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、npm install @comfyorg/sdk)を使用しており、cURL のスニペットは同じ呼び出しを生の HTTP で行うものです。
モデル ID: wan/happyhorse-1.1-r2v
エンドポイント: POST https://api.comfy.org/v2/models/wan/happyhorse-1.1-r2v
- Wait for the result
- Queue and collect later
スキーマ
入力
object
必須
プロンプトなどの基本情報を入力します。
string
オーディオファイルのダウンロードURL。対応形式: mp3、wav。reference_video_urls とは併用できません。
string
先頭フレームの画像URLまたはBase64エンコードデータ。I2Vモデルでは必須です。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[]
wan2.7 および wan3.0 モデル用のメディアアセットリスト。ビデオ生成用の参照素材(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。
サポートされる type の値はモデルによって異なります:
- 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 とは併用不可)、link(最大1、file とは 併用不可)。reference_*/file/link タイプと first_frame/last_frame タイプは 同一リクエスト内では同時に使用できません。配列の順序が、プロンプト内でのアセットの 参照順序(画像1、ビデオ1、オーディオ1、…)を定義します。
string
必須
メディアアセットのタイプ指定可能な値:
first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、linkstring
必須
メディアファイルのURL(公開HTTP/HTTPS URLまたはOSSの一時URL)
string
ネガティブプロンプト。ビデオ画面に表示したくない内容を記述するために使用します。
string
テキストプロンプト。中国語と英語に対応しており、長さは800文字以内です
(wan3.0-video では最大20,000文字。制限を超えた内容は切り捨てられます)。
複数の参照ビデオを使う wan2.6-r2v では、‘character1’、‘character2’ などを使って
参照ビデオの順序で被写体を参照します。例: “Character1 sings on the roadside, Character2 dances beside it”
wan3.0-video の参照モードでは、‘Image 1’、‘Video 1’、‘Audio 1’ などを使って、
media 配列内の対応する順序でメディアアセットを参照します。
string[]
wan2.6-r2v モデル専用の参照ビデオURL。1~3個のビデオURLの配列。
入力制限:
- 形式: mp4、mov
- 数量: 1~3本
- 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 とは併用不可 参照時間: 単一ビデオは最大5秒、2本の場合は各最大2.5秒、3本の場合はそれに比例して短くなります。 課金: 実際に使用した参照時間に基づきます。
string
ビデオエフェクトテンプレート名。任意。現在サポートされているのは squish、flying、carousel です。使用時は 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これを設定するため、Router の呼び出し元は省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis を直接 v1 呼び出しする場合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
string
デフォルト:"\"auto\""
wan2.7-videoedit モデル用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 または 10 秒
- wan2.6-t2v、wan2.6-i2v: 5、10、または 15 秒
- wan2.6-r2v: 5 または 10 秒のみ(15秒は非対応)
- 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。ビデオ入力ありの場合は、入力ビデオの
合計再生時間 + 出力ビデオの再生時間が 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
範囲:
-1~30
boolean
デフォルト:"true"
prompt 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 モデル専用です。
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、3:4string
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-i2v: 720P、1080P のみ(480P 非対応)
- 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(上流のデフォルトは 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。
解像度ティアが課金レートを選択するためです。
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 2147483647string
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動作します。
wan2.6 および wan2.7-r2v モデル用。
- single: シングルショットビデオ (デフォルト)
-
multi: マルチショットビデオ
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
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-1.1-r2v/openapi.json で提供するスキーマから生成されており、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ドキュメントと同じものです。
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
オリジナルの入力プロンプト(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
オリジナルの入力プロンプト
string
生成済み画像の 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の統計
integer
失敗したタスクの数
integer
成功したタスクの数
integer
タスクの合計数
string
必須
タスクステータス指定可能な値:
PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWNstring
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 時間です
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
生成済みビデオの再生時間(秒)(I2V および wan3.0-video タスク)
integer
生成済みビデオのフレームレート(wan3.0-video タスク)
integer
生成済み画像の数(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
生成済み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
生成済みビデオの数(T2V タスク)
number
生成済みビデオの再生時間(秒)(T2V タスク)
string
ビデオ解像度の比率(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れを確認してください。例
入力
出力
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 は理由を示す 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。
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。