Skip to main content
Wan 3.0 Video 的 API 参考。Wan 3.0 Video 既可以仅根据提示词生成,也可以根据由首帧和末帧、参考图像、视频和音频组成的媒体列表生成;在提示词中分别以 Image 1、Video 1 和 Audio 1 来引用。 输入: 文本, 图像, 视频, 音频 · 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 发起的同一调用。 模型 ID: wan/wan3.0-video 端点: POST https://api.comfy.org/v2/models/wan/wan3.0-video
同一个请求体,发送至 POST https://api.comfy.org/v2/models/wan/wan3.0-video/requests。运行一经接纳,Router 就返回 201 和 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 完整介绍了状态查询、取消与收集。

服务提供商

除非请求中指定了其他提供商,否则该模型由 Comfy Router 直接提供服务。下列提供商也可通过同一端点和相同的模型 ID 提供该模型,并使用 model_provider 查询参数进行选择。
  • Comfy(默认):POST https://api.comfy.org/v2/models/wan/wan3.0-video
  • Higgsfield,作为 higgsfield/higgsfield-wan-3:POST https://api.comfy.org/v2/models/wan/wan3.0-video?model_provider=higgsfield
strict_mode 默认为 false,因此 Router 会将本页记录的原始请求体转换为提供商自己的 schema,并将响应转换回来。请参阅 API 参考中的 model_provider、strict_mode 和 fallback_provider,以及 服务提供商,了解所有以这种方式路由的模型。

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 i2v 这些拼写不在此处接收其首帧:它们将其作为 type 为 first_frame 的媒体元素接收(见下方 media)。在 wan2.6-i2v 上成功的 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 这些拼写也在 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资料(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每个模型共享,而给定模型接受哪些 type 值,以及它是将图像或视频输入放在此处而不是放在 img_url 或 reference_video_urls 中,都因模型而异。各模型支持的 type 值:
  • 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,最多 20MB,可以是公开网址或 data:{MIME_type};base64,… 网址。driving_audio(WAV/MP3,2-30 秒,最多 15MB)和 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最多 100MB):公开 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-r2v:first_frame(可选,最大值 1)、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,宽高比在 1:8 到 8:1 之间,最多 20MB,可以是公开网址或 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,即正在编辑的片段:MP4/MOV,2-10 秒,每边 240-4096 像素,最多 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 到 8:1 之间,最多 20MB,可以是公开网址或 data:{MIME_type};base64,… 网址)。
  • wan3.0-video、wan3.0-video-prime:first_frame(最大值 1)、last_frame(最大值 1)、reference_image(最大值 10)、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(最大值 1,不能与 link 一起使用)、link(最大值 1,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,最多 20MB,可以是公开网址或 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,最多 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,最多 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,宽高比在 1:2.5 到 2.5:1 之间,最多 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/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最多 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媒体输入,因此请不要设置此字段。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:此组件并未为这些拼写枚举任何媒体词汇。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。 上述各模型的数量是合作伙伴的约束,而非本 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,上述每个资产的“最多 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获得的资产所设的上限,当资产是公开网址时,这些数值按字面适用,因为这些字节从不经过 Comfy。内联 data:{MIME_type};base64,… 网址确实会经过 Comfy,并且也会遇到传输上限:Comfy Router 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,因此任何单个内联资产只要超过约 75 MB,就会在触达此处任何合作伙伴规则之前被拒绝。在该大小下,单个资产在合作伙伴自身的20MB 上限可轻松容纳内联数据,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;而在多个资产的情况下,起约束作用的则是传输上限,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:一个公开的 HTTP/HTTPS URL;或者,仅针对上文 media 描述为各模型列出的 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),也可以是一个内联的 data:{MIME_type};base64,... URL。这些模型中,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,或者(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能针对上传它的阿里云账号解析;Comfy 使用自己的密钥发起模型调用且不提供上传路由,因此调用方自己的 oss:// URL 或 asset_id 并非受支持的输入。此字段不校验 URL 协议,因此这样的值会原样转发给合作伙伴,而不会在此处被拒绝。有关各模型的大小和像素限制,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:单个视频最大 5 秒,两个视频各最大 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 v1 调用时则必须提供它,其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。仅支持 wan3.0-video 和 wan3.0-video-prime;提供商未为其他 wan 模型记录此类切换。
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:强制保留输入视频中的原始音频 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,输入视频时长与输出视频时长之和不得超过 30 秒;-1 会启用智能时长模式,由模型选择合适的时长 当时长超出 [-1, 30] 范围时,该代理会返回 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
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,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。可选值:adaptive、16:9、9:16、1:1、4:3、3:4
string
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了计费费率。它会在检查之前将 resolution 转为大写,并转发大写后的值;对于超出该枚举范围的值返回 400;对于上文中列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,请求 480P(无论以 resolution 还是以 480P 的 size 发送)时返回 400。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 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 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 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。在任何被 resolution 描述列为不支持 480P 的模型上,480P 的 size 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/wan3.0-video/openapi.json 提供的 schema 生成,该 schema 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
失败的任务数
integer
成功的任务数
integer
任务总数
string
必填
任务状态可能的取值:PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
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
唯一的请求标识符
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
已生成图像的数量(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,在响应信封的根层级而非 output 下返回(请求成功时不返回)。
string
失败请求的详细信息,在响应信封的根层级而非 output 下返回(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。