Skip to main content
Wan 2.6 I2V の API リファレンスです。Wan 2.6 の画像から動画へは、静止した最初のフレームをアニメーション化します。720P または 1080P、最大 15 秒に対応しています。

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 を使用します(pip install comfy-sdknpm install @comfyorg/sdk)。cURL のスニペットは同じ呼び出しを raw HTTP で実行するものです。 Model ID: wan/wan2.6-i2v エンドポイント: POST https://api.comfy.org/v2/models/wan/wan2.6-i2v

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
先頭フレームの画像URLまたはBase64エンコードデータ。I2V モデルでは必須です。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 および wan3.0 モデル用のメディアアセットリスト。ビデオ生成用の参照素材(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 フィールドを含みます。 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 同一リクエスト内で同時に使用できません。配列の順序が、プロンプト内でのアセットの 参照順序(Image 1、Video 1、Audio 1、…)を定義します。
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, link
string
必須
メディアファイルのURL(公開 HTTP/HTTPS URL または OSS 一時 URL)
string
ネガティブプロンプト。動画の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ており、長さは800文字以内です (wan3.0-video では最大20,000文字。制限を超えたコンテンツ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’ などを使用して、 参照ビデオの順序で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’ などを使用して、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個のビデオURLの配列。 入力制限:
  • 形式: mp4、mov
  • 数量: 1~3本のビデオ
  • 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本のビデオは各最大2.5秒、3本のビデオ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。使用すると 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 は POST /v2/models/wan/{model}{model} パスセグメントからこれを設定するため、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、受け付けられる綴りの 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長さ(秒):
  • wan2.5 モデル: 5秒または10秒
  • wan2.6-t2v、wan2.6-i2v: 5、10、または15秒
  • wan2.6-r2v: 5秒または10秒のみ(15秒は非対応)
  • 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。なお、 -1 を指定するとスマート再生時間モードが有効になり、モデルが適切な長さを選択します 範囲: -130
boolean
デフォルト:"true"
プロンプトのインテリジェントな書き換え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比率。wan2.7 および wan3.0 モデル専用です。 wan2.7 モデルでは、指定しない場合は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 適切な比率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, 3:4
string
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 と size のどちら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 2147483647
string
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動作します。 wan2.6 および wan2.7-r2v モデル用。
  • single: シングルショットビデオ(デフォルト)
  • multi: マルチショットビデオ 指定可能な値: multisingle
string
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 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。
スキーマから生成されています。Router は GET /v2/models/wan/wan2.6-i2v/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使用するドキュメントと同じものです。

出力

object
必須
string
インテリジェントな書き換え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書き換え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
タスク実行時間
string
タスク送信時間
string
必須
タスクID
object
画像生成タスクのタスク結果統計
integer
失敗したタスク数
integer
成功したタスク数
integer
タスクの合計数
string
必須
タスクステータス取りうる値: PENDINGRUNNINGSUCCEEDEDFAILEDCANCELEDUNKNOWN
string
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、エンベロープのルートで報告されます(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、エンベロープのルートで報告されます(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。

入力

出力

ビデオのURLは24時間有効です。保存が必要な場合は、速やかにビデオをダウンロードしてください。

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 は理由を示す 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。

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。