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 发起的同一个调用。
模型 ID: wan/wan2.7-videoedit
端点: POST https://api.comfy.org/v2/models/wan/wan2.7-videoedit
- 等待结果
- 排队并稍后收集
同一个请求体,发送到
POST https://api.comfy.org/v2/models/wan/wan2.7-videoedit/requests。只要运行被接纳,Router 就会返回 201 和 request_id,结果准备就绪后,即可从当前进程或另一个进程进行收集。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 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 拼写不在此处接收其首帧,而是将其作为类型为 first_frame 的媒体元素接收(见下方的 media);并且在 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;而 wan2.7/wan3.0 的拼写同样在 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。此字段由本组件提供服务的每一个模型共享,而某个模型接受哪些
type 值(以及它是否在此处携带其图像或视频输入,而不是在 img_url 或
reference_video_urls 中)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 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):公开 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,且参考图像加上 参考视频总计最多 5 个。first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP (不含 alpha 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 URL 或 data:{MIME_type};base64,… URL。reference_video:公开 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 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,公开 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 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(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,可以是公开 URL 或 data:{MIME_type};base64,… URL。reference_video、reference_audio、file 和 link:公开 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 在此处接收其首帧,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 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,可以是公开 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,长边最大 4096 像素,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 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,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可以是公开 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。其对应的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: 本组件未为这些拼写枚举任何 media 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。 上述按模型的计数是合作伙伴的约束,而不是本 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 并不意味着提供商接受;反过来说,上文按资产给出的“至多 20MB”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收到的 资产设定的上限;当资产是公开 URL 时,这些限制按字面适用, 因为那些字节从不经过 Comfy。内联的 data:{MIME_type};base64,… URL 确实会经过 Comfy,并且同样会遇到传输上限:Comfy Router 的 POST 请求体总计上限为 100 MiB,超出会返回 413;而 base64 会使 负载膨胀约 4/3,因此单个内联资产超过约 75 MB 时,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,单个资产即使处于合作伙伴自身的20MB 的上限可以轻松容纳内联内容,因此对于单个资产而言,真正起约束作用的是合作伙伴规则; 而当涉及多个资产时,约束则来自传输上限,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,请都以公开 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、linkstring
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,也可以使用内联的 data:{MIME_type};base64,... URL。这些模型上的任何视频、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(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,并且不对外暴露任何上传途径,因此调用方自己的 oss:// URL 或 asset_id 并不是受支持的输入。该字段不校验 URL 协议,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。有关各模型的大小和像素限制,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 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,请使用 ‘character1’、‘character2’ 等按参考视频的顺序指代主体。
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’ 等按媒体数组中对应的顺序指代媒体资产。
string[]
仅用于 wan2.6-r2v 模型的参考视频 URL。包含 1-3 个视频 URL 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 调用方会省略它。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,可接受拼写的枚举定义在该操作自身的组件 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
可能的值:
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
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
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,如果未提供,则根据分辨率档位确定默认值。
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
该代理会拒绝既未提供 resolution 也未提供 size 的视频生成请求,因为分辨率档位决定计费费率。它会在校验前将 resolution 转为大写并转发大写后的值,对于不属于此枚举的值返回 400;对于上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,传入 480P 时也返回 400(无论以 resolution 还是 480P 的 size 形式传入)。
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取值范围:
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
当同时传入 size 和 resolution 时,size 决定计费档位,而 resolution 仍必须是该代理为该模型接受的值。若 size 为 480P,则在分辨率说明中列为不支持 480P 的每个模型上都会返回 400。
boolean
默认值:"false"
是否添加水印 logo,水印位于右下角
GET /v2/models/wan/wan2.7-videoedit/openapi.json 提供的 schema 生成,该文档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(视频任务)
string
带音频生成的 I2V 任务的音频 URL
string
请求失败时的错误码(请求成功时不返回)
string
任务完成时间
string
请求失败的详细信息(请求成功时不返回)
string
原始输入提示词(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(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, 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
已生成图像数量(T2I 和 I2I 任务)
number
输入视频的时长,单位为秒,没有视频输入时为 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
请求失败时的错误码,在信封的根层级返回,而不是在
output 下(请求成功时不返回)。string
请求失败的详细信息,在信封的根层级返回,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。