快速开始
在你的 Comfy 工作区中创建一个密钥,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/wan3.0-video-prime
端点: POST https://api.comfy.org/v2/models/wan/wan3.0-video-prime
- 等待结果
- 排队并稍后收集
相同的请求体,发送到
POST https://api.comfy.org/v2/models/wan/wan3.0-video-prime/requests。运行一经受理,Router 就会以 201 返回 request_id,结果就绪后即可从当前进程或其他进程收集。队列投递介绍了状态、取消和收集的完整流程。Schema
输入
首帧图像 URL 或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。
happyhorse-1.x 的 i2v 拼写不在此处接收首帧,而是将其作为类型为 first_frame 的媒体元素接收
(见下方 media);此外,在 wan2.6-i2v 上能成功的 img_url 请求体,在
happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝;而 wan2.7/wan3.0 的拼写同样在
media 中接收其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。
分辨率:360-2000 像素。文件大小:最大 10MB。
媒体资产列表。为视频生成指定参考素材(图像、音频、视频)。每个元素包含 type 和 url
字段。该字段由本组件提供的所有模型共享,而某个模型接受哪些 type 值,以及它究竟在此处
还是在 img_url 或 reference_video_urls 中携带其图像或视频输入,都因模型而异。按模型
列出的受支持 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,宽高比在 1:8 到 8:1 之间, 最大 20MB,可使用公开 URL 或 data:{MIME_type};base64,… URL。 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):必须是公开的 HTTP/HTTPS URL;不接受内联 data: URL。
- 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,并且参考图像加参考视频总共最多 5 个。 first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP(无透明度通道),每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开 URL 或 data:{MIME_type};base64,… URL。reference_video:公开的 HTTP/HTTPS URL;不接受 内联 data: URL。
- 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,公开的 HTTP/HTTPS URL;不接受内联 data: URL) 加上可选的 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,最大 20MB,可使用公开 URL 或 data:{MIME_type};base64,… URL)。
- 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 一起使用)、link(最多 1 个,不能与 file 一起使用)。reference_*/file/link 类型 与 first_frame/last_frame 类型在同一请求内互斥。 数组顺序决定提示词中资产的参考顺序(Image 1、Video 1、 Audio 1……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP, 每边 240-8000 像素,宽高比最大 8:1,最大 20MB,可使用公开 URL 或 data:{MIME_type};base64,… URL。reference_video、reference_audio、file 和 link: 公开的 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。这些拼写 在此处接收其首帧,而不是在 img_url 中。至少 300x300 像素,宽高比 在 1:2.5 到 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,可使用公开 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, 最大 20MB,可使用公开 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,长边最大 4096 像素,短边至少 360 像素,宽高比 在 1:2.5 到 2.5:1 之间,最大 100MB,公开的 HTTP/HTTPS URL;不接受内联 data: URL)加上可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可使用公开 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。其对应的合作伙伴参考文档未记录任何媒体输入,因此请勿设置 此字段。
- wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件未为这些拼写枚举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收其首帧; wan2.6-r2v 在 reference_video_urls 中接收其参考片段。 上表中按模型列出的计数是合作伙伴的约束,而不是本 schema 的约束: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。被 schema 接受并不意味着 被提供商接受;反过来说,上述每个资产”最大 20MB”的数字,即图像输入的上限,也是唯一 可以内联发送的输入,是合作伙伴对其最终拿到的资产的上限,并且当资产是公开 URL 时, 这些数字按字面生效,因为这些字节从不经过 Comfy。内联 data:{MIME_type};base64,… URL 确实会经过 Comfy,并且还会遇到传输层上限:Comfy Router 的 POST 请求体总计上限为 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大约 75 MB 时,会在触及此处任何 合作伙伴规则之前就被拒绝。在这个尺寸下,单个资产按合作伙伴自身的 20MB 上限能轻松地以内联方式容纳,因此对于单个资产来说,真正起约束作用的是合作伙伴规则;而传输上限则在同时有多个资产时生效,因为 100 MiB 的 Router 上限约束的是整个请求,而不是每个元素。凡是接近这些上限的内容,请以公共 URL 的形式发送。
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媒体文件的 URL:一个公共 HTTP/HTTPS URL,或者(仅限上文
media 描述中为各模型列出的 IMAGE 输入: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)一个内联的 data:{MIME_type};base64,... URL。在这些模型上,任何视频、音频、文件或链接输入都不接受内联 data: URL。来自合作伙伴自有上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,仅能在执行上传的阿里云账号下解析;Comfy 使用自己的密钥发起模型调用,并不对外暴露上传路由,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 scheme,因此此类值会被原样转发给合作伙伴,而不是在此处被拒绝。关于各模型的大小和像素限制,以及从整体上约束内联负载的 100 MiB Router 请求体上限,请参见 media 描述。文本提示词。支持中文和英文。wan3.0-video 和 wan3.0-video-prime 最多接受 20,000 个字符。使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等来按 media 数组中的对应顺序引用媒体资产。
仅用于 wan2.6-r2v 模型的参考视频 URL。包含 1-3 个视频 URL 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 一起使用 参考时长:单个视频最大 5 秒,两个视频各最大 2.5 秒,三个视频则按比例更短。 计费:基于实际使用的参考时长。
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 调用方应省略此字段。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
生成的视频时长,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 15 秒)
- 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,输入视频总时长 + 输出视频时长不得超过 30 秒;-1 启用智能时长模式,由模型选择合适的时长
此代理对超出 [-1, 30] 范围的 duration 返回 400。
范围:
-1到30
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设置默认值。
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。可能的值:
adaptive、16:9、9:16、1:1、4:3、3:4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。它会在检查前将 resolution 转为大写并转发大写后的值,对于超出此枚举的值返回 400,并且在上面列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型上,对 480P(无论以 resolution 还是以 480P 尺寸的形式发送)返回 400。
可能的值:
480P、720P、1080P
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
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,size 决定计费档位,而 resolution 仍必须是该代理为相应模型接受的值。对于分辨率描述中列为不支持 480P 的每个模型,传入 480P 尺寸都会返回 400。
GET /v2/models/wan/wan3.0-video-prime/openapi.json 提供的 schema 生成,该文档也是它在请求到达提供商之前校验调用时所使用的同一份文档。
输出
示例
输入
输出
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。