跳转到主要内容
Wan 3.0 Video 的 API 参考。Wan 3.0 Video 既可以仅根据提示词生成,也可以根据由首帧和末帧、参考图像、视频和音频组成的媒体列表生成;在提示词中分别以 Image 1、Video 1 和 Audio 1 来引用。 输入: 文本, 图像, 视频, 音频 · 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 发起的同一调用。 模型 ID: wan/wan3.0-video 端点: POST https://api.comfy.org/v2/models/wan/wan3.0-video
同一个请求体,发送至 POST https://api.comfy.org/v2/models/wan/wan3.0-video/requests。运行一经接纳,Router 就返回 201 和 request_id;结果就绪后,可从当前进程或另一个进程收集。队列投递 完整介绍了状态查询、取消与收集。

服务提供商

除非请求中指定了其他提供商,否则该模型由 Comfy Router 直接提供服务。下列提供商也可通过同一端点和相同的模型 ID 提供该模型,并使用 model_provider 查询参数进行选择。
  • Comfy(默认):POST https://api.comfy.org/v2/models/wan/wan3.0-video
  • Higgsfield,作为 higgsfield/higgsfield-wan-3:POST https://api.comfy.org/v2/models/wan/wan3.0-video?model_provider=higgsfield
strict_mode 默认为 false,因此 Router 会将本页记录的原始请求体转换为提供商自己的 schema,并将响应转换回来。请参阅 API 参考中的 model_provider、strict_mode 和 fallback_provider,以及 服务提供商,了解所有以这种方式路由的模型。

Schema

输入

object
必填
输入基本信息,例如提示词等。
string
音频文件下载网址。支持的格式:mp3 和 wav。不能与 reference_video_urls 一起使用。
string
首帧图像的网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。 happyhorse-1.x i2v 这些写法不在此处接收首帧:它们将首帧作为类型为 first_frame 的媒体元素传入(见下文 media),并且一个在 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 这些写法同样在 media 中传入参考资产。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。该字段由本组件提供的所有模型共享,而某个具体模型接受哪些 type 值,以及它是否把图像或视频输入放在这里而不是放在 img_url 或 reference_video_urls 中,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 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,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):公开 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 1 个 reference_image 或 reference_video,且参考图像加 参考视频总计不超过 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,公开 URL 或 data:{MIME_type};base64,… URL。reference_video:公开 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 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,最大 20MB,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)。在同一次请求中, reference_*/file/link 类型与 first_frame/last_frame 类型互斥。数组 顺序定义了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,公开 URL 或 data:{MIME_type};base64,… URL。reference_video、reference_audio、file 和 link: 公开 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 在此处接收首帧,而不是在 img_url 中接收。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,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,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 HTTP/HTTPS URL;不接受内联 data: URL)外加可选的 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,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。其对应文档未记录任何媒体输入,因此请将该字段留空。
  • wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v:本组件没有为这些写法列举任何媒体 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收首帧; wan2.6-r2v 在 reference_video_urls 中接收其参考片段。
上文中按模型给出的数量是合作伙伴的约束,而非本 Schema 的约束:media 上未声明 minItems/maxItems,因为每个模型允许的类型及其上限各不相同。Schema 接受并不 意味着提供商接受。反过来说,上文每项资产“最大 20MB”的数值(这是图像输入的上限, 而图像是唯一可以内联发送的输入)是合作伙伴对其最终获得的资产设定的上限,当资产 是公开 URL 时,这些数值按原样适用,因为这些字节从不经过 Comfy。内联的 data:{MIME_type};base64,… URL 则会经过 Comfy,同时还要面对传输层上限:Comfy Router POST 请求体总计上限为 100 MiB,超过即返回 413,而 base64 会让负载膨胀约 4/3, 因此单个内联资产只要超过约 75 MB,就会在触达此处任何合作伙伴规则之前被拒绝。 在这种大小下,单个资产按合作伙伴自身的20MB 的上限可以轻松容纳内联内容,因此对于单个资产,起约束作用的是合作伙伴规则。传输上限会约束多个资产,因为 100 MiB 的 Router 上限限制的是整个请求,而不是每个元素。接近这些上限的任何内容,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:公共 HTTP/HTTPS URL,或者,仅对于上文 media 描述中为各模型列出的那些图像输入: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,则为内联的 data:{MIME_type};base64,... URL。这些模型上的任何视频、音频、文件或链接输入都不接受内联 data: URL。来自合作伙伴自己的上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,仅能在上传它的阿里云账户下解析;Comfy 使用自己的密钥发起模型调用,并且不暴露上传路由,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。此字段不会校验 URL scheme,因此此类值会按原样转发给合作伙伴,而不是在此处被拒绝。有关每个模型的大小和像素限制,以及会从总体上限制内联负载的 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希望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,而不是拒绝它。它与 prompt 计入相同的输入预算。
string
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”等按 media 数组中的对应顺序引用媒体资产。
string[]
仅适用于 wan2.6-r2v 模型的参考视频 URL。由 1 到 3 个视频 URL 组成的数组。 输入限制:
  • 格式:mp4、mov
  • 数量:1 到 3 个视频
  • 单个视频长度:2 到 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,三个视频按比例更短。 计费:基于实际使用的参考时长。
string
视频效果模板名称。可选。当前支持:squish、flying、carousel。使用时,prompt 参数会被忽略。
string
要调用的模型 ID。此组件不约束该字段:Comfy Router 会从 POST /v2/models/wan/{model} 的 {model} 路径段填充它,因此 Router 调用方会省略它。
object
视频处理参数
boolean
默认值:"true"
是否向视频添加音频。仅 wan3.0-video 和 wan3.0-video-prime 支持;提供商未记录其他 Wan 模型的此类切换项。
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"
已生成视频的时长,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 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。默认为 true
string
已生成视频的宽高比。仅适用于 wan2.7 和 wan3.0 模型。 对于 wan2.7 模型,如果未提供,则根据分辨率档位使用默认值。 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
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率。它会在检查前将 resolution 转为大写,并转发转为大写后的值,返回 400对于此枚举之外的值,并在上述列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型上,对 480P(无论是以 resolution 还是以 480P 的 size 发送)返回 400。 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(无 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 仍必须是此代理针对该模型接受的值。对于 resolution 描述中列为不支持 480P 的每个模型,480P 的 size 会返回 400。
boolean
默认值:"false"
是否添加水印标识,水印位于右下角
本文档根据 Router 在 GET /v2/models/wan/wan3.0-video/openapi.json 提供的 schema 生成,该 schema 也是其在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
启用音频生成的 I2V 任务的音频网址
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[]
图像生成任务的任务结果列表
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
已生成图像的网址
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网址。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,报告在响应结构的根层级,而不是在 output 下(请求成功时不返回)。
string
失败请求的详细信息,报告在响应结构的根层级,而不是在 output 下(请求成功时不返回)。在回退到 output.message 之前请先阅读此内容。

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。