Wan3ReferenceToVideoApi - ComfyUI Built-in Node Documentation

此节点使用 Wan 3.0 模型，根据文本提示词以及可选的参考图像、视频和音频生成视频。参考媒体可以自由组合，并可在提示词中通过 @Image1、@Video1 和 @Audio1 引用。该节点将生成请求提交给 Wan API，并返回完成后的视频。

输入

两个模型选项共享相同的参数集。

参数	描述	数据类型	必需	范围
`prompt`	描述画面元素和视觉特征的提示词。支持英文和中文。以 @Image1、@Video1、@Audio1 引用已连接的参考媒体，按输入顺序每种类型单独编号。默认值：空。	STRING	是	最多 20,000 个字符
`resolution`	输出视频的分辨率。	COMBO	是	”1080P" "720P" "480P”
`ratio`	输出视频的宽高比。当设置为 “adaptive” 时，输出尺寸由输入媒体推导。	COMBO	是	”adaptive" "16:9" "9:16" "1:1" "4:3" "3:4”
`duration`	输出时长（秒）。使用 “auto” 时，模型会选择适合提示词和参考媒体的时长。参考视频与输出的总时长不得超过 30 秒。	COMBO	是	”auto" "2” 到 “30”（整数秒）
`audio`	输出视频是否包含音轨。默认值：true。	BOOLEAN	是	true false
`prompt_extend`	是否借助 AI 增强提示词。默认值：true。	BOOLEAN	是	true false

参数	描述	数据类型	必需	范围
`reference_images`	可增长的槽位：连接 1 到 10 张参考图像。参考图像按输入顺序编号为 image1 到 image10。	IMAGE	否	0 到 10 张图像
`reference_videos`	可增长的槽位：连接 1 到 5 个参考视频。参考视频按输入顺序编号为 video1 到 video5。	VIDEO	否	0 到 5 个视频
`reference_audios`	可增长的槽位：连接 1 到 5 个参考音频片段。参考音频按输入顺序编号为 audio1 到 audio5。	AUDIO	否	0 到 5 个音频片段

限制条件：

提示词必须至少包含一个非空字符，或者至少连接一个参考图像、视频或音频输入。
提示词中的参考标签必须与已连接的输入匹配。例如，@Image1 指向第一个已连接的参考图像，@Video2 指向第二个已连接的参考视频，@Audio1 指向第一个已连接的参考音频。标签按输入顺序对每种类型分别编号。
每个已连接的参考图像必须恰好包含一张图像，而不是一个批次。
每个参考视频必须为 15 秒或更短。所有参考视频的总时长不得超过 15 秒。
每个参考音频必须为 15 秒或更短。所有参考音频的总时长不得超过 15 秒。
当 duration 不是 “auto” 时，所有参考视频的总时长加上所选输出时长不得超过 30 秒。

输出名称	描述	数据类型
`video`	生成的视频文件。当 `audio` 参数启用时，包含音轨。	VIDEO

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑

Source fingerprint (SHA-256): 09caa8142d71235417a3dfc5676c5f6accc2af1287fad3b7050844dd9453cc64