メインコンテンツへスキップ
Wan 3.0 Video の API リファレンスです。Wan 3.0 Video は、プロンプトのみから、または最初と最後のフレーム、参照画像、ビデオ、オーディオを含むメディアリストから生成します。これらはプロンプト内で Image 1、Video 1、Audio 1 として参照します。 入力: テキスト, 画像, ビデオ, オーディオ · 出力: ビデオ + オーディオ

クイックスタート

ご利用の 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 raw HTTP で実行するものです。 モデル ID: wan/wan3.0-video エンドポイント: POST https://api.comfy.org/v2/models/wan/wan3.0-video
同じボディを POST https://api.comfy.org/v2/models/wan/wan3.0-video/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、結果は準備ができた時点で、このプロセスまたは別のプロセスから収集されます。キュー配信で、ステータス、キャンセル、収集の流れを説明します。

サービングプロバイダー

このモデルは、リクエストで別のプロバイダーを指定しない限り、Comfy Router が直接サービングします。以下のプロバイダーも、同じエンドポイントで同じモデル ID を使用してこのモデルをサービングしており、model_provider クエリパラメータで選択します。
  • Comfy (デフォルト): POST https://api.comfy.org/v2/models/wan/wan3.0-video
  • Higgsfield、higgsfield/higgsfield-wan-3 として: POST https://api.comfy.org/v2/models/wan/wan3.0-video?model_provider=higgsfield
strict_mode のデフォルトは false であるため、Router はこのページに記載されているネイティブのリクエストボディをプロバイダー独自のスキーマに変換し、レスポンスを元の形式に戻します。API リファレンスの model_provider、strict_mode、fallback_provider を参照し、この方法でルーティングされるすべてのモデルについてはサービングプロバイダーを参照してください。

スキーマ

入力

object
必須
プロンプト語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
先頭フレームの画像 URL または Base64 エンコードデータ。wan2.5-i2v-preview モデルと wan2.6-i2v モデルでは必須です。happyhorse-1.x の i2v 表記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受け取ります(下記の media を参照)。 また、wan2.6-i2v では成功する img_url ボディも、happyhorse-1.0-i2v と happyhorse-1.1-i2v ではプロバイダーに拒否されます。そして wan2.7/wan3.0 の表記も 参照アセットを 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有されますが、あるモデルが受け付ける type の値、および画像やビデオの入力を img_url や reference_video_urls ではなくここで受け取るかどうかは、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 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 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 は合計で最大 5 つです。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 1:8〜8:1、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(正確に 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、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 つの reference_image(JPEG/JPG/PNG/BMP/WEBP、 1 辺 240〜8000 ピクセル、アスペクト比 1:8〜8:1、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 <= 15s)、 reference_audio(最大 5 クリップ、合計再生時間 <= 15s)、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、アスペクト比は最大 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、正確に 1 つ。これらの表記は 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 1:2.5〜2.5:1、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。これは このモデル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(正確に 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 つの reference_image(JPEG/JPG/PNG/WEBP、 少なくとも 300x300 ピクセル、アスペクト比 1:2.5〜2.5:1、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。これらのパートナー参照ドキュメント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する 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数はパートナーの制約であり、このスキーマの制約ではありません。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。 スキーマが受け入れることはプロバイダーが受け入れることを意味しません。また逆に、上記のアセット ごとの「最大 20MB」という数値は、画像入力(インラインで送信できる唯一の入力)の上限であり、 最終的にパートナーが受け取るアセットに対するパートナーの上限で、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、転送時の上限にも達します。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、ここに示す 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 の上限にある単一のアセットはインラインに余裕で収まるため、1 つのアセットについてはパートナーのルールが制約となります。転送の上限は複数のアセットにまたがって制約となります。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、先に示した media の説明でモデルごとに列挙されている IMAGE 入力(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、インラインの data:{MIME_type};base64,... URL を使用できます。これらのモデルのビデオ、オーディオ、ファイル、リンク入力はいずれも、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に転送されます。モデルごとのサイズとピクセルの制限、およびインラインペイロード全体を制限する 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
リバースプロンプト(ネガティブプロンプト)は、ビデオ画面に映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。中国語と英語に対応します。wan3.0-video と wan3.0-video-prime は最大 20,000 文字です。メディア配列内のメディアアセットを対応する順序で参照するには、‘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
  • 本数: 1〜3 本
  • 1 本あたりのビデオ長: 2〜30 秒
  • 1 ファイルあたりのファイルサイズ: 最大 30MB
  • audio_url と併用できません 参照の再生時間: ビデオ 1 本なら最大 5 秒、2 本なら各最大 2.5 秒、3 本ならそれぞれ比例して短くなります。 課金: 実際に使用した参照の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のは squish、flying、carousel です。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。
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。他の wan モデルについては、プロバイダーはこ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。ビデオ入力がある場合は、 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 秒を超えてはいけません。-1 は スマート再生時間モードを有効にし、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] の範囲外の再生時間に対して 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。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 は非サポート)
  • 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。 解像度ティアが課金レートを選択するためです。チェックする前に解像度を大文字に変換し、 大文字に変換した値を転送します。この enum 外の値に対しては 400 を返し、上記で 480P 非対応として記載されている wan2.6、wan2.7、happyhorse-1.0 モデルにおいて、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。対応す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 非対応): 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、size が課金ティアを選択し、 resolution は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、 resolution 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
これは Router が GET /v2/models/wan/wan3.0-video/openapi.json で提供するスキーマから生成されたものであり、リクエストがプロバイダーに到達する前に Router が呼び出しを検証する際に使用す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
音声生成を伴うI2Vタスクのオーディオ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
タスクの合計数
string
必須
タスクの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。リンクの有効期限は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集計されます
integer
ビデオの解像度レベル(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
生成された画像の数(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
生成されたビデオの数(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、まず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。