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 发出的同一调用。
模型 ID: wan/wan2.7-t2v
端点: POST https://api.comfy.org/v2/models/wan/wan2.7-t2v
- 等待结果
- 排队并稍后收集
相同的请求体,发送到
POST https://api.comfy.org/v2/models/wan/wan2.7-t2v/requests。一旦运行被接纳,Router 便会返回 201 和 request_id,运行就绪后即可收集结果,可以来自当前进程,也可以来自另一个进程。队列投递完整介绍了状态、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。wan2.5-i2v-preview 和
wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 写法不在这里接收首帧,
而是将其作为类型为 first_frame 的媒体元素接收(见下方 media),而在
wan2.6-i2v 上能够成功的 img_url 请求体,会被提供商在
happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上拒绝;wan2.7/wan3.0 的写法同样
通过 media 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材料(图像、音频、视频)。
每个元素包含 type 和 url 字段。该字段由本组件所服务的所有模型共用,而
某个模型接受哪些 type 值,以及它究竟是把图像或视频输入放在这里、而不是放在
img_url 或 reference_video_urls 中,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,宽高比在 1:8 到 8:1 之间,最大 20MB,可以是公开网址或 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 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,并且参考图像加 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,可以是公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开的 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,公开的 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,宽高比在 1:8 到 8:1 之间,最大 20MB,可以是公开网址 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 <= 15 秒)、 reference_audio(最多 5 个片段,总时长 <= 15 秒)、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(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,宽高比最大 8:1,最大 20MB,可以是公开网址或 data:{MIME_type};base64,… 网址。reference_video、reference_audio、file 和 link:公开的 HTTP/HTTPS URL;不接受内联 data: URL。
- happyhorse-1.0-i2v、happyhorse-1.1-i2v:仅 first_frame,且恰好 1 个。这些写法 在这里接收首帧,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,可以是公开网址或 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,可以是公开网址或 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,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 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,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可以是公开网址 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 不要设置此字段。
- wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件没有为这些写法枚举任何 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。 上表中各模型的数量限制是合作伙伴的约束,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,上文每个资产“最大 20MB”的数值(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获得的 资产所设的上限,当资产是公开网址时,这些数值按原样适用, 因为这些字节从不经过 Comfy 传输。内联的 data:{MIME_type};base64,… URL 则确实会经过 Comfy 传输,并且还要受到传输上限的限制:Comfy Router 的 POST 请求体总计限制为 100 MiB,超过则返回 413,而 base64 会使 负载膨胀约 4/3,因此单个超过大约 75 MB 的内联资产会在触及此处任何 合作伙伴规则之前就被拒绝。在这个大小下,单个资产即便达到合作伙伴自身的20MB 的上限可以轻松容纳内联内容,因此对单个资产而言真正起约束作用的是合作伙伴的规则;而运输上限则在涉及多个资产时生效,因为 100 MiB 的 Router 上限约束的是整个请求,而不是其中的每个元素。任何接近这些上限的内容都应通过公共 URL 发送。
string
必填
媒体资产类型可能的值:
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:一个公共 HTTP/HTTPS URL;或者,仅对于上文
media 描述中为各模型列出的 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),可以是内联的 data:{MIME_type};base64,... URL。在这些模型上,任何视频、音频、文件或 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,或者(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,且不对外暴露上传路径,因此调用方自己的 oss:// URL 或 asset_id 并不是受支持的输入。该字段不会校验 URL 协议,因此这类值会原样转发给合作伙伴,而不会在此处被拒绝。各模型的大小与像素限制,以及以总量方式约束内联载荷的 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 最多可到 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 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’ 等来指代 media 数组中对应顺序的媒体资产。
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,三个视频则按比例更短。 计费:按实际使用的参考时长计算。
string
视频特效模板名称。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。该组件上不做约束:Comfy Router 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。直接以 v1 调用 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 时则必须提供它,可接受拼写的枚举定义在该操作自己的组件 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;提供商没有为其他 wan 模型记录此类开关。
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:强制保留输入视频中的原始音频
可能的值:
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
本代理在时长超出 [-1, 30] 时返回 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
生成视频的宽高比。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宽高比。可能的值:
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
此代理会拒绝既不提供分辨率也不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;对于超出此枚举范围的值返回 400;并且对于上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,对 480P 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 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
可选值:
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(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,尺寸决定计费档位,而分辨率仍然必须是此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,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
GET /v2/models/wan/wan2.7-t2v/openapi.json 提供的 schema 生成,该 schema 与请求到达提供商之前 Router 用来校验调用的文档为同一份。
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(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
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
视频分辨率档位(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,在响应最外层(ROOT)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,在响应最外层(ROOT)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。