跳转到主要内容
Wan 2.7 T2V 的 API 参考。Wan 2.7 文生视频仅凭一段提示词即可生成短视频,支持 720P 或 1080P,时长 2 到 15 秒。 输入: 文本 · 输出: 视频 + 音频

快速开始

在你的 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 发出的同一调用。 模型 ID: wan/wan2.7-t2v 端点: POST https://api.comfy.org/v2/models/wan/wan2.7-t2v
相同的请求体,发送到 POST https://api.comfy.org/v2/models/wan/wan2.7-t2v/requests。一旦运行被接纳,Router 便会返回 201 和 request_id,运行就绪后即可收集结果,可以来自当前进程,也可以来自另一个进程。队列投递完整介绍了状态、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 同时使用。
string
首帧图像网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必须提供此字段。happyhorse-1.x 的 i2v 写法不在此处接收首帧:它们将首帧作为类型为 first_frame 的媒体元素接收(见下方 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 提供其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。 分辨率:360-2000 像素。文件大小:最大 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。此字段由该组件提供的所有模型共用,而某个给定模型接受哪些 type 值,以及它究竟是在此处还是在 img_url 或 reference_video_urls 中携带其图像或视频输入,会因模型 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 和 last_frame:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比介于 1:8 与 8:1 之间,最大 20MB,可为公开网址或 data:{MIME_type};base64,… 网址。 driving_audio(WAV/MP3,2-30 秒,最大 15MB)和 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB):公开 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-r2v:first_frame(可选,最多 1 个)、reference_image、reference_video。至少需要 一个 reference_image 或 reference_video,且参考图像加上 参考视频总计最多 5 个。first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP (无透明度通道),每边 240-8000 像素,宽高比介于 1:8 与 8:1 之间,最大 20MB,可为公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • wan2.7-videoedit:video(恰好 1 个,即被编辑的片段:MP4/MOV,2-10 秒, 每边 240-4096 像素,最大 100MB,公开 HTTP/HTTPS 网址;不接受内联 data: 网址) 外加可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP, 每边 240-8000 像素,宽高比介于 1:8 与 8:1 之间,最大 20MB,可为公开网址 或 data:{MIME_type};base64,… 网址)。
  • wan3.0-video、wan3.0-video-prime:first_frame(最多 1 个)、last_frame(最多 1 个)、 reference_image(最多 10 个)、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(最多 1 个,不能与 link 同时使用)、link(最多 1 个,不能与 file 同时使用)。reference_*/file/link 类型 与 first_frame/last_frame 类型在同一请求中互斥。数组 顺序决定提示词中资产的引用顺序(图像 1、视频 1、音频 1……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比最多 8:1, 最大 20MB,可为公开网址或 data:{MIME_type};base64,… 网址。reference_video、 reference_audio、file 和 link:公开 HTTP/HTTPS 网址;不接受内联 data: 网址。
  • happyhorse-1.0-i2v、happyhorse-1.1-i2v:仅 first_frame,恰好 1 个。这些写法 在此处接收首帧,而不是在 img_url 中。至少 300x300 像素,宽高比 介于 1:2.5 与 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,可为公开网址或 data:{MIME_type};base64,… 网址。
  • 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, 最大 20MB,可为公开网址或 data:{MIME_type};base64,… 网址。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,较长边最多 4096 像素,较短边至少 360 像素,宽高比 介于 1:2.5 与 2.5:1 之间,最大 100MB,公开 HTTP/HTTPS 网址;不接受内联 data: 网址)外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/WEBP,至少 300x300 像素,宽高比介于 1:2.5 与 2.5:1 之间,最大 20MB,可为公开网址 或 data:{MIME_type};base64,… 网址)。
  • happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview: 文生视频操作。它们的合作伙伴参考文档未记载任何媒体输入,因此请 不要设置此字段。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些写法枚举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中提供其首 帧;wan2.6-r2v 在 reference_video_urls 中提供其参考片段。 上文按模型列出的数量是合作伙伴的限制,而非本 Schema 的限制:media 上没有声明 minItems/maxItems,因为可接受的类型及其上限 因模型而异。Schema 接受并不代表提供商接受;反过来, 上文每项资产“最大 20MB”的数字(图像 输入的上限,也是唯一可以内联发送的输入)是合作伙伴对其最终 收到的资产的限制,当资产为公开网址时,这些限制按字面生效, 因为这些字节从不经过 Comfy 传输。内联的 data:{MIME_type};base64,… 网址确实会经过 Comfy 传输,也会遇到传输限制:Comfy Router 的 POST 请求体总大小上限为 100 MiB,超过则返回 413,而 base64 会使 负载增大约 4/3,因此单个超过约 75 MB 的内联资产会在触及此处任何合作伙伴规则 之前就被拒绝。在这种大小下,单个资产处于合作伙伴自身的20MB 的上限足以轻松容纳内联数据,因此对于单个资产,真正起约束作用的是合作伙伴的规则;而当涉及多个资产时,起约束作用的则是传输上限,因为 100 MiB 的 Router 上限约束的是整个请求,而不是其中的每个元素。任何接近这些上限的内容,都请以公共 URL 的形式发送。
string
必填
媒体资产类型可选值: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:可以是公共 HTTP/HTTPS URL;或者,仅针对上文 media 描述中为各模型列出的 IMAGE 输入,才可以是内联的 data:{MIME_type};base64,... URL。这些 IMAGE 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。在上述任何模型上,video、audio、file 或 link 输入都不接受内联的 data: URL。来自合作伙伴自有上传服务的 oss://dashscope-instant 临时 URL,或者(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只会对上传它的那个阿里云账号生效;Comfy 使用自己的密钥发起模型调用,并且不提供任何上传途径,因此调用方自有的 oss:// URL 或 asset_id 不是受支持的输入。此字段不校验 URL 的协议,因此这类值会被原样转发给合作伙伴,而不会在这里被拒绝。有关各模型的尺寸与像素限制,以及约束内联载荷总量的 100 MiB Router 请求体上限,请参阅 media 描述。
string
反向提示词用于描述你不想在视频画面中看到的内容。超过 500 个字符时,wan 模型会截断它,而不是拒绝该请求。它与 prompt 计入同一个输入预算。
string
文本提示词。支持中文和英文。超过各自文档所记载的长度时,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,并返回 InvalidParameter Range of input length should be [1, 61440]。 对于带多个参考视频的 wan2.6-r2v,请按参考视频的顺序使用 ‘character1’、‘character2’ 等来指代主体。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,按媒体数组中的对应顺序来指代媒体资产。
string[]
仅用于 wan2.6-r2v 模型的参考视频 URL。1-3 个视频 URL 组成的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1-3 个视频
  • 单个视频时长:2-30 秒
  • 单个文件大小:最大 30MB
  • 不能与 audio_url 同时使用 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。目前支持:squish、flying、carousel。使用时,prompt 参数将被忽略。
string
要调用的模型 ID。此组件上不做约束:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径片段中填充它,因此 Router 调用方会省略该字段。直接以 v1 调用 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 时则必须提供它,可接受的拼写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;提供商未为其他 wan 模型记载此类开关。
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 可选值: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] 范围内的整数
  • wan2.7-r2v、wan2.7-videoedit:[2, 10] 范围内的整数
  • wan3.0-video:无视频输入时为 [2, 30] 范围内的整数;有视频输入时,总输入视频时长 与输出视频时长之和不得超过 30 秒;-1 会启用智能时长模式,由模型自行选择合适的时长 当 duration 超出 [-1, 30] 时,此代理会返回 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,如果未提供,则根据分辨率档位取默认值。 对于 wan3.0-video,adaptive(默认值)会根据输入媒体的比例和意图自动推荐合适的宽高比。可选值:adaptive、16:9、9:16、1:1、4:3、3:4
string
分辨率档位。支持的取值因模型而异:
  • wan2.5-i2v-preview:480P、720P、1080P
  • wan2.6 系列模型(t2v、i2v、r2v):仅 720P、1080P(不支持 480P)
  • wan2.7 系列模型(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 本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。它会在校验之前先把 resolution 转为大写并转发该大写值,对于不在该枚举范围内的取值返回 400,并且对上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型返回 400(无论是以 resolution 还是以 480P 的 size 发送)。 可选值: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 可选值:multi、single
string
视频分辨率,格式为 widthheight。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 仍必须是本代理为该模型所接受的取值。对于分辨率描述中列为不支持 480P 的每个模型,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/wan2.7-t2v/openapi.json 提供的 schema 生成,这也是请求到达提供商之前用于校验调用的同一份文档。

输出

object
必填
string
智能改写后的实际提示词(用于视频任务)
string
带音频生成的 I2V 任务的音频 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(用于视频任务)
object[]
图像生成任务的结果列表
string
智能改写后的实际提示词(如果启用)
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
生成的图像网址
string
任务执行时间
string
任务提交时间
string
必填
任务 ID
object
图像生成任务的任务结果统计
integer
失败任务数
integer
成功任务数
integer
任务总数
string
必填
任务状态可能的值: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
生成视频的时长,单位为秒(I2V 和 wan3.0-video 任务)
integer
生成视频的帧率(wan3.0-video 任务)
integer
生成的图像数量(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
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
生成的视频数量(T2V 任务)
number
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,在响应信封的根级别报告,而不是在 output 下(请求成功时不返回)。
string
失败请求的详细信息,在响应信封的根级别报告,而不是在 output 下(请求成功时不返回)。在回退到 output.message 之前请先阅读此信息。

示例

输入

输出

视频 URL 的有效期为 24 小时。如需保留视频,请及时下载。

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。