クイックスタート
Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk、npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、同じ呼び出しを生の HTTP で行うものです。
モデル ID: wan/happyhorse-1.1-i2v
エンドポイント: POST https://api.comfy.org/v2/models/wan/happyhorse-1.1-i2v
- 結果を待つ
- キューして後で収集
スキーマ
入力
object
必須
プロンプトなどの基本情報を入力します。
string
オーディオファイルのダウンロードURL。対応形式: mp3、wav。reference_video_urls と併用できません。
string
最初のフレーム画像のURL、またはBase64エンコードデータ。wan2.5-i2v-preview および wan2.6-i2v モデルでのみ必須です。happyhorse-1.x の i2v 表記は、ここでは先頭フレームを受け取りません。先頭フレームは type が
first_frame の media 要素として渡します (下記 media を参照)。wan2.6-i2v で成功する img_url のボディは、happyhorse-1.0-i2v および happyhorse-1.1-i2v ではプロバイダーに拒否されます。画像形式: JPEG、JPG、PNG、BMP、WEBP。解像度: 360~2000ピクセル。ファイルサイズ: 最大10MB。object[]
wan2.7、wan3.0、happyhorse-1.x モデル用のメディアアセットリスト。ビデオ生成のための参照素材(画像、オーディオ、ビデオ)を指定します。各要素には type フィールドと url フィールドが含まれます。
サポートされる type の値はモデルによって異なります:
- wan2.7-i2v: first_frame、last_frame、driving_audio、first_clip
- wan2.7-r2v: reference_image、reference_video
- wan2.7-videoedit: video、reference_image
- wan3.0-video: first_frame(最大1)、last_frame(最大1)、reference_image(最大10)、 reference_video(最大5クリップ、合計再生時間 <= 15秒)、reference_audio(最大5クリップ、 合計再生時間 <= 15秒)、file(最大1、link と併用不可)、link(最大1、file と 併用不可)。reference_*/file/link タイプと first_frame/last_frame タイプは、 同じリクエスト内で同時に使用できません。配列の順序が、プロンプト内のアセットの 参照順序(Image 1、Video 1、Audio 1、…)を定義します。
- happyhorse-1.x-i2v: first_frame のみで、ちょうど 1 つ。少なくとも 300x300 ピクセル、 JPEG/JPG/PNG/WEBP、最大 20MB、公開 URL または data:{MIME_type};base64,… URL。 この表記は img_url を一切受け付けません。先頭フレームはここに渡します。
- happyhorse-1.x-r2v: reference_image のみで、1〜9 枚。最短辺が少なくとも 400 ピクセル、最大 20MB、公開 URL または data: URL。reference_video はこの オペレーションの入力タイプではありません。
- happyhorse-1.x-video-edit: video 上記のアセットごとの「最大 20MB」は、最終的に受け取る画像に対する PARTNER 側の 上限です。アセットが公開 URL の場合はそのまま適用されます。そのバイト列が Comfy を経由しないためです。インラインの data: URL は Comfy を経由するため、 先に低いほうの転送上限に達します。Comfy Router の POST body は合計 10 MiB が上限で、 超えると 413 が返ります。base64 はペイロードを約 4/3 に膨らませるため、およそ 7.5 MiB を超える単一のインラインアセットは、ここに示すパートナーのルールに到達する 前に拒否されます。body が複数のインラインアセットを含む場合はさらに早くなります。 10 MiB は各要素ではなくリクエスト全体を制限するためです。これらの上限に近い ものは公開 URL として送信してください。
string
必須
メディアアセットのタイプ指定可能な値:
first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、linkstring
必須
メディアファイルの URL。公開 HTTP/HTTPS URL、OSS の一時 URL、または (上記
media の説明にあるモデルの項目が対応すると述べている場合、たとえば happyhorse-1.x の i2v と r2v の表記のように) インラインの data:{MIME_type};base64,... URL です。モデルごとのサイズとピクセルの下限、およびパートナーのルールが適用される前にインラインペイロードを制限する 10 MiB の Router リクエストボディ上限については、その説明を参照してください。string
ネガティブプロンプト。ビデオ画面に表示したくない内容を記述するために使用します。
string
テキストプロンプト。中国語と英語をサポートし、長さは800文字を超えないこと
(wan3.0-video では最大20,000文字。制限を超えた内容は切り捨てられます)。
複数の参照ビデオを使用する wan2.6-r2v では、「character1」「character2」などを使って、
参照ビデオの順に被写体を参照します。例: 「Character1 sings on the roadside, Character2 dances beside it」
wan3.0-video の参照モードでは、「Image 1」「Video 1」「Audio 1」などを使って、
media 配列内の対応する順序でメディアアセットを参照します。
string[]
wan2.6-r2v モデル専用の参照ビデオURL。1~3本のビデオURLの配列。
入力制限:
- 形式: mp4、mov
- 本数: 1~3本
- 1本あたりのビデオ長: 2~30秒
- 1ファイルあたりのサイズ: 最大30MB
- audio_url と併用できません 参照再生時間: 1本の場合は最大5秒、2本の場合はそれぞれ最大2.5秒、3本の場合は比例して短くなります。 課金: 実際に使用した参照再生時間に基づきます。
string
ビデオエフェクトテンプレート名。任意。現在サポートされているのは squish、flying、carousel です。これを使用した場合、prompt パラメータは無視されます。
string
呼び出すモデルのID。このコンポーネントでは制約されません: Comfy Router が
POST /v2/models/wan/{model} の {model} パスセグメントから設定するため、Router の呼び出し元は省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis への直接の v1 呼び出しでは必ず指定する必要があり、受け入れられる表記の enum はそのオペレーション自身のコンポーネント WanVideoGenerationRequest にあります。object
ビデオ処理パラメータ
boolean
デフォルト:"true"
ビデオにオーディオを追加するかどうか
string
デフォルト:"\"auto\""
wan2.7-videoedit モデル用のビデオオーディオ設定。
- auto(デフォルト): モデルがプロンプトの内容に基づいてインテリジェントに判断します
-
origin: 入力ビデオのオリジナルオーディオを強制的に保持します
指定可能な値:
auto、origin
integer
デフォルト:"5"
生成されるビデオの再生時間(秒):
- wan2.5 モデル: 5秒または10秒
- wan2.6-t2v、wan2.6-i2v: 5秒、10秒、または15秒
- wan2.6-r2v: 5秒または10秒のみ(15秒は非サポート)
- wan2.7-i2v、wan2.7-t2v: [2, 15] の整数
- wan2.7-r2v、wan2.7-videoedit: [2, 10] の整数
-
wan3.0-video: ビデオ入力なしの場合は [2, 30] の整数。ビデオ入力ありの場合は
入力ビデオ再生時間の合計 + 出力ビデオ再生時間が30秒を超えてはなりません。-1 は
スマート再生時間モードを有効にし、モデルが適切な再生時間を選択します
範囲:
-1~30
boolean
デフォルト:"true"
プロンプトのインテリジェントリライトを有効にするかどうか。デフォルトは true
string
生成されるビデオのアスペクト比。wan2.7 および wan3.0 モデル専用。
wan2.7 モデルでは、指定しない場合、解像度ティアに基づいてデフォルトが決まります。
wan3.0-video では、adaptive(デフォルト)が入力メディアの比率と意図に基づいて
適切なアスペクト比を自動的に推奨します。指定可能な値:
adaptive、16:9、9:16、1:1、4:3、3:4string
解像度レベル。サポートされる値はモデルによって異なります:
- wan2.5-i2v-preview: 480P、720P、1080P
- wan2.6-i2v: 720P、1080P のみ(480P は非サポート)
- wan2.7 モデル(i2v、t2v、r2v、videoedit): 720P、1080P(デフォルト 1080P)
-
wan3.0-video、wan3.0-video-prime: 480P、720P、1080P(上流のデフォルト 1080P)
このプロキシは、resolution も size も指定されていないビデオ生成リクエストを拒否します。
解像度ティアによって課金レートが決まるためです。
指定可能な値:
480P、720P、1080P
integer
乱数シード。モデルが生成するコンテンツのランダム性を制御するために使用します範囲:
0 から 2147483647string
デフォルト:"\"single\""
インテリジェントなマルチレンズ制御。prompt_extend が有効な場合にのみ機能します。
wan2.6 および wan2.7-r2v モデル用です。
- single: 単一ショットのビデオ(デフォルト)
-
multi: マルチショットのビデオ
指定可能な値:
multi,single
string
幅高さ 形式のビデオ解像度。対応する解像度はモデルによって異なります:
wan2.5 T2V の場合: 480P(480832、832480、624624)、720P、1080P の各サイズ
wan2.6 T2V/R2V の場合(480P なし):
720P: 1280720、7201280、960960、1088832、8321088
1080P: 19201080、10801920、14401440、16321248、12481632
boolean
デフォルト:"false"
ウォーターマークロゴを追加するかどうか。ウォーターマークは右下隅に配置されます
GET /v2/models/wan/happyhorse-1.1-i2v/openapi.json で提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に呼び出しを検証するのと同じドキュメントです。
出力
object
必須
string
インテリジェントなリライト後の実際のプロンプト(ビデオタスク用)
string
オーディオ生成を伴う I2V タスク用のオーディオURL
string
失敗したリクエストのエラーコード(リクエストが成功した場合は返されません)
string
タスク完了時間
string
失敗したリクエストの詳細情報(リクエストが成功した場合は返されません)
string
オリジナルの入力プロンプト(ビデオタスク用)
object[]
画像生成タスクのタスク結果のリスト
string
インテリジェントなリライト後の実際のプロンプト(有効な場合)
string
画像のエラーコード(一部のタスクが失敗した場合に返されます)
string
画像のエラー情報(一部のタスクが失敗した場合に返されます)
string
オリジナルの入力プロンプト
string
生成された画像URLアドレス
string
タスクの実行時間
string
タスクの送信時間
string
必須
タスクID
object
画像生成タスクのタスク結果の統計
integer
失敗したタスクの数
integer
成功したタスクの数
integer
タスクの総数
string
必須
タスクのステータス取り得る値:
PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWNstring
完了したビデオ生成タスクのビデオURL。リンクの有効期間は24時間
string
必須
一意のリクエスト識別子
object
出力情報の統計。成功した結果のみがカウントされます
integer
ビデオの解像度レベル(I2V および wan3.0-video タスク)
number
生成されたビデオの再生時間(秒)(I2V および wan3.0-video タスク)
integer
生成されたビデオのフレームレート(wan3.0-video タスク)
integer
生成された画像の数(T2I および I2I タスク)
number
入力ビデオの再生時間(秒)。ビデオ入力がない場合は 0.0(wan3.0-video タスク)
number
出力ビデオの再生時間(秒)(wan3.0-video タスク)
string
生成されたビデオのアスペクト比、例: 16:9(wan3.0-video タスク)
string
画像の解像度(T2I および I2I タスク)
integer
生成されたビデオの数(T2V タスク)
number
生成されたビデオの再生時間(秒)(T2V タスク)
string
ビデオの解像度比率(T2V タスク)
string
失敗したリクエストのエラーコード。
output の下ではなく、エンベロープの ROOT で報告されます(リクエストが成功した場合は返されません)。string
失敗したリクエストの詳細情報。
output の下ではなく、エンベロープの ROOT で報告されます(リクエストが成功した場合は返されません)。output.message にフォールバックする前にこれを確認してください。例
入力
出力
出荷前の確認
SDK はIdempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。
リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。
上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。
ヘッダー
認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。
Router API の利用
モデルの検出、バリデーションエラー、リトライ、課金。
制限事項
Router が現在対応していないことと、代替手段。