跳转到主要内容
Wan 2.5 T2V Preview 的 API 参考。Wan 2.5 文生视频仅凭提示词即可生成一段短视频,无需参考图像或视频。 输入: 音频, 文本 · 输出: 视频 + 音频

快速开始

在您的 Comfy 工作区中创建密钥,并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 进行的相同调用。 模型 ID: wan/wan2.5-t2v-preview 端点: POST https://api.comfy.org/v2/models/wan/wan2.5-t2v-preview
相同的请求体,发送到 POST https://api.comfy.org/v2/models/wan/wan2.5-t2v-preview/requests。运行一经接纳,Router 便立即返回 201 和 request_id;结果就绪后即可收集,无论来自当前进程还是另一个进程。队列投递会详细介绍状态、取消与收集的流程。

Schema

输入

object
必填
输入基本信息,例如提示词等。
string
音频文件下载链接。支持的格式:mp3 和 wav。不能与 reference_video_urls 一起使用。
string
首帧图片网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 写法不在这里传入首帧:它们把首帧作为类型为 first_frame 的媒体元素传入(参见下方的 media);而在 wan2.6-i2v 上能够成功的 img_url 请求体,在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝;wan2.7/wan3.0 的写法同样在 media 中传入其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。分辨率:360-2000 像素。文件大小:最大值 10MB。
object[]
媒体资产列表。指定用于视频生成的参考素材(图像、音频、视频)。每个元素包含 type 和 url 字段。此字段由此组件提供的所有模型共用,而某个模型接受哪些 type 值,以及它是否在此处而不是在 img_url 或 reference_video_urls 中传入图像或视频输入,都因模型而异。各模型支持的 type 值如下:
  • wan2.7-i2v:first_frame、last_frame、driving_audio、first_clip。first_frame 与 last_frame:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL。driving_audio(WAV/MP3,2-30 秒,最多 15MB)与 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最多 100MB):公网 HTTP/HTTPS URL;不接受内联 data: URL。
  • wan2.7-r2v:first_frame(可选,最大值 1)、reference_image、reference_video。至少需要一个 reference_image 或 reference_video,且参考图像加参考视频总计最多 5 个。first_frame 与 reference_image:JPEG/JPG/PNG/BMP/WEBP(无透明度通道),每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL。reference_video:公网 HTTP/HTTPS URL;不接受内联 data: URL。
  • wan2.7-videoedit:video(恰好 1 个,即被剪辑的片段:MP4/MOV,2-10 秒,每边 240-4096 像素,最多 100MB,公网 HTTP/HTTPS URL;不接受内联 data: URL),外加可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL)。
  • wan3.0-video、wan3.0-video-prime:first_frame(最大值 1)、last_frame(最大值 1)、reference_image(最大值 10)、reference_video(最多 5 个片段,总时长 <= 15s)、reference_audio(最多 5 个片段,总时长 <= 15s)、file(最大值 1,不能与 link 一起使用)、link(最大值 1,不能与 file 一起使用)。reference_*/file/link 类型与 first_frame/last_frame 类型在同一请求中互斥。数组顺序决定资产在提示词中的引用顺序(Image 1、Video 1、Audio 1……)。first_frame、last_frame 与 reference_image:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比最多 8:1,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL。reference_video、reference_audio、file 与 link:公网 HTTP/HTTPS URL;不接受内联 data: URL。
  • happyhorse-1.0-i2v、happyhorse-1.1-i2v:仅 first_frame,恰好 1 个。这些写法在这里传入首帧,而不是在 img_url 中传入。至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,JPEG/JPG/PNG/WEBP,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL。
  • happyhorse-1.0-r2v、happyhorse-1.1-r2v:仅 reference_image,1 到 9 个。这是该模型唯一的参考输入。最短边至少 400 像素,JPEG/JPG/PNG/WEBP,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL。reference_video 不是此操作的输入类型。
  • happyhorse-1.0-video-edit:video(恰好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,长边最多 4096 像素,短边至少 360 像素,宽高比在 1:2.5 到 2.5:1 之间,最多 100MB,公网 HTTP/HTTPS URL;不接受内联 data: URL),外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最多 20MB,公网 URL 或 data:{MIME_type};base64,… URL)。
  • happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview:文生视频操作。其合作伙伴参考文档未记载任何媒体输入,因此请保持此字段未设置。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:此组件未为这些写法枚举任何媒体词汇。wan2.5-i2v-preview 与 wan2.6-i2v 在 img_url 中传入首帧;wan2.6-r2v 在 reference_video_urls 中传入其参考片段。 上述各模型的数量是合作伙伴的约束,而不是本 Schema 的约束:media 上未声明 minItems/maxItems,因为可接受的类型及其上限因模型而异。Schema 接受并不意味着提供商接受;而反过来说,上文每个资产“最多 20MB”的数字(这是图像输入的上限,而图像输入是唯一可以内联发送的输入)是合作伙伴对其最终收到的资产的上限,当资产是公网 URL 时,这些限制按字面生效,因为这些字节从不经过 Comfy 传输。内联 data:{MIME_type};base64,… URL 确实会经过 Comfy 传输,因此也要满足传输层的上限:Comfy Router 的 POST 请求体总上限为 100 MiB,超过即返回 413,而 base64 会使载荷膨胀约 4/3,因此单个内联资产超过约 75 MB 就会在这里的任何合作伙伴规则被触及之前遭到拒绝。在这种大小下,按合作伙伴自身 20MB 的上限,单个资产可以轻松内联,因此面对单个资产时真正起约束作用的是合作伙伴规则,而传输上限则约束多个资产的情况,因为 100 MiB 的 Router 上限约束的是整个请求,而不是每个元素。任何接近这些上限的内容,请以公共 URL 发送。
string
必填
媒体资产类型可能的值:first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link
string
必填
媒体文件的 URL:一个公共 HTTP/HTTPS URL,或者,仅针对上文中 media 描述为各模型列出的 IMAGE 输入,可以是内联的 data:{MIME_type};base64,... URL,这些输入为:wan2.7-i2v 上的 first_frame 和 last_frame;wan2.7-r2v 上的 first_frame 和 reference_image;wan2.7-videoedit 上的 reference_image;wan3.0-video 和 wan3.0-video-prime 上的 first_frame、last_frame 和 reference_image;happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上的 first_frame;happyhorse-1.0-r2v 和 happyhorse-1.1-r2v 上的 reference_image;以及 happyhorse-1.0-video-edit 上的 reference_image。这些模型上的任何视频、音频、文件或 link 输入都不接受内联 data: URL。来自合作伙伴自家上传服务的 oss://dashscope-instant 临时 URL,或者(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只会对上传该内容的阿里云账号生效;Comfy 使用自己的密钥发起模型调用,并且不对外暴露上传途径,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。此字段不校验 URL 协议,因此这类值会原样转发给合作伙伴,而不会在此处被拒绝。关于各模型的大小与像素限制,以及约束内联负载总量的 100 MiB Router 请求体上限,请参见 media 描述。
string
反向提示词用于描述你不希望在视频画面中看到的内容。超过 500 个字符时,wan 模型会对其截断,而不是拒绝请求。它与 prompt 计入同一输入预算。
string
文本提示词。支持中文和英文。超出各自文档所载长度时,wan2.x 模型会截断提示词,而不是拒绝请求:wan2.5 和 wan2.6 为 1,500 个字符,wan2.7 为 5,000 个字符。wan3.0-video 和 wan3.0-video-prime 最多接受 20,000 个字符。若 prompt 与 negative_prompt 合计超过约 60,850 字节的 UTF-8 文本(约 20,000 个汉字),提供商会拒绝该请求,返回 InvalidParameter Range of input length should be [1, 61440]。 对于带有多个参考视频的 wan2.6-r2v,请使用 ‘character1’、‘character2’ 等,按参考视频的顺序来指代各个主体。示例:“Character1 sings on the roadside, Character2 dances beside it” 对于 wan3.0-video 的参考模式,请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等,按 media 数组中的对应顺序来指代媒体资产。
string[]
仅适用于 wan2.6-r2v 模型的参考视频 URL。1 至 3 个视频 URL 组成的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1 至 3 个视频
  • 单个视频时长:2 至 30 秒
  • 单个文件大小:最大 30MB
  • 不能与 audio_url 一起使用 参考时长:单个视频最长 5s,两个视频各最长 2.5s,三个视频按比例更短。 计费:按实际使用的参考时长计费。
string
视频特效模板名称。可选。当前支持:squish、flying、carousel。使用时,prompt 参数将被忽略。
string
要调用的模型 ID。在此组件上不受约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段填充它,因此 Router 调用方会省略该字段。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供,可接受拼写的枚举位于该操作自身的组件 WanVideoGenerationRequest 上。
object
视频处理参数
boolean
默认值:"true"
是否为视频添加音频。仅 wan3.0-video 和 wan3.0-video-prime 支持;对于其他 wan 模型,提供商未记载此类切换项。
string
默认值:"\"auto\""
wan2.7-videoedit 模型的视频音频设置。
  • auto(默认):模型根据提示词内容智能判断
  • origin:强制保留输入视频的原始音频 可能的值:auto、origin
integer
默认值:"5"
生成视频的时长,单位为秒:
  • wan2.5 模型:5 或 10 秒
  • wan2.6-t2v、wan2.6-i2v:5、10 或 15 秒
  • wan2.6-r2v:仅 5 或 10 秒(不支持 15s)
  • wan2.7-i2v、wan2.7-t2v:[2, 15] 内的整数
  • wan2.7-r2v、wan2.7-videoedit:[2, 10] 内的整数
  • wan3.0-video:无视频输入时为 [2, 30] 内的整数;有视频输入时,输入视频时长与输出视频时长之和不得超过 30 秒;-1 启用智能时长模式,由模型挑选合适的时长 此代理对 [-1, 30] 之外的时长返回 400。 范围:-1 到 30
boolean
默认值:"true"
是否启用提示词智能改写。默认值为 true
string
生成视频的宽高比。仅适用于 wan2.7 和 wan3.0 模型。 对于 wan2.7 模型,若未提供,则根据分辨率档位确定默认值。 对于 wan3.0-video,adaptive(默认)会根据输入媒体的比例和意图自动推荐合适的宽高比。可能的值:adaptive、16:9、9:16、1:1、4:3、3:4
string
分辨率档位。支持的值因模型而异:
  • wan2.5-i2v-preview:480P、720P、1080P
  • wan2.6 模型(t2v、i2v、r2v):仅 720P、1080P(不支持 480P)
  • wan2.7 模型(i2v、t2v、r2v、videoedit):720P、1080P(默认 1080P)
  • wan3.0-video、wan3.0-video-prime:480P、720P、1080P(上游默认 1080P)
  • happyhorse-1.0-*(t2v、i2v、r2v、video-edit):720P、1080P
  • happyhorse-1.1-*(t2v、i2v、r2v):480P、720P、1080P 此代理会拒绝既未提供 resolution 也未提供 size 的视频生成请求,因为分辨率档位决定计费费率。它会在检查之前将 resolution 转换为大写并转发大写后的值,对超出该枚举范围的值返回 400,并且对上面列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型返回 400 拒绝 480P(无论是以 resolution 还是以 480P 的 size 形式发送)。 可能的值:480P、720P、1080P
integer
随机数种子,用于控制模型生成内容的随机性范围:0 到 2147483647
string
默认值:"\"single\""
智能多镜头控制。仅在启用 prompt_extend 时生效。 适用于 wan2.6 和 wan2.7-r2v 模型。
  • single:单镜头视频(默认)
  • multi:多镜头视频 可能的值:multi、single
string
视频分辨率,格式为 宽度高度。支持的分辨率因模型而异: 对于 wan2.5 T2V:480P(480832、832480、624624)、720P、1080P 尺寸 对于 wan2.6 T2V/R2V(不支持 480P): 720P:1280720、7201280、960960、1088832、8321088 1080P:19201080、10801920、14401440、16321248、12481632 当同时发送 size 和 resolution 时,由 size 决定计费档位,而 resolution 仍必须是此代理为该模型接受的值。对于 resolution 说明中列为不支持 480P 的每个模型,传入 480P 的 size 都会返回 400。
boolean
默认值:"false"
是否添加水印 logo,水印位于右下角
由 Router 在 GET /v2/models/wan/wan2.5-t2v-preview/openapi.json 提供的 schema 生成,该文档与它在请求到达提供商之前用于校验调用的文档相同。

输出

object
必填
string
智能改写后的实际提示词(视频任务)
string
带音频生成的 I2V 任务音频 URL
string
失败请求的错误码(请求成功时不返回)
string
任务完成时间
string
失败请求的详细信息(请求成功时不返回)
string
原始输入提示词(视频任务)
object[]
图像生成任务的结果列表
string
智能改写后的实际提示词(如已启用)
string
图像错误码(部分任务失败时返回)
string
图像错误信息(部分任务失败时返回)
string
原始输入提示词
string
已生成图像的图片网址
string
任务执行时间
string
任务提交时间
string
必填
任务 ID
object
图像生成任务的结果统计
integer
失败任务数
integer
成功任务数
integer
任务总数
string
必填
任务状态可能值:PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN
string
已完成的视频生成任务的视频 URL。链接有效期为 24 小时
string
必填
唯一请求标识符
object
输出信息统计。仅统计成功的结果
integer
视频分辨率级别(I2V 和 wan3.0-video 任务)
number
已生成视频的时长,单位为秒(I2V 和 wan3.0-video 任务)
integer
已生成视频的帧率(wan3.0-video 任务)
integer
已生成图像的数量(T2I 和 I2I 任务)
number
输入视频的时长,单位为秒;无视频输入时为 0.0(wan3.0-video 任务)
number
输出视频的时长,单位为秒(wan3.0-video 任务)
string
已生成视频的宽高比,例如 16:9(wan3.0-video 任务)
string
图像分辨率(T2I 和 I2I 任务)
integer
已生成视频的数量(T2V 任务)
number
已生成视频的时长,单位为秒(T2V 任务)
string
视频分辨率比例(T2V 任务)
string
失败请求的错误码,在响应结构的根层级返回,而不是在 output 下(请求成功时不返回)。
string
失败请求的详细信息,在响应结构的根层级返回,而不是在 output 下(请求成功时不返回)。在回退到 output.message 之前请先读取此项。

示例

输入

输出

视频 URL 的有效期为 24 小时。如需保留,请及时下载视频。

发布前须知

SDK 会生成 Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。 请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。 上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。 本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。

请求头

身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。

使用 Router API

模型发现、验证错误、重试与计费。

限制

Router 目前不支持的功能,以及替代方案。