Skip to main content
Wan 2.7 R2V 的 API 参考。Wan 2.7 参考生视频可将参考图像和参考视频中的主体带入新的场景,并在提示词中以 character1、character2 等名称来指代。 输入: 图像, 视频, 文本 · 输出: 视频

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 发起的同一调用。 模型 ID: wan/wan2.7-r2v 端点: POST https://api.comfy.org/v2/models/wan/wan2.7-r2v
同一个请求体,发送到 POST https://api.comfy.org/v2/models/wan/wan2.7-r2v/requests。一旦运行被接纳,Router 就会返回 201 以及一个 request_id;结果就绪后,可从当前进程或另一个进程收集。队列投递 会介绍状态、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 URL。支持的格式:mp3 和 wav。不能与 reference_video_urls 一起使用。
string
首帧图像 URL 或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。 happyhorse-1.x 的 i2v 型号并不在此处传入首帧,它们将其作为类型为 first_frame 的 media 元素传入(参见下方的 media),而且在 wan2.6-i2v 上能通过的 img_url 请求体, 会被提供商在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上拒绝;wan2.7/wan3.0 这些 型号同样在 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,而某个模型接受哪些 type 值,以及它是否在此处而非 img_url 或 reference_video_urls 中携带其图像或视频 输入,都因模型而异。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,公共 URL 或 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):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 1 个 reference_image 或 reference_video,且参考图像加参考视频总数最多 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,公共 URL 或 data:{MIME_type};base64,… URL。reference_video:公共 HTTP/HTTPS URL;不接受 内联 data: URL。
  • 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,公共 URL 或 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 同时使用)、link(最多 1 个,不能与 file 同时使用)。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,公共 URL 或 data:{MIME_type};base64,… URL。reference_video、 reference_audio、file 和 link: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。这些型号在 此处传入首帧,而不是在 img_url 中传入。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,公共 URL 或 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,公共 URL 或 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,即被编辑的片段:MP4/MOV,3-60 秒, 最长边最大 4096 像素,最短边至少 360 像素,宽高比介于 1:2.5 与 2.5:1 之间,最大 100MB,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/WEBP,至少 300x300 像素,宽高比介于 1:2.5 与 2.5:1 之间,最大 20MB,公共 URL 或 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任何 media 输入,因此 请不要设置此字段。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些型号列举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中传入首帧;wan2.6-r2v 在 reference_video_urls 中传入其参考片段。 上述按模型的计数是合作伙伴的限制,而不是本 schema 的限制:media 上未声明 minItems/maxItems,因为可接受的类型及其上限因模型而异。schema 接受并不意味着提供 商接受;反过来,上面的每资产“最大 20MB”数字(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所获资产的上限,当资产是公共 URL 时按字面适用,因为这些 字节从不经过 Comfy。内联 data:{MIME_type};base64,… URL 确实经过 Comfy,并且同样 会遇到传输层上限:Comfy Router 的 POST 请求体总计上限为 100 MiB,超过则返回 413, 而 base64 会使负载膨胀约 4/3,因此单个内联资产若超过约 75 MB,会在触及此处任何合作 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 的上限以内联方式发送完全放得下,因此对于单个资产而言,起约束作用的是合作伙伴规则;而对于多个资产,起约束作用的是传输上限,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。任何接近这些上限的内容,都请以公开 URL 的形式发送。
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:公开的 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)是内联的 data:{MIME_type};base64,... URL。在这些模型上,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,仅能在上传它的那个阿里云账号下解析;Comfy 使用自己的密钥发起模型调用,且不开放任何上传途径,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。该字段不校验 URL scheme,因此这类值会按原样转发给合作伙伴,而不会在这里被拒绝。各模型的大小与像素限制,以及以整体方式约束内联负载的 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)。 对于使用多个参考视频的 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,请按媒体数组中的对应顺序使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等来指代媒体资产。
string[]
仅适用于 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
  • 单个视频长度: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:单个视频最长 5 秒,两个视频各最长 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。本组件不对其进行约束: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。直接以 v1 调用 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 时必须提供它,可接受的拼写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;对于其他 Wan 模型,提供商并未记录此类切换。
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"
生成视频的时长,以秒为单位:
  • 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 对于超出 [-1, 30] 范围的时长,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。默认值为 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,而分辨率仍必须是该代理对相应模型接受的值。对于分辨率描述中列为不支持 480P 的每个模型,480P 尺寸都会返回 400。
boolean
默认值:"false"
是否添加水印标识,水印位于右下角
由 Router 在 GET /v2/models/wan/wan2.7-r2v/openapi.json 提供的 schema 生成,这也是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(适用于视频任务)
string
含音频生成的 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
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[]
图像生成任务的任务结果列表
string
智能改写后的实际提示词(若已启用)
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
图像生成任务的任务结果统计
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 与 wan3.0-video 任务)
number
已生成视频的时长,单位为秒(I2V 与 wan3.0-video 任务)
integer
已生成视频的帧率(wan3.0-video 任务)
integer
已生成的图像数量(T2I 与 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 与 I2I 任务)
integer
已生成的视频数量(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,在外层响应结构的根层级报告,而不是在 output 下(请求成功时不返回)。
string
失败请求的详细信息,在外层响应结构的根层级报告,而不是在 output 下(请求成功时不返回)。在回退到 output.message 之前请先读取此项。

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。