Skip to main content
Wan 2.6 R2V 的 API 参考。Wan 2.6 参考生视频可将一到三个参考视频中的主体带入新的场景,并在提示词中以 character1、character2 等加以指代。

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生 HTTP 发起的同一次调用。 模型 ID: wan/wan2.6-r2v 端点: POST https://api.comfy.org/v2/models/wan/wan2.6-r2v
同一请求体,发送至 POST https://api.comfy.org/v2/models/wan/wan2.6-r2v/requests。只要运行被接受,Router 就会返回 201 和一个 request_id,结果就绪后即可收集,无论从当前进程还是其他进程。队列投递 介绍了状态查询、取消和结果收集。

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 同时使用。
string
首帧图像网址或 Base64 编码数据。 仅 wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 拼写不在此处传入首帧:它们将首帧作为 media 中类型为 first_frame 的元素传入 (参见下文 media),而在 wan2.6-i2v 上能够成功的 img_url 请求体, 在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝。 图像格式:JPEG、JPG、PNG、BMP、WEBP。分辨率:360-2000 像素。 文件大小:最大 10MB。
object[]
wan2.7、wan3.0 和 happyhorse-1.x 模型的媒体资产列表。用于指定视频生成所需的 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。 支持的 type 取值因模型而异:
  • wan2.7-i2v: first_frame, last_frame, driving_audio, first_clip
  • wan2.7-r2v: reference_image, reference_video
  • wan2.7-videoedit: video, reference_image
  • wan3.0-video: first_frame(最多 1 个)、last_frame(最多 1 个)、reference_image(最多 10 个)、 reference_video(最多 5 段,总时长 <= 15s)、reference_audio(最多 5 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)。在同一请求中,reference_*/file/link 类型与 first_frame/last_frame 类型互斥。数组顺序决定提示词中资产的引用 顺序(Image 1、Video 1、Audio 1……)。
  • happyhorse-1.x-i2v: 仅支持 first_frame,且必须正好 1 个。至少 300x300 像素, JPEG/JPG/PNG/WEBP,最大 20MB,公开网址或 data:{MIME_type};base64,… 网址。 这些拼写不接收 img_url;首帧在此处传入。
  • happyhorse-1.x-r2v: 仅支持 reference_image,数量为 1 到 9 个。最短边至少 400 像素,最大 20MB,公开网址或 data: 网址。reference_video 不是此操作的输入 类型。
  • happyhorse-1.x-video-edit: video 上述每项资产”最大 20MB”的数值是合作伙伴对其最终接收图像设定的容量上限, 当资产是公开网址时按字面适用,因为这些字节从不会经过 Comfy 传输。内联 data: 网址则会经过 Comfy 传输,因此还要受传输层上限约束:Comfy Router 的 POST 请求体 总上限为 100 MiB,超出会返回 413;而 base64 会使载荷膨胀约 4/3,因此 单个内联资产超过约 75 MB 时,在触达此处任何合作伙伴规则之前就会被拒绝。 在该大小下,单个资产即使达到合作伙伴自身 20MB 的上限也能轻松内联容纳, 因此对于单个资产而言,起约束作用的是合作伙伴规则;而传输层上限则在多个 资产同时出现时起作用,因为 100 MiB 的 Router 上限约束的是整个请求,而非每个 元素。任何接近这些上限的内容,请以公开网址发送。
string
必填
媒体资产类型可能取值:first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必填
媒体文件的网址:公开的 HTTP/HTTPS 网址、OSS 临时网址,或者(当上文中 media 描述里对应模型的条目如此说明时,例如 happyhorse-1.x 的 i2v 和 r2v 拼写)内联的 data:{MIME_type};base64,... 网址。有关各模型的尺寸与像素下限,以及 100 MiB 的 Router 请求体总上限对内联载荷的聚合约束,请参见该描述。
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)。 对于带有多个参考视频的 wan2.6-r2v,可使用 ‘character1’、‘character2’ 等按参考视频的顺序指代 主体。例如:“Character1 sings on the roadside, Character2 dances beside it” 对于 wan3.0-video 的参考模式,可使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等按 media 数组中的对应顺序 指代媒体资产。
string[]
仅适用于 wan2.6-r2v 模型的参考视频网址。由 1-3 个视频网址组成的数组。 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 同时使用 参考时长:单个视频最长 5s,两个视频每个最长 2.5s,三个视频则相应更短。 计费:按实际使用的参考时长计费。
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。此组件不做约束: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,其接受的拼写枚举位于该操作自身的组件 WanVideoGenerationRequest 中。
object
视频处理参数
boolean
默认值:"true"
是否为视频添加音频
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,单位为秒:
  • wan2.5 模型:5 秒或 10 秒
  • wan2.6-t2v、wan2.6-i2v:5 秒、10 秒或 15 秒
  • wan2.6-r2v:仅支持 5 秒或 10 秒(不支持 15 秒)
  • wan2.7-i2v、wan2.7-t2v:取值范围为 [2, 15] 的整数
  • wan2.7-r2v、wan2.7-videoedit:取值范围为 [2, 10] 的整数
  • wan3.0-video:无视频输入时为 [2, 30] 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 启用智能时长模式,由模型自行选择合适的时长 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,如果未提供该参数,则根据分辨率档位设置默认值。 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-i2v:仅支持 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) 本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标准。 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 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
boolean
默认值:"false"
是否添加水印标识,水印位于右下角
根据 schema 生成,Router 在 GET /v2/models/wan/wan2.6-r2v/openapi.json 提供该 schema,它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(用于视频任务)
string
带音频生成的 I2V 任务的音频网址
string
失败请求的错误代码(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
图像错误代码(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 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
失败请求的错误代码,报告在信封的根层级,而不是 output 之下(请求成功时不返回)。
string
失败请求的详细信息,报告在信封的根层级,而不是 output 之下(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。