メインコンテンツへスキップ
Wan 2.6 T2V の API リファレンス。Wan 2.6 のテキストから動画への変換は、プロンプトのみから短いビデオを生成します。解像度は 720P または 1080P、長さは最大 15 秒です。 入力: オーディオ, テキスト · 出力: ビデオ + オーディオ

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)を使用しており、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/wan2.6-t2v エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.6-t2v
同じボディを POST https://api.comfy.org/v2/models/wan/wan2.6-t2v/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、収集の流れを説明しています。

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 および wav。reference_video_urls とは併用できません。
string
先頭フレーム画像のURLまたはBase64エンコードされたデータ。wan2.5-i2v-preview と wan2.6-i2v モデルでは必須です。happyhorse-1.x の i2v 表記では、先頭フレームをここでは 受け取りません。先頭フレームは type が first_frame のメディア要素として渡します(下記の media を参照)。また、wan2.6-i2v で成功する img_url のボディは、happyhorse-1.0-i2v と happyhorse-1.1-i2v ではプロバイダーによって拒否されます。さらに wan2.7/wan3.0 の表記では 参照アセットも media で渡します。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。このフィールドはこのコンポーネントで提供される すべてのモデルで共通ですが、あるモデルがどの type 値を受け付けるか、また画像やビデオの 入力をここで受け取るのか img_url や reference_video_urls で受け取るのかは、モデルごとに 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 240-8000 ピクセル、アスペクト比 1:8 から 8:1、最大 20MB、公開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 240-4096 ピクセル、最大 100MB): 公開 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。 reference_image または reference_video が少なくとも 1 つ必要で、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 240-8000 ピクセル、アスペクト比 1:8 から 8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。reference_video: 公開 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 240-4096 ピクセル、最大 100MB、公開 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 から 4 つの reference_image(JPEG/JPG/PNG/BMP/WEBP、 1辺 240-8000 ピクセル、アスペクト比 1:8 から 8:1、最大 20MB、公開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 <= 15s)、 reference_audio(最大 5 クリップ、合計再生時間 <= 15s)、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(Image 1、Video 1、Audio 1、…)を定義します。 first_frame、last_frame、reference_image: JPEG/JPG/PNG/BMP/WEBP、 1辺 240-8000 ピクセル、アスペクト比 最大 8:1、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。reference_video、reference_audio、file、link: 公開 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 では先頭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 から 2.5:1、JPEG/JPG/PNG/WEBP、最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。
  • happyhorse-1.0-r2v、happyhorse-1.1-r2v: reference_image のみ、1 から 9 個。これが このモデル唯一の参照入力です。短辺が少なくとも 400 ピクセル、JPEG/JPG/PNG/WEBP、 最大 20MB、公開URLまたは data:{MIME_type};base64,… URL。この操作で reference_video は 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 から 2.5:1、 最大 100MB、公開 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 から 5 つの 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 から 2.5:1、最大 20MB、公開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。これらのパートナーのリファレンスにはメディア入力の記載がないため、 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 メディアの語彙を列挙していません。wan2.5-i2v-preview と wan2.6-i2v は先頭フレームを 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 とその上限が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。また逆方向についても、 上記のアセットごとの「最大 20MB」という数値(画像入力の上限であり、インラインで送信できる 唯一の入力です)は、最終的に受け取るアセットに対するパートナーの上限であり、アセットが 公開URLの場合はそのまま適用されます。そのバイト列が Comfy を経由することはないためです。 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 ボディは合計で 100 MiB に制限され、超えると 413 が返され、 また base64 はペイロードを約 4/3 に膨らませるため、約 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、単一のアセットは パートナー自身の20MBの上限ならインラインで問題なく収まるため、単一のアセットで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 の上限は各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すべてパブリック 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 の説明で各モデル向けに列挙されている IMAGE 入力に限り、インラインの data:{MIME_type};base64,... URL を使用できます。対象は 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、そして happyhorse-1.0-video-edit の reference_image です。これらのモデルの video、audio、file、link のいずれの入力もインラインの 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が発行する 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ていないため、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るのではなく、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制限、およびインラインのペイロードを合計で制限する 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 モデルは拒否するのではなく切り詰めます。これは prompt と同じ入力バジェットにカウントされます。
string
テキストプロンプト。中国語と英語をサポートします。自身に定められた長さを超えると、wan2.x モデルは拒否するのではなくプロンプトを切り詰めます。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 文字の中国語)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対応させて「character1」「character2」などで被写体を指定します。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に従って「Image 1」「Video 1」「Audio 1」などでメディアアセットを指定します。
string[]
wan2.6-r2v モデル専用の参照ビデオ URL。1〜3 本のビデオ URL の配列です。 入力の制限:
  • 形式: mp4、mov
  • 数量: 1〜3 本のビデオ
  • 1 本あたりの長さ: 2〜30 秒
  • 1 ファイルあたりのサイズ: 最大 30MB
  • audio_url と併用できません 参照再生時間: 1 本の場合は最大 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: 実際に使用された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。任意です。現在サポートされているもの: squish、flying、carousel。使用した場合、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 v1 直接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 でのみサポートされます。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記載していません。
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のコンテンツ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 秒は非サポート)
  • 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。ビデオ入力を伴う場合は、入力ビデオの再生時間と出力ビデオの再生時間の合計が 30 秒を超えてはなりません。-1 を指定すると、モデルが適切な再生時間を選択するスマート再生時間モードが有効になります 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 です
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、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。取り得る値: 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 (上流のデフォルトは 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 と size のどちら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決定するためです。resolution はチェック前に大文字へ変換され、大文字化された値が転送されます。この enum に含まれない値には 400 を返し、480P を持たないと上記で説明されている 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。 取り得る値: 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 取り得る値: 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 の両方が送信された場合、課金ティアを選択するのは size であり、resolution はそのモデルに対してこのプロキシが受け入れる値である必要があります。480P の size は、解像度の説明で 480P を持たない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。
スキーマから生成されたもので、Router は GET /v2/models/wan/wan2.6-t2v/openapi.json で提供し、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同じドキュメントを使用します。

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
タスクの完了時間
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
画像のエラーコード(一部のタスクが失敗した場合に返されます)
string
画像のエラー情報(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
タスクの実行時間
string
タスクの送信時間
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
タスクの総数
string
必須
タスクステータス指定可能な値: 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
画像の解像度(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
ビデオの解像度比率(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 ROOT 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 ROOT 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

ビデオの URL は 24 時間有効です。保存が必要な場合は、速やかに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。