Skip to main content
Wan 2.7 I2V 的 API 参考。Wan 2.7 图生视频可为通过媒体列表提供的首帧添加动画,该列表还接受尾帧、驱动音频轨道和开场视频片段。 输入: 图像, 视频, 音频, 文本 · 输出: 视频 + 音频

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 发起的相同调用。 模型 ID: wan/wan2.7-i2v 端点: POST https://api.comfy.org/v2/models/wan/wan2.7-i2v
同一个请求体,发送到 POST https://api.comfy.org/v2/models/wan/wan2.7-i2v/requests。运行一经受理,Router 便会返回 201 以及一个 request_id,结果就绪后即可收集,可在当前进程或其他进程中完成。队列投递 会详细说明状态、取消与收集的流程。

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 一起使用。
string
首帧图像网址或 Base64 编码数据。对于 wan2.5-i2v-preview 和 wan2.6-i2v 模型为必填。happyhorse-1.x 的 i2v 写法不在此处接收其首帧: 它们将首帧作为类型为 first_frame 的媒体元素传入(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)。每个元素包含一个 type 字段和一个 url 字段。此字段由此组件提供的所有模型共用,而给定模型接受哪些 type 值,以及它究竟是在此处还是在 img_url 或 reference_video_urls 中携带其图像或 视频输入,都因模型而异。按模型分别列出的受支持 type 值:
  • 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 与 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 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总计最多 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 与 8:1 之间,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开 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 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 与 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 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。数组顺序决定提示词中资产的 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,宽高比最多 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 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 在此处接收其首帧,而非在 img_url 中。至少 300x300 像素,宽高比在 1:2.5 与 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(恰好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,最长边最多 4096 像素,最短边至少 360 像素,宽高比在 1:2.5 与 2.5:1 之间, 最大 100MB,公开 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 与 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。其合作伙伴参考文档未记录任何媒体输入,因此请保持此字段未设置。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:此组件没有为这些写法枚举任何媒体 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。 上文中按模型给出的数量是合作伙伴的约束,而非本 schema 的约束:media 上没有声明 minItems/maxItems,因为可接受的类型及其上限因模型而异。schema 接受并不代表提供商接受; 反过来说,上文每项资产“最大 20MB”的数值(图像输入的上限,而图像输入是唯一可以内联 发送的输入)是合作伙伴对其最终收到的资产设置的上限,当资产是公开网址时,它们按字面 适用,因为这些字节从不经过 Comfy。内联的 data:{MIME_type};base64,… 网址确实会经过 Comfy,并且还会遇到一个传输上限:Comfy Router 的 POST 请求体总计上限为 100 MiB, 超出后会返回 413,而 base64 会使负载膨胀约 4/3,因此单个超过约 75 MB 的内联资产会在 触达此处任何合作伙伴规则之前就被拒绝。在这一大小下,单个资产若达到合作伙伴自身的20MB 的上限可以轻松容纳内联数据,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。而传输上限则在涉及多个资产时起约束作用,因为 100 MiB 的 Router 上限约束的是整个请求,而不是每个元素。任何接近这些上限的内容,都应通过公共 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,仅针对上文 media 描述中为各模型列出的 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),一个内联的 data:{MIME_type};base64,... URL。这些模型上的任何 video、audio、file 或 link 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。此字段不会校验 URL scheme,因此这类值会原样转发给合作伙伴,而不会在此处被拒绝。各模型的尺寸和像素限制,以及从整体上约束内联载荷的 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想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)。 对于带有多个参考视频的 wan2.6-r2v,请使用 ‘character1’、‘character2’ 等按参考视频的顺序指代主体。例如:“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,按 media 数组中对应的顺序指代媒体资产。
string[]
仅适用于 wan2.6-r2v 模型的参考视频 URL。由 1 至 3 个视频 URL 组成的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1 至 3 个视频
  • 单个视频长度:2 至 30 秒
  • 单个文件大小:最大 30MB
  • 不能与 audio_url 一起使用 参考时长:单个视频最长 5 秒,两个视频每个最长 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。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。在此组件上不受约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段填充它,因此 Router 调用方会省略该字段。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起的 v1 调用则必须提供它,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 模型有此切换项。
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 加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 此时长若超出 [-1, 30],此代理会返回 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
生成视频的比例。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 自动推荐合适的比例。可选值:adaptive、16:9、9:16、1:1、4:3、3:4
string
分辨率档位。支持的取值因模型而异:
  • 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(上游默认为 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了计费费率。它会在检查之前将分辨率转换为大写并转发该大写值,对于不在此枚举范围内的值返回 400;对于上文列出的不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,无论是以分辨率还是以 480P 尺寸发送 480P,都会返回 400。可能的值: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 可能的值: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(无 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,由尺寸决定计费档位,并且分辨率仍必须是该代理针对该模型接受的值。对于分辨率说明中列为不支持 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
由 Router 在 GET /v2/models/wan/wan2.7-i2v/openapi.json 提供的 schema 生成,该文档与它在请求到达提供商之前用于校验调用的文档相同。

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
带有音频生成的 I2V 任务的音频网址
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
有关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(如果启用)
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
已生成图像的图片网址
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、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
失败请求的错误码,报告在响应信封的 ROOT 层级,而不是 output 下(请求成功时不返回)。
string
有关失败请求的详细信息,报告在响应信封的 ROOT 层级,而不是 output 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

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。