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、生の HTTP で同じ呼び出しを行います。
モデル ID: wan/wan2.5-i2v-preview
エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.5-i2v-preview
- 結果を待つ
- キューに入れて後で収集
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 とは併用できません。
string
先頭フレーム画像の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。各要素は type フィールドと url フィールドを持ちます。
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 <= 15s)、reference_audio(最大5クリップ、 合計再生時間 <= 15s)、file(最大1、link とは併用不可)、link(最大1、file とは 併用不可)。reference_*/file/link タイプと first_frame/last_frame タイプは 同一リクエスト内では排他的です。配列の順序が、プロンプト内で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は、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。中国語と英語に対応し、長さは800文字以内です
(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う wan2.6-r2v では、「character1」「character2」などで参照ビデオの順に
被写体を参照できます。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」などで、media 配列内の
対応する順序のメディアアセットを参照できます。
string[]
wan2.6-r2v モデル専用の参照ビデオURL。1~3個のビデオURLの配列です。
入力制限:
- 形式: mp4、mov
- 数量: 1~3本
- 単一ビデオの長さ: 2~30秒
- 単一ファイルサイズ: 最大30MB
- audio_url とは併用できません 参照再生時間: 単一ビデオは最大5秒、2本の場合はそれぞれ最大2.5秒、3本の場合はそれぞれ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。任意です。現在サポートされているのは squish、flying、carousel です。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 の呼び出し元はこれを省略します。POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis への v1 直接呼び出しでは必須であり、受け付けられる表記の enum は、そのオペレーション自身のコンポーネントである 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 または 10 秒
- wan2.6-t2v、wan2.6-i2v: 5、10、または 15 秒
- wan2.6-r2v: 5 または 10 秒のみ(15秒には非対応)
- 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、
入力ビデオの合計再生時間 + 出力ビデオの再生時間が30秒を超えてはなりません。-1 を指定すると
スマート再生時間モードが有効になり、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 です
string
生成されるビデオのアスペクト比。wan2.7 および wan3.0 モデル専用です。
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 非対応)
- 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(上流のデフォルトは 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。
解像度ティアが課金レートを決定するためです。
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。
- single: 単一ショットビデオ(デフォルト)
-
multi: マルチショットビデオ
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/wan2.5-i2v-preview/openapi.json でこのスキーマを提供しており、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際にも同じドキュメントを使用します。
出力
object
必須
string
インテリジェント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
生成済み画像の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
タスクの合計数
string
必須
タスクのステータス指定可能な値:
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時間です
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集計されます
integer
ビデオ解像度レベル(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
ビデオ解像度の比率(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、envelope 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、envelope 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、こちら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。