メインコンテンツへスキップ
HappyHorse 1.0 I2V の API リファレンスです。HappyHorse 1.0 の画像から動画への変換は、静止した最初のフレームをアニメーション化し、同じ処理の中で同期したオーディオをレンダリングします。 入力: 画像, テキスト · 出力: ビデオ

クイックスタート

Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk および npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、同じ呼び出しを生の HTTP で実行するものです。 モデル ID: wan/happyhorse-1.0-i2v エンドポイント: POST https://api.comfy.org/v2/models/wan/happyhorse-1.0-i2v
同じボディを POST https://api.comfy.org/v2/models/wan/happyhorse-1.0-i2v/requests に送信します。Router は実行が受け付けられるとすぐに 201 と request_id を返し、結果は準備ができ次第、このプロセスからでも別のプロセスからでも収集できます。キュー配信では、ステータス、キャンセル、収集について説明します。

スキーマ

入力

object
必須
プロンプト文などの基本情報を入力します。
string
音声ファイルのダウンロードURL。対応形式: mp3、wav。reference_video_urls と併用できません。
string
最初のフレーム画像のURL、またはBase64エンコードされたデータ。wan2.5-i2v-preview および wan2.6-i2v モデルでは必須です。happyhorse-1.x の i2v 表記では、最初のフレームをここでは 受け取りません。最初のフレームは type が first_frame のメディア要素として受け取ります (下記の media を参照)。wan2.6-i2v で成功する img_url ボディは、happyhorse-1.0-i2v および happyhorse-1.1-i2v ではプロバイダーに拒否されます。また wan2.7/wan3.0 の表記でも参照 アセットは media で受け取ります。画像形式: JPEG、JPG、PNG、BMP、WEBP。 解像度: 360〜2000 ピクセル。ファイルサイズ: 最大 10MB。
object[]
メディアアセットのリスト。動画生成のための参照素材(画像、オーディオ、ビデオ)を指定します。 各要素は type と url フィールドを持ちます。このフィールドはこのコンポーネントから提供される すべてのモデルで共通であり、あるモデルがどの type 値を受け付けるのか、また画像やビデオの入力を img_url や reference_video_urls ではなくここで行うのかどうかは、モデルによって異なります。 モデルごとの対応 type 値:
  • wan2.7-i2v: first_frame、last_frame、driving_audio、first_clip。first_frame と last_frame: JPEG/JPG/PNG/BMP/WEBP、1辺あたり 240〜8000 ピクセル、アスペクト比 1:8〜8:1、 最大 20MB、パブリック URL または data:{MIME_type};base64,… URL。 driving_audio(WAV/MP3、2〜30 秒、最大 15MB)と first_clip(MP4/MOV、2〜10 秒、 1辺あたり 240〜4096 ピクセル、最大 100MB): パブリックな HTTP/HTTPS URL。 インラインの data: URL は受け付けられません。
  • wan2.7-r2v: first_frame(任意、最大 1)、reference_image、reference_video。少なくとも 1 つの reference_image または reference_video が必要で、reference_image と reference_video の合計は最大 5 です。first_frame と reference_image: JPEG/JPG/PNG/BMP/WEBP (アルファチャンネルなし)、1辺あたり 240〜8000 ピクセル、アスペクト比 1:8〜8:1、最大 20MB、パブリック URL または data:{MIME_type};base64,… URL。reference_video: パブリックな HTTP/HTTPS URL。インラインの data: URL は受け付けられません。
  • wan2.7-videoedit: video(ちょうど 1 つ、編集対象のクリップ: MP4/MOV、2〜10 秒、 1辺あたり 240〜4096 ピクセル、最大 100MB、パブリックな HTTP/HTTPS URL。インラインの data: URL は受け付けられません)に加えて、任意で 0〜4 個の reference_image(JPEG/JPG/PNG/BMP/WEBP、 1辺あたり 240〜8000 ピクセル、アスペクト比 1:8〜8:1、最大 20MB、パブリック URL または data:{MIME_type};base64,… URL)。
  • wan3.0-video、wan3.0-video-prime: first_frame(最大 1)、last_frame(最大 1)、 reference_image(最大 10)、reference_video(最大 5 クリップ、合計再生時間 <= 15 秒)、 reference_audio(最大 5 クリップ、合計再生時間 <= 15 秒)、file(最大 1、link と併用不可)、 link(最大 1、file と併用不可)。reference_*/file/link タイプと first_frame/last_frame タイプは 同じリクエスト内では排他的です。配列の順序がプロンプト内でのアセットの参照順序を定義します (Image 1、Video 1、Audio 1、…)。first_frame、last_frame、reference_image: JPEG/JPG/PNG/BMP/WEBP、 1辺あたり 240〜8000 ピクセル、アスペクト比最大 8:1、最大 20MB、パブリック URL または data:{MIME_type};base64,… URL。reference_video、reference_audio、file、link: パブリックな HTTP/HTTPS URL。インラインの data: URL は受け付けられません。
  • happyhorse-1.0-i2v、happyhorse-1.1-i2v: first_frame のみ、ちょうど 1 つ。これらの表記では 最初のフレームをここで受け取り、img_url では受け取りません。少なくとも 300x300 ピクセル、 アスペクト比 1:2.5〜2.5:1、JPEG/JPG/PNG/WEBP、最大 20MB、パブリック URL または data:{MIME_type};base64,… URL。
  • happyhorse-1.0-r2v、happyhorse-1.1-r2v: reference_image のみ、1〜9 個。これがこのモデルの 唯一の参照入力です。最短辺が少なくとも 400 ピクセル、JPEG/JPG/PNG/WEBP、最大 20MB、 パブリック URL または data:{MIME_type};base64,… URL。reference_video はこの操作の 入力タイプではありません。
  • happyhorse-1.0-video-edit: video(ちょうど 1 つ、編集対象のクリップ: MP4/MOV、3〜60 秒、 長辺が最大 4096 ピクセル、短辺が少なくとも 360 ピクセル、アスペクト比 1:2.5〜2.5:1、 最大 100MB、パブリックな HTTP/HTTPS URL。インラインの data: URL は受け付けられません)に 加えて、任意で 0〜5 個の reference_image(JPEG/JPG/PNG/WEBP、少なくとも 300x300 ピクセル、 アスペクト比 1:2.5〜2.5:1、最大 20MB、パブリック URL または data:{MIME_type};base64,… URL)。
  • happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview: テキストから動画への操作。これらの表記に対応するパートナーのリファレンスにはメディア入力が 記載されていないため、このフィールドは未設定のままにしてください。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v: このコンポーネントはこれらの表記に対して media の語彙を列挙していません。wan2.5-i2v-preview と wan2.6-i2v は最初のフレームを img_url で受け取り、wan2.6-r2v は参照クリップを reference_video_urls で受け取ります。 上記のモデルごとの個数はこのスキーマの制約ではなく、パートナーの制約です。media には minItems/maxItems が宣言されていません。許容される type とその上限はモデルごとに異なるためです。 スキーマが受け付けることはプロバイダーが受け付けることを意味しません。逆方向についても、 上記のアセットごとの「最大 20MB」という数値は、インラインで送信できる唯一の入力である画像入力の 上限であり、パートナーが最終的に受け取るアセットに対する上限です。アセットがパブリック URL の 場合はそのまま適用されます。そのバイト列は Comfy を経由しないためです。インラインの data:{MIME_type};base64,… URL は Comfy を経由するため、転送上の上限にも直面します。 Comfy Router の POST ボディは合計 100 MiB に制限され、超えると 413 が返されます。また base64 は ペイロードを約 4/3 に膨らませるため、およそ 75 MB を超える単一のインラインアセットは、ここに 挙げたパートナーのルールに到達する前に拒否されます。そのサイズでは、パートナー自身の20MB の上限はインラインでも余裕を持って収まるため、アセット 1 つの場合はパートナーのルールが制約となります。複数のアセットにまたがる場合はトランスポートの上限が制約となります。100 MiB の Router の上限は個々の要素ではなくリクエスト全体を制限するためです。これらの上限に近いものはパブリック URL として送信してください。
string
必須
メディアアセットの種類指定可能な値: first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必須
メディアファイルの URL: パブリックな HTTP/HTTPS URL、または(上記の media の説明で各モデルについて列挙されている IMAGE 入力、すなわち wan2.7-i2v の first_frame と last_frame、wan2.7-r2v の first_frame と reference_image、wan2.7-videoedit の reference_image、wan3.0-video と wan3.0-video-prime の first_frame、last_frame、reference_image、happyhorse-1.0-i2v と happyhorse-1.1-i2v の first_frame、happyhorse-1.0-r2v と happyhorse-1.1-r2v の reference_image、happyhorse-1.0-video-edit の reference_image に限ります)インラインの data:{MIME_type};base64,... URL。これらのモデルのいずれにおいても、ビデオ、オーディオ、ファイル、リンクの入力はインラインの data: URL を受け付けません。パートナー自身のアップロードサービスによる oss://dashscope-instant の一時 URL、または(wan2.7-videoedit では)Asset Center の asset_id は、それをアップロードした Alibaba Cloud アカウントに対してのみ解決されます。Comfy は自身のキーでモデルを呼び出し、アップロード経路を公開しないため、呼び出し元自身の oss:// URL や asset_id はサポートされる入力ではありません。このフィールドは URL スキームを検証しないため、そのような値はここで拒否されず、そのままパートナーへ転送されます。モデルごとのサイズとピクセルの上限、およびインラインペイロードを全体として制限する 100 MiB の Router リクエストボディ上限については、media の説明を参照してください。
string
逆プロンプトの言葉は、ビデオ画面に表示したくないコンテンツを記述するために使用します。500 文字を超えると、wan モデルは拒否せずに切り捨てます。これは prompt と同じ入力予算にカウントされます。
string
テキストプロンプトの言葉。中国語と英語をサポートします。文書化された長さを超えると、wan2.x モデルはプロンプトを拒否せずに切り捨てます。wan2.5 と wan2.6 では 1,500 文字、wan2.7 では 5,000 文字です。wan3.0-video と wan3.0-video-prime は最大 20,000 文字を受け付けます。プロバイダーは、prompt と negative_prompt を合わせて約 60,850 バイトの UTF-8 テキスト(約 20,000 の中国語文字)を超えるリクエストを拒否し、InvalidParameter Range of input length should be [1, 61440] を返します。 複数の参照ビデオを使う wan2.6-r2v では、参照ビデオの順序に従って被写体を指すために ‘character1’、‘character2’ などを使用します。例: “Character1 sings on the roadside, Character2 dances beside it” wan3.0-video の参照モードでは、media 配列内の対応する順序でメディアアセットを指すために ‘Image 1’、‘Video 1’、‘Audio 1’ などを使用します。
string[]
wan2.6-r2v モデル専用の参照ビデオ URL。1〜3 本のビデオ URL の配列。 入力の制限:
  • 形式: mp4、mov
  • 数量: 1〜3 本のビデオ
  • 単一ビデオの長さ: 2〜30 秒
  • 単一ファイルサイズ: 最大 30MB
  • audio_url と併用できません 参照の再生時間: 単一ビデオは最大 5 秒、2 本の場合はそれぞれ最大 2.5 秒、3 本の場合は比例して短くなります。 課金: 使用した実際の参照再生時間に基づきます。
string
ビデオエフェクトのテンプレート名。任意。現在サポートされているもの: squish、flying、carousel。使用すると、prompt パラメータは無視されます。
string
呼び出すモデルの ID。このコンポーネントでは制約されません: Comfy Router が POST /v2/models/wan/{model} の {model} パスセグメントから設定するため、Router の呼び出し元は省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis への直接の v1 呼び出しでは必ず指定する必要があり、受け付けられる表記の enum はそのオペレーション自身のコンポーネント WanVideoGenerationRequest にあります。
object
ビデオ処理パラメータ
boolean
デフォルト:"true"
ビデオにオーディオを追加するかどうか。wan3.0-video と wan3.0-video-prime のみでサポートされます。プロバイダーは他の wan モデルについてそのような切り替えを文書化していません。
string
デフォルト:"\"auto\""
wan2.7-videoedit モデルのビデオオーディオ設定。
  • auto(デフォルト): モデルがプロンプトの内容に基づいてインテリジェントに判断します
  • origin: 入力ビデオのオリジナルオーディオを強制的に保持します 指定可能な値: auto、origin
integer
デフォルト:"5"
生成されるビデオの再生時間(秒):
  • wan2.5 モデル: 5 秒または 10 秒
  • wan2.6-t2v、wan2.6-i2v: 5 秒、10 秒、または 15 秒
  • wan2.6-r2v: 5 秒または 10 秒のみ(15 秒はサポートされません)
  • wan2.7-i2v、wan2.7-t2v: [2, 15] の整数
  • wan2.7-r2v、wan2.7-videoedit: [2, 10] の整数
  • wan3.0-video: ビデオ入力なしの場合は [2, 30] の整数。ビデオ入力がある場合、 入力ビデオの再生時間と出力ビデオの再生時間の合計は 30 秒を超えてはなりません。-1 を指定すると スマート再生時間モードが有効になり、モデルが適切な再生時間を選択します このプロキシは [-1, 30] の範囲外の duration に対して 400 を返します。 範囲: -1 から 30
boolean
デフォルト:"true"
プロンプトのインテリジェントな書き換えを有効にするかどうか。デフォルトは true
string
生成されるビデオのアスペクト比。wan2.7 および wan3.0 モデル専用。 wan2.7 モデルでは、指定しない場合は解像度ティアに基づいてデフォルトが決まります。 wan3.0-video では、adaptive(デフォルト)が入力メディアの比率と意図に基づいて適切なアスペクト比を自動的に推奨します。指定可能な値: adaptive、16:9、9:16、1:1、4:3、3:4
string
解像度レベル。サポートされる値はモデルによって異なります:
  • wan2.5-i2v-preview: 480P、720P、1080P
  • wan2.6 モデル (t2v、i2v、r2v): 720P、1080P のみ (480P 非サポート)
  • wan2.7 モデル (i2v、t2v、r2v、videoedit): 720P、1080P (デフォルト 1080P)
  • wan3.0-video、wan3.0-video-prime: 480P、720P、1080P (上流のデフォルト 1080P)
  • happyhorse-1.0-* (t2v、i2v、r2v、video-edit): 720P、1080P
  • happyhorse-1.1-* (t2v、i2v、r2v): 480P、720P、1080P このプロキシは、resolution も size も指定されていないビデオ生成リクエストを拒否します。resolution のティアが課金レートを決めるためです。チェックの前に resolution を大文字化して転送し、この列挙にない値には 400 を返します。また、上記で 480P 非対応と記載されている wan2.6、wan2.7、happyhorse-1.0 の各モデルでは、480P (resolution として送信された場合も、480P の size として送信された場合も) に対して 400 を返します。 指定可能な値: 480P、720P、1080P
integer
乱数シード。モデルが生成するコンテンツのランダム性を制御するために使用します。範囲: 0 から 2147483647
string
デフォルト:"\"single\""
インテリジェントなマルチレンズ制御。prompt_extend が有効な場合にのみ機能します。 wan2.6 および wan2.7-r2v モデル向け。
  • single: 単一ショットのビデオ (デフォルト)
  • multi: マルチショットのビデオ 指定可能な値: multi、single
string
幅高さ形式のビデオ解像度。サポートされる解像度はモデルによって異なります: wan2.5 T2V の場合: 480P (480832、832480、624624)、720P、1080P の各サイズ wan2.6 T2V/R2V の場合 (480P なし): 720P: 1280720、7201280、960960、1088832、8321088 1080P: 19201080、10801920、14401440、16321248、12481632 size と resolution の両方を送信した場合、課金ティアを選択するのは size で、 resolution はそのモデルに対してこのプロキシが受け付ける値である必要があります。480P の size は、 解像度の説明で 480P 非対応と記載されているすべてのモデルで 400 を返します。
boolean
デフォルト:"false"
ウォーターマークロゴを追加するかどうか。ウォーターマークは右下隅に配置されます。
GET /v2/models/wan/happyhorse-1.0-i2v/openapi.json で Router が提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に呼び出しを検証する際に使用される同じドキュメントです。

出力

object
必須
string
インテリジェントな書き換え後の実際のプロンプト(ビデオタスク用)
string
オーディオ生成を伴うI2Vタスク用のオーディオURL
string
失敗したリクエストのエラーコード(リクエストが成功した場合は返されません)
string
タスク完了時間
string
失敗したリクエストの詳細情報(リクエストが成功した場合は返されません)
string
元の入力プロンプト(ビデオタスク用)
object[]
画像生成タスクのタスク結果のリスト
string
インテリジェントな書き換え後の実際のプロンプト(有効な場合)
string
画像エラーコード(一部のタスクが失敗した場合に返されます)
string
画像エラー情報(一部のタスクが失敗した場合に返されます)
string
元の入力プロンプト
string
生成された画像のURLアドレス
string
タスク実行時間
string
タスク送信時間
string
必須
タスクID
object
画像生成タスクのタスク結果統計
integer
失敗したタスク数
integer
成功したタスク数
integer
タスクの合計数
string
必須
タスクステータス可能な値: PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
完了したビデオ生成タスクのビデオURL。リンクの有効期間は24時間
string
必須
一意のリクエスト識別子
object
出力情報の統計。成功した結果のみがカウントされます
integer
ビデオ解像度レベル(I2Vおよびwan3.0-videoタスク)
number
生成されたビデオの再生時間(秒)(I2Vおよびwan3.0-videoタスク)
integer
生成されたビデオのフレームレート(wan3.0-videoタスク)
integer
生成された画像数(T2IおよびI2Iタスク)
number
入力ビデオの再生時間(秒)。ビデオ入力がない場合は0.0(wan3.0-videoタスク)
number
出力ビデオの再生時間(秒)(wan3.0-videoタスク)
string
生成されたビデオのアスペクト比(例: 16:9)(wan3.0-videoタスク)
string
画像解像度(T2IおよびI2Iタスク)
integer
生成されたビデオ数(T2Vタスク)
number
生成されたビデオの再生時間(秒)(T2Vタスク)
string
ビデオ解像度比率(T2Vタスク)
string
失敗したリクエストのエラーコード。output の下ではなくエンベロープのルートで報告されます(リクエストが成功した場合は返されません)。
string
失敗したリクエストの詳細情報。output の下ではなくエンベロープのルートで報告されます(リクエストが成功した場合は返されません)。output.message にフォールバックする前にこちらを確認してください。

例

入力

出力

ビデオ URL は 24 時間有効です。保持する必要がある場合は、速やかにビデオをダウンロードしてください。

出荷前の確認

SDK は Idempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。 リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。 上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。 このページは、Comfy Router 経由で呼び出す 1 つのパートナーモデルについて説明しています。同じ comfy-sdk / @comfyorg/sdk パッケージには、Comfy Cloud 上で ComfyUI のワークフローグラフ全体を実行するための 2 つ目のクライアントも含まれています: Comfy(api_key=...) / new Comfy({ apiKey })、および client.workflows、client.assets、client.jobs。Comfy SDKs を参照してください。

ヘッダー

認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。

Router API の利用

モデルの検出、バリデーションエラー、リトライ、課金。

制限事項

Router が現在対応していないことと、代替手段。