通过 Comfy Router 使用 Wan 3.0 Video

通过 Comfy Router 以 HTTP 方式调用 wan/wan3.0-video 的 Python、TypeScript 和 cURL 代码片段，以及请求字段和返回结果的形状

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

等待结果

Python

import asyncio
from comfy_sdk import AsyncComfy

# 从环境中读取 COMFY_API_KEY。
# SDK 会自动创建幂等键，并在自动重试时复用它。
async def main():
    async with AsyncComfy() as client:
        result = await client.models.run(
            "wan/wan3.0-video",
            {
                "input": {
                    "prompt": "the robot lowers its raised arm and steps toward the camera, the flat orange backdrop holds steady",
                    "media": [
                        {
                            "type": "first_frame",
                            "url": "https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/pink_robot_front.png",
                        },
                    ],
                },
                "parameters": {
                    "resolution": "720P",
                    "duration": 5,
                },
            },
        )

    print("video:", result["output"]["video_url"])

asyncio.run(main())

队列并稍后收集

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。

Python

import asyncio
from comfy_sdk import AsyncComfy

# 从环境变量读取 COMFY_API_KEY。
# 每次 submit() 调用都会生成自己的 Idempotency-Key，并在自动重试时复用它。
async def main():
    async with AsyncComfy() as client:
        handle = await client.models.submit(
            "wan/wan3.0-video",
            {
                "input": {
                    "prompt": "the robot lowers its raised arm and steps toward the camera, the flat orange backdrop holds steady",
                    "media": [
                        {
                            "type": "first_frame",
                            "url": "https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/pink_robot_front.png",
                        },
                    ],
                },
                "parameters": {
                    "resolution": "720P",
                    "duration": 5,
                },
            },
        )
        print("request_id:", handle.request_id)  # 连同模型 ID，这就是另一个进程所需的全部信息

        # 轮询直到请求完成，按服务器给出的 Retry-After 等待。
        async for update in handle.iter_events():
            print(update.status, update.queue_position)

        # 提供商自己的载荷，与 models.run() 返回的值相同。
        # 失败或已取消的请求会在此处抛出类型化的 Router 错误。
        result = await handle.get()

    print("video:", result["output"]["video_url"])

asyncio.run(main())

​

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

input · object · 必填

输入基本信息，例如提示词等。

input.audio_url · 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。

input.img_url · string

首帧图像网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x i2v 这些拼写不在此处接收其首帧：它们将其作为 type 为 first_frame 的媒体元素接收（见下方 media）。在 wan2.6-i2v 上成功的 img_url 请求体会被提供商在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上拒绝；wan2.7/wan3.0 这些拼写也在 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。

input.media · object[]

媒体资产列表。指定用于视频生成的参考资料（图像、音频、视频）。每个元素包含 type 和 url 字段。此字段由此组件提供的每个模型共享，而给定模型接受哪些 type 值，以及它是将图像或视频输入放在此处而不是放在 img_url 或 reference_video_urls 中，都因模型而异。各模型支持的 type 值：

• 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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址。driving_audio（WAV/MP3，2-30 秒，最多 15MB）和 first_clip（MP4/MOV，2-10 秒，每边 240-4096 像素，最多 100MB）：公开 HTTP/HTTPS 网址；不接受内联 data: 网址。
• wan2.7-r2v：first_frame（可选，最大值 1）、reference_image、reference_video。至少需要一个 reference_image 或 reference_video，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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址。reference_video：公开 HTTP/HTTPS 网址；不接受内联 data: 网址。
• wan2.7-videoedit：video（恰好 1 个，即正在编辑的片段：MP4/MOV，2-10 秒，每边 240-4096 像素，最多 100MB，公开 HTTP/HTTPS 网址；不接受内联 data: 网址），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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址）。
• wan3.0-video、wan3.0-video-prime：first_frame（最大值 1）、last_frame（最大值 1）、reference_image（最大值 10）、reference_video（最多 5 个片段，总时长 <= 15 秒）、reference_audio（最多 5 个片段，总时长 <= 15 秒）、file（最大值 1，不能与 link 一起使用）、link（最大值 1，不能与 file 一起使用）。reference_*/file/link 类型与 first_frame/last_frame 类型在同一请求中互斥。数组顺序决定提示中资产的参考顺序（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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址。reference_video、reference_audio、file 和 link：公开 HTTP/HTTPS 网址；不接受内联 data: 网址。
• 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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址。
• 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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址。reference_video 不是此操作的输入类型。
• happyhorse-1.0-video-edit：video（恰好 1 个，即正在编辑的片段：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，最多 100MB，公开 HTTP/HTTPS 网址；不接受内联 data: 网址），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，最多 20MB，可以是公开网址或 data:{MIME_type};base64,… 网址）。
• happyhorse-1.0-t2v、happyhorse-1.1-t2v、wan2.7-t2v、wan2.6-t2v、wan2.5-t2v-preview：文生视频操作。其合作伙伴参考文档未记录任何媒体输入，因此请不要设置此字段。
• wan2.5-i2v-preview、wan2.6-i2v、wan2.6-r2v：此组件并未为这些拼写枚举任何媒体词汇。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。 上述各模型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，因为可接受的类型及其上限因模型而异。Schema 接受并不意味着提供商接受。反过来说，上述每个资产的“最多 20MB”数值（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获得的资产所设的上限，当资产是公开网址时，这些数值按字面适用，因为这些字节从不经过 Comfy。内联 data:{MIME_type};base64,… 网址确实会经过 Comfy，并且也会遇到传输上限：Comfy Router POST 请求体总计上限为 100 MiB，超过则返回 413，而 base64 会使负载膨胀约 4/3，因此任何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。在该大小下，单个资产在合作伙伴自身的20MB 上限可轻松容纳内联数据，因此对于单个资产而言，真正起约束作用的是合作伙伴规则；而在多个资产的情况下，起约束作用的则是传输上限，因为 100 MiB 的 Router 上限约束的是整个请求，而不是每个元素。任何接近这些上限的内容，请以公开 URL 的形式发送。

input.media[].type · string · 必填

媒体资产类型

可选值：first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link

input.media[].url · string · 必填

媒体文件的 URL：一个公开的 HTTP/HTTPS URL；或者，仅针对上文 media 描述为各模型列出的 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），也可以是一个内联的 data:{MIME_type};base64,... URL。这些模型中，任何 video、audio、file 或 link 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，或者（在 wan2.7-videoedit 上）Asset Center 的 asset_id，只能针对上传它的阿里云账号解析；Comfy 使用自己的密钥发起模型调用且不提供上传路由，因此调用方自己的 oss:// URL 或 asset_id 并非受支持的输入。此字段不校验 URL 协议，因此这样的值会原样转发给合作伙伴，而不会在此处被拒绝。有关各模型的大小和像素限制，以及以整体方式约束内联负载的 100 MiB Router 请求体上限，请参见 media 描述。

input.negative_prompt · string

反向提示词用于描述你不希望在视频画面中出现的内容

input.prompt · string

文本提示词。支持中文和英文，长度不超过 800 个字符（wan3.0-video 最多 20,000 个字符；超出限制的内容会被截断）。 对于带有多个参考视频的 wan2.6-r2v，请使用 ‘character1’、‘character2’ 等，按参考视频的顺序来指代主体。示例：“Character1 sings on the roadside, Character2 dances beside it” 对于 wan3.0-video 参考模式，请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等，来指代 media 数组中对应顺序的媒体资产。

input.reference_video_urls · string[]

仅用于 wan2.6-r2v 模型的参考视频 URL。由 1-3 个视频 URL 组成的数组。 输入限制：

• 格式：mp4、mov
• 数量：1-3 个视频
• 单个视频长度：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，三个视频按比例更短。 计费：按实际使用的参考时长计算。

input.template · string

视频效果模板名称。可选。目前支持：squish、flying、carousel。使用时，prompt 参数会被忽略。

model · string

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 调用方会省略该字段。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供它，其可接受拼写的枚举定义在该操作自己的组件 WanVideoGenerationRequest 上。

parameters · object

视频处理参数

parameters.audio · boolean · 默认值: "true"

是否为视频添加音频。仅支持 wan3.0-video 和 wan3.0-video-prime；提供商未为其他 wan 模型记录此类切换。

parameters.audio_setting · 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：强制保留输入视频中的原始音频

  可选值：auto、origin

parameters.duration · 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，输入视频时长与输出视频时长之和不得超过 30 秒；-1 会启用智能时长模式，由模型选择合适的时长 当时长超出 [-1, 30] 范围时，该代理会返回 400。

  范围：-1 到 30

parameters.prompt_extend · boolean · 默认值: "true"

是否启用提示词智能改写。默认为 true

parameters.ratio · 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，若未提供，则根据分辨率档位取默认值。 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。

可选值：adaptive、16:9、9:16、1:1、4:3、3:4

parameters.resolution · 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

该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了计费费率。它会在检查之前将 resolution 转为大写，并转发大写后的值；对于超出该枚举范围的值返回 400；对于上文中列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型，请求 480P（无论以 resolution 还是以 480P 的 size 发送）时返回 400。

可选值: 480P, 720P, 1080P

parameters.seed · 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

parameters.shot_type · 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

  可选值: multi, single

parameters.size · string

视频分辨率，格式为 widthheight。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，由 size 决定计费档位，而 resolution 仍必须是该代理针对该模型接受的值。在任何被 resolution 描述列为不支持 480P 的模型上，480P 的 size 都会返回 400。

parameters.watermark · boolean · 默认值: "false"

是否添加水印标识，水印位于右下角

由 Router 在 GET /v2/models/wan/wan3.0-video/openapi.json 提供的 schema 生成，该 schema 也是它在请求到达提供商之前用于校验调用的同一份文档。

​

输出

output · object · 必填

output.actual_prompt · string

智能改写后的实际提示词（用于视频任务）

output.check_audio · string

带音频生成的 I2V 任务的音频 URL

output.code · string

失败请求的错误码（请求成功时不返回）

output.end_time · string

任务完成时间

output.message · string

失败请求的详细信息（请求成功时不返回）

output.orig_prompt · string

原始输入提示词（用于视频任务）

output.results · object[]

图像生成任务的结果列表

output.results[].actual_prompt · string

智能改写后的实际提示词（若已启用）

output.results[].code · string

图像错误码（部分任务失败时返回）

output.results[].message · string

图像错误信息（部分任务失败时返回）

output.results[].orig_prompt · string

原始输入提示词

output.results[].url · string

已生成图像的网址

output.scheduled_time · string

任务执行时间

output.submit_time · string

任务提交时间

output.task_id · string · 必填

任务 ID

output.task_metrics · object

图像生成任务的结果统计

output.task_metrics.FAILED · integer

失败的任务数

output.task_metrics.SUCCEEDED · integer

成功的任务数

output.task_metrics.TOTAL · integer

任务总数

output.task_status · string · 必填

任务状态

可能的取值：PENDING、RUNNING、SUCCEEDED、FAILED、CANCELED、UNKNOWN

output.video_url · string

已完成的视频生成任务的视频 URL。链接有效期 24 小时

request_id · string · 必填

唯一的请求标识符

usage · object

输出信息统计。仅统计成功的结果

usage.SR · integer

视频分辨率等级（I2V 与 wan3.0-video 任务）

usage.duration · number

已生成视频的时长，单位为秒（I2V 与 wan3.0-video 任务）

usage.fps · integer

已生成视频的帧率（wan3.0-video 任务）

usage.image_count · integer

已生成图像的数量（T2I 与 I2I 任务）

usage.input_video_duration · 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）

usage.output_video_duration · number

输出视频的时长，单位为秒（wan3.0-video 任务）

usage.ratio · string

已生成视频的宽高比，例如 16:9（wan3.0-video 任务）

usage.size · string

图像分辨率（T2I 与 I2I 任务）

usage.video_count · integer

已生成视频的数量（T2V 任务）

usage.video_duration · number

已生成视频的时长，单位为秒（T2V 任务）

usage.video_ratio · string

视频分辨率比例（T2V 任务）

code · string

失败请求的错误码，在响应信封的根层级而非 output 下返回（请求成功时不返回）。

message · string

失败请求的详细信息，在响应信封的根层级而非 output 下返回（请求成功时不返回）。在回退到 output.message 之前请先读取此项。

​

示例

​

输入

{
  "input": {
    "prompt": "the robot lowers its raised arm and steps toward the camera, the flat orange backdrop holds steady",
    "media": [
      {
        "type": "first_frame",
        "url": "https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/pink_robot_front.png"
      }
    ]
  },
  "parameters": {
    "resolution": "720P",
    "duration": 5
  }
}

​

输出

{
  "output": {
    "task_id": "0385dc79-5ff8-4d82-bcb6-7c1a9f2e4d60",
    "task_status": "SUCCEEDED",
    "submit_time": "2027-01-01T00:00:00.000Z",
    "scheduled_time": "2027-01-01T00:00:01.000Z",
    "end_time": "2027-01-01T00:01:04.000Z",
    "orig_prompt": "the robot lowers its raised arm and steps toward the camera, the flat orange backdrop holds steady",
    "actual_prompt": "the robot lowers its raised arm and steps toward the camera, the flat orange backdrop holds steady, smooth studio lighting, subtle camera push in",
    "video_url": "https://.../generated.mp4"
  },
  "request_id": "7574ee8f-38a3-4b1e-9280-11c33ab46e51",
  "usage": {
    "SR": 720,
    "duration": 5
  }
}

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。