 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 logo,水印位于右下角
GET /v2/models/wan/wan2.6-t2v/openapi.json 提供的 schema 生成,这份文档也是它在请求到达提供商之前用于校验调用的同一份文档。
输出
object
必填
string
智能改写后的实际提示词(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(用于视频任务)
object[]
图像生成任务的任务结果列表
string
智能改写后的实际提示词(若启用)
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
图像生成任务的任务结果统计
integer
失败任务数
integer
成功任务数
integer
任务总数
string
必填
任务状态可能的值:
PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWNstring
已完成的视频生成任务的视频 URL。链接有效期 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
已生成视频的画幅比例,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,报告在响应封装的根层级而不是
output 之下(请求成功时不返回)。string
失败请求的详细信息,报告在响应封装的根层级而不是
output 之下(请求成功时不返回)。在回退到 output.message 之前请先阅读此项。示例
输入
输出
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。