Wan视频生成最佳实践

部署标准版ComfyUI（单用户使用）

部署配置

使用自定义部署方式部署标准版ComfyUI镜像服务，具体操作步骤如下：

1. 登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。

2. 单击部署服务，然后在自定义模型部署区域，单击自定义部署。

3. 在自定义部署页面，配置以下参数。

   1. 在环境信息区域，配置以下参数。

      参数	描述
      镜像配置	在官方镜像列表中选择镜像comfyui > comfyui:1.9。 说明 其中1.9为镜像版本，由于版本迭代迅速，部署时镜像版本选择最高版本即可。
      模型配置	为EAS服务挂载外部存储数据源（如OSS、NAS等），后续调用服务生成的视频，将自动保存到相应的数据源中。以对象存储OSS为例，单击OSS，并配置以下参数： Uri：选择OSS Bucket源地址目录。关于如何创建存储空间和目录，请参见控制台快速入门。请确保创建的存储空间与EAS服务位于同一地域。 挂载路径：即挂载到服务实例中的目标路径。例如/code/data-oss。
      运行命令	选择镜像后，系统会自动配置运行命令。 当您进行模型配置后，您需要在运行命令中设置 --data-dir 挂载目录，并确保挂载目录与模型配置中的挂载路径一致。 对于1.9版本的镜像，--data-dir 已预先配置，您只需将其更新为模型配置中的挂载路径即可。例如python main.py --listen --port 8000 --data-dir /code/data-oss。

   2. 在资源信息区域，选择资源规格。

      参数	描述
      资源类型	选择公共资源。
      部署资源	选择资源规格。因视频生成相比图片生成需要更大的GPU显存，建议您选择单卡显存不低于48 GB的资源规格。推荐使用GU60机型（例如ml.gu8is.c16m128.1-gu60）。

   3. 在服务接入区域，配置具有公网访问能力的专有网络，包括专有网络（VPC）、交换机和安全组，详情请参见配置公网连接。

      说明

      EAS服务默认不通公网，因I2V（图像生成视频）功能需要连接公网下载图片，所以需为EAS配置具有公网访问能力的专有网络。

4. 参数配置完成后，单击部署。

WebUI使用

服务部署成功后，您可以在WebUI页面构建工作流，完成服务调用。具体操作步骤如下：

1. 单击服务方式列下的查看Web应用，进入WebUI页面。

2. 在WebUI页面左上角，选择工作流 > 打开，选择JSON工作流文件，然后单击打开。

   PAI已在ComfyUI中集成了各类加速算法，速度与效果较好的ComfyUI JSON工作流示例如下：

   • Image to Video（直接上传图片）：wanvideo_720P_I2V.json

     工作流加载成功后，您可以在WebUI页面的加载图像区域，通过单击选择文件上传，手动上传并更新图片文件。

   • Image to Video（通过图片URL加载图片）：wanvideo_720P_I2V_URL.json

     工作流加载成功后，您可以在WebUI页面的Load Image By URL区域，配置图片URL地址，以更新加载的图片。

3. 单击页面下方的运行按钮，生成视频。

   大约执行20分钟左右，结果会显示在右方的合并为视频区域中。

API同步调用

标准版服务仅支持同步调用，即直接请求推理实例，不使用EAS的队列服务。具体操作步骤如下：

1. 导出工作流JSON文件。

   ComfyUI的API请求体取决于工作流配置。您需要先在已部署的标准版服务的WebUI页面设置工作流，然后在WebUI页面左上角，选择工作流 > 导出（API），通过保存API格式获取工作流对应的JSON文件。

   

2. 查看调用信息。

   1. 在服务列表中，单击服务名称，然后在基本信息区域，单击查看调用信息。

   2. 在调用信息对话框，获取访问地址和Token。

      说明

      • 使用公网调用地址：调用客户端需支持访问公网。

      • 使用VPC调用地址：调用客户端必须与服务位于同一个专有网络内。

      

3. 调用服务。

   完整调用和获取结果的代码示例如下，您可以在最终结果中通过data[prompt_id]["outputs"]["fullpath"]，获取输出图像的OSS完整路径。

   示例代码通过环境变量获取EAS服务访问地址和Token，您可以在终端中执行以下命令添加临时性环境变量（仅在当前会话中生效）：

   # 分别配置为服务访问地址和Token。 
   
   export SERVICE_URL="http://test****.115770327099****.cn-beijing.pai-eas.aliyuncs.com/"
   export TOKEN="MzJlMDNjMmU3YzQ0ZDJ*****************TMxZA=="

   完整I2V调用代码

   from time import sleep
   
   import os
   import json
   import requests
   
   service_url     = os.getenv("SERVICE_URL")
   token           = os.getenv("TOKEN")
   image_url       = "https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset/3.png"
   prompt          = "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。"
   negative_prompt = "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"
   height          = 720
   width           = 1280
   steps           = 40
   num_frames      = 81
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   prompt_url = f"{service_url}/prompt"
   
   # 请将payload中的prompt的值配置为工作流对应的JSON文件内容。
   payload = """
   {
       "prompt":
       {
           "11": {
               "inputs": {
               "model_name": "umt5-xxl-enc-bf16.safetensors",
               "precision": "bf16",
               "load_device": "offload_device",
               "quantization": "disabled"
               },
               "class_type": "LoadWanVideoT5TextEncoder",
               "_meta": {
               "title": "Load WanVideo T5 TextEncoder"
               }
           },
           "16": {
               "inputs": {
               "positive_prompt": "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。",
               "negative_prompt": "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走",
               "force_offload": true,
               "speak_and_recognation": {
                   "__value__": [
                   false,
                   true
                   ]
               },
               "t5": [
                   "11",
                   0
               ],
               "model_to_offload": [
                   "22",
                   0
               ]
               },
               "class_type": "WanVideoTextEncode",
               "_meta": {
               "title": "WanVideo TextEncode"
               }
           },
           "22": {
               "inputs": {
               "model": "WanVideo/wan2.1_i2v_720p_14B_bf16.safetensors",
               "base_precision": "fp16",
               "quantization": "fp8_e4m3fn",
               "load_device": "offload_device",
               "attention_mode": "sageattn",
               "compile_args": [
                   "35",
                   0
               ]
               },
               "class_type": "WanVideoModelLoader",
               "_meta": {
               "title": "WanVideo Model Loader"
               }
           },
           "27": {
               "inputs": {
               "steps": 40,
               "cfg": 6,
               "shift": 5,
               "seed": 1057359483639287,
               "force_offload": true,
               "scheduler": "unipc",
               "riflex_freq_index": 0,
               "denoise_strength": 1,
               "batched_cfg": "",
               "rope_function": "comfy",
               "nocfg_begin": 0.7500000000000001,
               "nocfg_end": 1,
               "model": [
                   "22",
                   0
               ],
               "text_embeds": [
                   "16",
                   0
               ],
               "image_embeds": [
                   "63",
                   0
               ],
               "teacache_args": [
                   "52",
                   0
               ]
               },
               "class_type": "WanVideoSampler",
               "_meta": {
               "title": "WanVideo Sampler"
               }
           },
           "28": {
               "inputs": {
               "enable_vae_tiling": false,
               "tile_x": 272,
               "tile_y": 272,
               "tile_stride_x": 144,
               "tile_stride_y": 128,
               "vae": [
                   "38",
                   0
               ],
               "samples": [
                   "27",
                   0
               ]
               },
               "class_type": "WanVideoDecode",
               "_meta": {
               "title": "WanVideo Decode"
               }
           },
           "30": {
               "inputs": {
               "frame_rate": 16,
               "loop_count": 0,
               "filename_prefix": "WanVideoWrapper_I2V",
               "format": "video/h264-mp4",
               "pix_fmt": "yuv420p",
               "crf": 19,
               "save_metadata": true,
               "trim_to_audio": false,
               "pingpong": false,
               "save_output": true,
               "images": [
                   "28",
                   0
               ]
               },
               "class_type": "VHS_VideoCombine",
               "_meta": {
               "title": "合并为视频"
               }
           },
           "35": {
               "inputs": {
               "backend": "inductor",
               "fullgraph": false,
               "mode": "default",
               "dynamic": false,
               "dynamo_cache_size_limit": 64,
               "compile_transformer_blocks_only": true
               },
               "class_type": "WanVideoTorchCompileSettings",
               "_meta": {
               "title": "WanVideo Torch Compile Settings"
               }
           },
           "38": {
               "inputs": {
               "model_name": "WanVideo/Wan2_1_VAE_bf16.safetensors",
               "precision": "bf16"
               },
               "class_type": "WanVideoVAELoader",
               "_meta": {
               "title": "WanVideo VAE Loader"
               }
           },
           "52": {
               "inputs": {
               "rel_l1_thresh": 0.25,
               "start_step": 1,
               "end_step": -1,
               "cache_device": "offload_device",
               "use_coefficients": "true"
               },
               "class_type": "WanVideoTeaCache",
               "_meta": {
               "title": "WanVideo TeaCache"
               }
           },
           "59": {
               "inputs": {
               "clip_name": "wanx_clip_vision_h.safetensors"
               },
               "class_type": "CLIPVisionLoader",
               "_meta": {
               "title": "CLIP视觉加载器"
               }
           },
           "63": {
               "inputs": {
               "width": [
                   "66",
                   1
               ],
               "height": [
                   "66",
                   2
               ],
               "num_frames": 81,
               "noise_aug_strength": 0.030000000000000006,
               "start_latent_strength": 1,
               "end_latent_strength": 1,
               "force_offload": true,
               "start_image": [
                   "66",
                   0
               ],
               "vae": [
                   "38",
                   0
               ],
               "clip_embeds": [
                   "65",
                   0
               ]
               },
               "class_type": "WanVideoImageToVideoEncode",
               "_meta": {
               "title": "WanVideo ImageToVideo Encode"
               }
           },
           "65": {
               "inputs": {
               "strength_1": 1,
               "strength_2": 1,
               "crop": "center",
               "combine_embeds": "average",
               "force_offload": true,
               "tiles": 4,
               "ratio": 0.20000000000000004,
               "clip_vision": [
                   "59",
                   0
               ],
               "image_1": [
                   "66",
                   0
               ]
               },
               "class_type": "WanVideoClipVisionEncode",
               "_meta": {
               "title": "WanVideo ClipVision Encode"
               }
           },
           "66": {
               "inputs": {
               "width": 832,
               "height": 480,
               "upscale_method": "lanczos",
               "keep_proportion": false,
               "divisible_by": 16,
               "crop": "disabled",
               "image": [
                   "68",
                   0
               ]
               },
               "class_type": "ImageResizeKJ",
               "_meta": {
               "title": "图像缩放（KJ）"
               }
           },
           "68": {
               "inputs": {
               "url": "https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset/3.png",
               "cache": true
               },
               "class_type": "LoadImageByUrl //Browser",
               "_meta": {
               "title": "Load Image By URL"
               }
           }
       }
   }
   """
   
   session = requests.session()
   session.headers.update({"Authorization":token})
   
   payload = json.loads(payload)
   payload["prompt"]["16"]["inputs"]["positive_prompt"] = prompt
   payload["prompt"]["16"]["inputs"]["negative_prompt"] = negative_prompt
   payload["prompt"]["27"]["inputs"]["steps"] = steps
   payload["prompt"]["66"]["inputs"]["height"] = height
   payload["prompt"]["66"]["inputs"]["width"] = width
   payload["prompt"]["63"]["inputs"]["num_frames"] = num_frames
   payload["prompt"]["68"]["inputs"]["url"] = image_url
   
   response = session.post(url=f'{prompt_url}', json=payload)
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   prompt_id = data["prompt_id"]
   print(data)
   
   while 1:
       url = f"{service_url}/history/{prompt_id}"
   
       response = session.get(url=f'{url}')
   
       if response.status_code != 200:
           raise Exception(response.content)
      
       data = response.json()
       if len(data) != 0:
           print(data[prompt_id]["outputs"])
           if len(data[prompt_id]["outputs"]) == 0:
               print("Find no outputs key in output json, the process may be failed, please check the log")
           break
       else:
           sleep(1)
   

   分步解析上述代码

   • 发送POST请求，从返回结果中获取Prompt ID。

     import requests
     import os
     
     service_url = os.getenv("SERVICE_URL")
     token = os.getenv("TOKEN")
     url = f"{service_url}/prompt"
     
     payload = {
         "prompt":
         请求体...省略
     }
     
     session = requests.session()
     session.headers.update({"Authorization":token})
     
     
     response = session.post(url=f'{url}', json=payload)
     if response.status_code != 200:
         raise Exception(response.content)
     
     data = response.json()
     print(data)

     其中payload需配置为请求体，prompt键值是上述导出（API）获得的请求JSON，在Python请求中，请求体中的布尔值（True和False）首字母需要大写。

     首次请求的返回结果示例如下：

     {
         "prompt_id": "021ebc5b-e245-4e37-8bd3-00f7b949****",
         "number": 5,
         "node_errors": {}
     }

   • 根据请求的Prompt ID获取最终预测结果。

     import requests
     import os
     # 构造请求URL。
     service_url = os.getenv("SERVICE_URL")
     token = os.getenv("TOKEN")
     url = f"{service_url}history/<prompt_id>"
     
     session = requests.session()
     session.headers.update({"Authorization":f'{token}'})
     
     response = session.get(url=f'{url}')
     
     if response.status_code != 200:
         raise Exception(response.content)
     
     data = response.json()
     print(data)

     其中<prompt_id>需替换为上一步中获取的prompt_id。

     返回结果示例如下：

     {
         "130bcd6b-5bb5-496c-9c8c-3a1359a0****": {
             "prompt": ...省略,
             "outputs": {
                 "30": {
                   'gifs': [
                     {
                       'filename': 'WanVideo2_1_T2V_00002.mp4', 
                       'subfolder': '', 
                       'type': 'output', 
                       'format': 'video/h264-mp4', 
                       'frame_rate': 16.0, 'workflow': 
                       'WanVideo2_1_T2V_00002.png', 'fullpath': 
                       '/code/data-oss/output/WanVideo2_1_T2V_00002.mp4'
                     }
                   ]
                 }
             },
             "status": {
                 "status_str": "success",
                 "completed": true,
                 "messages": ...省略,
             }
         }
     }

部署API版ComfyUI（高并发场景）

部署配置

使用自定义部署方式部署API版ComfyUI镜像服务，具体操作步骤如下：

1. 登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。

2. 单击部署服务，然后在自定义模型部署区域，单击自定义部署。

3. 在自定义部署页面，配置以下参数。

   1. 在环境信息区域，配置以下参数。

      参数	描述
      镜像配置	在官方镜像列表中选择镜像comfyui > comfyui:1.9-api。 说明 其中1.9为镜像版本，由于版本迭代迅速，部署时镜像版本选择最高版本即可。
      模型配置	为EAS服务挂载外部存储数据源（如OSS、NAS等），后续调用服务生成的视频，将自动保存到相应的数据源中。以对象存储OSS为例，单击OSS，并配置以下参数： Uri：选择OSS Bucket源地址目录。关于如何创建存储空间和目录，请参见控制台快速入门。请确保创建的存储空间与EAS服务位于同一地域。 挂载路径：即挂载到服务实例中的目标路径。例如/code/data-oss。
      运行命令	选择镜像后，系统会自动配置运行命令。 当您进行模型配置后，您需要在运行命令中设置 --data-dir 挂载目录，并确保挂载目录与模型配置中的挂载路径一致。 对于1.9版本的镜像，--data-dir 已预先配置，您只需将其更新为模型配置中的挂载路径即可。例如python main.py --listen --port 8000 --api --data-dir /code/data-oss。

   2. 在资源信息区域，选择资源规格。

      参数	描述
      资源类型	选择公共资源。
      部署资源	选择资源规格。因视频生成相比图片生成需要更大的GPU显存，建议您选择单卡显存不低于48 GB的资源规格。推荐使用GU60机型（例如ml.gu8is.c16m128.1-gu60）。

   3. 在异步队列区域，配置单一输入请求最大数据和单一输出返回最大数据，标准值为1024 KB。

      说明

      建议合理设置队列数据大小，以避免因超出限制而导致请求被拒绝、样本丢失、响应失败或队列阻塞等问题。

   4. 在服务接入区域，配置具有公网访问能力的专有网络，包括专有网络（VPC）、交换机和安全组，详情请参见配置公网连接。

      说明

      EAS服务默认不通公网，因I2V（图像生成视频）功能需要连接公网下载图片，所以需为EAS配置具有公网访问能力的专有网络。

4. 参数配置完成后，单击部署。

API异步调用

API版仅支持异步调用，且仅支持api_prompt路径。异步调用是指使用EAS的队列服务，向输入队列发送请求，以订阅的方式获得结果推送。具体操作步骤如下：

1. 查看调用信息。

   单击API版服务的服务方式列下的调用信息，在调用信息对话框的异步调用页签，查看服务访问地址和Token。

   说明

   • 使用公网调用地址：调用客户端需支持访问公网。

   • 使用VPC调用地址：调用客户端必须与服务位于同一个专有网络内。

   

2. 在终端中执行安装eas_prediction SDK命令。

   pip install eas_prediction  --user

3. 调用服务。

   完整调用的代码示例如下，您可以在最终结果中通过json.loads(x.data.decode('utf-8'))[1]["data"]["output"]["gifs"][0]["fullpath"]，获取输出图像的OSS完整路径。

   示例代码通过环境变量获取EAS服务访问地址和Token，您可以在终端中执行以下命令添加临时性环境变量（仅在当前会话中生效）：

   # 分别配置为服务访问地址和Token。 
   
   export SERVICE_URL="http://test****.115770327099****.cn-beijing.pai-eas.aliyuncs.com/"
   export TOKEN="MzJlMDNjMmU3YzQ0ZDJ*****************TMxZA=="

   完整I2V调用代码

   import json
   import os
   import requests
   from urllib.parse import urlparse, urlunparse
   from eas_prediction import QueueClient
   
   service_url     = os.getenv("SERVICE_URL")
   token           = os.getenv("TOKEN")
   
   image_url       = "https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset/3.png"
   prompt          = "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。"
   negative_prompt = "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"
   height          = 720
   width           = 1280
   steps           = 40
   num_frames      = 81
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   
   def parse_service_url(service_url):
       parsed = urlparse(service_url)
       service_domain = f"{parsed.scheme}://{parsed.netloc}"
       path_parts = [p for p in parsed.path.strip('/').split('/') if p]
       service_name = path_parts[-1]
       return service_domain, service_name
   
   
   service_domain, service_name = parse_service_url(service_url)
   print(f"service_domain: {service_domain}, service_name: {service_name}.")
   
   # 请将payload配置为工作流对应的JSON文件内容。
   payload = """
   {
       "11": {
           "inputs": {
           "model_name": "umt5-xxl-enc-bf16.safetensors",
           "precision": "bf16",
           "load_device": "offload_device",
           "quantization": "disabled"
           },
           "class_type": "LoadWanVideoT5TextEncoder",
           "_meta": {
           "title": "Load WanVideo T5 TextEncoder"
           }
       },
       "16": {
           "inputs": {
           "positive_prompt": "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。",
           "negative_prompt": "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走",
           "force_offload": true,
           "speak_and_recognation": {
               "__value__": [
               false,
               true
               ]
           },
           "t5": [
               "11",
               0
           ],
           "model_to_offload": [
               "22",
               0
           ]
           },
           "class_type": "WanVideoTextEncode",
           "_meta": {
           "title": "WanVideo TextEncode"
           }
       },
       "22": {
           "inputs": {
           "model": "WanVideo/wan2.1_i2v_720p_14B_bf16.safetensors",
           "base_precision": "fp16",
           "quantization": "fp8_e4m3fn",
           "load_device": "offload_device",
           "attention_mode": "sageattn",
           "compile_args": [
               "35",
               0
           ]
           },
           "class_type": "WanVideoModelLoader",
           "_meta": {
           "title": "WanVideo Model Loader"
           }
       },
       "27": {
           "inputs": {
           "steps": 40,
           "cfg": 6,
           "shift": 5,
           "seed": 1057359483639287,
           "force_offload": true,
           "scheduler": "unipc",
           "riflex_freq_index": 0,
           "denoise_strength": 1,
           "batched_cfg": "",
           "rope_function": "comfy",
           "nocfg_begin": 0.7500000000000001,
           "nocfg_end": 1,
           "model": [
               "22",
               0
           ],
           "text_embeds": [
               "16",
               0
           ],
           "image_embeds": [
               "63",
               0
           ],
           "teacache_args": [
               "52",
               0
           ]
           },
           "class_type": "WanVideoSampler",
           "_meta": {
           "title": "WanVideo Sampler"
           }
       },
       "28": {
           "inputs": {
           "enable_vae_tiling": false,
           "tile_x": 272,
           "tile_y": 272,
           "tile_stride_x": 144,
           "tile_stride_y": 128,
           "vae": [
               "38",
               0
           ],
           "samples": [
               "27",
               0
           ]
           },
           "class_type": "WanVideoDecode",
           "_meta": {
           "title": "WanVideo Decode"
           }
       },
       "30": {
           "inputs": {
           "frame_rate": 16,
           "loop_count": 0,
           "filename_prefix": "WanVideoWrapper_I2V",
           "format": "video/h264-mp4",
           "pix_fmt": "yuv420p",
           "crf": 19,
           "save_metadata": true,
           "trim_to_audio": false,
           "pingpong": false,
           "save_output": true,
           "images": [
               "28",
               0
           ]
           },
           "class_type": "VHS_VideoCombine",
           "_meta": {
           "title": "合并为视频"
           }
       },
       "35": {
           "inputs": {
           "backend": "inductor",
           "fullgraph": false,
           "mode": "default",
           "dynamic": false,
           "dynamo_cache_size_limit": 64,
           "compile_transformer_blocks_only": true
           },
           "class_type": "WanVideoTorchCompileSettings",
           "_meta": {
           "title": "WanVideo Torch Compile Settings"
           }
       },
       "38": {
           "inputs": {
           "model_name": "WanVideo/Wan2_1_VAE_bf16.safetensors",
           "precision": "bf16"
           },
           "class_type": "WanVideoVAELoader",
           "_meta": {
           "title": "WanVideo VAE Loader"
           }
       },
       "52": {
           "inputs": {
           "rel_l1_thresh": 0.25,
           "start_step": 1,
           "end_step": -1,
           "cache_device": "offload_device",
           "use_coefficients": "true"
           },
           "class_type": "WanVideoTeaCache",
           "_meta": {
           "title": "WanVideo TeaCache"
           }
       },
       "59": {
           "inputs": {
           "clip_name": "wanx_clip_vision_h.safetensors"
           },
           "class_type": "CLIPVisionLoader",
           "_meta": {
           "title": "CLIP视觉加载器"
           }
       },
       "63": {
           "inputs": {
           "width": [
               "66",
               1
           ],
           "height": [
               "66",
               2
           ],
           "num_frames": 81,
           "noise_aug_strength": 0.030000000000000006,
           "start_latent_strength": 1,
           "end_latent_strength": 1,
           "force_offload": true,
           "start_image": [
               "66",
               0
           ],
           "vae": [
               "38",
               0
           ],
           "clip_embeds": [
               "65",
               0
           ]
           },
           "class_type": "WanVideoImageToVideoEncode",
           "_meta": {
           "title": "WanVideo ImageToVideo Encode"
           }
       },
       "65": {
           "inputs": {
           "strength_1": 1,
           "strength_2": 1,
           "crop": "center",
           "combine_embeds": "average",
           "force_offload": true,
           "tiles": 4,
           "ratio": 0.20000000000000004,
           "clip_vision": [
               "59",
               0
           ],
           "image_1": [
               "66",
               0
           ]
           },
           "class_type": "WanVideoClipVisionEncode",
           "_meta": {
           "title": "WanVideo ClipVision Encode"
           }
       },
       "66": {
           "inputs": {
           "width": 832,
           "height": 480,
           "upscale_method": "lanczos",
           "keep_proportion": false,
           "divisible_by": 16,
           "crop": "disabled",
           "image": [
               "68",
               0
           ]
           },
           "class_type": "ImageResizeKJ",
           "_meta": {
           "title": "图像缩放（KJ）"
           }
       },
       "68": {
           "inputs": {
           "url": "https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset/3.png",
           "cache": true
           },
           "class_type": "LoadImageByUrl //Browser",
           "_meta": {
           "title": "Load Image By URL"
           }
       }
   }
   """
   
   
   session = requests.session()
   session.headers.update({"Authorization":token})
   
   payload = json.loads(payload)
   payload["16"]["inputs"]["positive_prompt"] = prompt
   payload["16"]["inputs"]["negative_prompt"] = negative_prompt
   payload["27"]["inputs"]["steps"] = steps
   payload["66"]["inputs"]["height"] = height
   payload["66"]["inputs"]["width"] = width
   payload["63"]["inputs"]["num_frames"] = num_frames
   payload["68"]["inputs"]["url"] = image_url
   
   response = session.post(url=f'{service_url}/api_prompt?task_id=txt2img', json=payload)
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   sink_queue = QueueClient(service_domain, f'{service_name}/sink')
   sink_queue.set_token(token)
   sink_queue.init()
   
   watcher = sink_queue.watch(0, 1, auto_commit=False)
   for x in watcher.run():
       if 'task_id' in x.tags:
           print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
       print(f'index {x.index} data is {x.data}')
       print(json.loads(x.data.decode('utf-8'))[1]["data"]["output"]["gifs"][0]["fullpath"])
       sink_queue.commit(x.index)

   分步解析上述代码

   • 发送请求，代码示例如下：

     import requests, io, base64, os
     from PIL import Image, PngImagePlugin
     
     url = os.getenv("SERVICE_URL")
     token = os.getenv("TOKEN")
     session = requests.session()
     session.headers.update({"Authorization": token})
     
     work_flow = {
         '3':
         ...省略
     }  # 与标准版不同的是没有prompt key
     
     for i in range(1):
         payload = work_flow
         response = session.post(url=f'{url}/api_prompt?task_id=txt2img_{i}', json=payload)
         if response.status_code != 200:
           exit(f"send request error:{response.content}")
         else:
           print(f"send {i} success, index is {response.content}")
     

     其中work_flow需配置为请求体，即上述导出（API）获得的请求JSON，在Python请求中，请求体中的布尔值（True和False）首字母需要大写。

   • 订阅结果，代码示例如下：

     from eas_prediction import QueueClient
     import os
     
     token = os.getenv("TOKEN")
     sink_queue = QueueClient('<service_domain>', '<service_name>/sink')
     sink_queue.set_token(token)
     sink_queue.init()
     
     watcher = sink_queue.watch(0, 1, auto_commit=False)
     for x in watcher.run():
         if 'task_id' in x.tags:
             print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
         print(f'index {x.index} data is {x.data}')
         sink_queue.commit(x.index)
     

     其中关键配置项说明如下：

     配置项	描述
     <service_domain>	请替换为已查询的服务访问地址中的调用信息。例如139699392458****.cn-hangzhou.pai-eas.aliyuncs.com。
     <service_name>	请替换为EAS服务名称。

     返回结果示例如下：

     index 2 task_id is txt2img
     index 2 data is b'[{"status_code": 200}, {"type": "executed", "data": {"node": "30", "display_node": "30", "output": {"gifs": [{"filename": "WanVideoWrapper_I2V_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4", "frame_rate": 16.0, "workflow": "WanVideoWrapper_I2V_00001.png", "fullpath": "/code/data-oss/output/WanVideoWrapper_I2V_00001.mp4"}]}, "prompt_id": "e20b1cb0-fb48-4ddd-92e5-3c783b064a2c"}}, {"e20b1cb0-fb48-4ddd-92e5-3c783b064a2c": {"prompt": [1, "e20b1cb0-fb48-4ddd-92e5-3c783b064a2c", {"11": {"inputs": {"model_name": "umt5-xxl-enc-bf16.safetensors", "precision": "bf16", "load_device": "offload_device", "quantization": "disabled"}, "class_type": "LoadWanVideoT5TextEncoder", "_meta": {"title": "Load WanVideo T5 TextEncoder"}}, "16": {"inputs": {"positive_prompt": "\\u4e00\\u4f4d\\u91d1\\u53d1\\u5973\\u5b50\\uff0c\\u5979\\u4ef0\\u5934\\u95ed\\u773c\\uff0c\\u8868\\u60c5\\u5b81\\u9759\\u800c\\u68a6\\u5e7b\\u3002\\u5979\\u7684\\u5934\\u53d1\\u975e\\u5e38\\u957f\\u4e14\\u84ec\\u677e\\uff0c\\u5448\\u73b0\\u51fa\\u81ea\\u7136\\u7684\\u6ce2\\u6d6a\\u72b6\\uff0c\\u4eff\\u4f5b\\u88ab\\u98ce\\u5439\\u62c2\\u3002\\u80cc\\u666f\\u4e2d\\u6709\\u4e00\\u4e9b\\u6a21\\u7cca\\u7684\\u82b1\\u6735\\u98d8\\u843d\\uff0c\\u8425\\u9020\\u51fa\\u4e00\\u79cd\\u6d6a\\u6f2b\\u548c\\u68a6\\u5e7b\\u7684\\u6c1b\\u56f4\\u3002\\u5979\\u7a7f\\u7740\\u4e00\\u4ef6\\u5e26\\u6709\\u857e\\u4e1d\\u88c5\\u9970\\u7684\\u4e0a\\u8863\\uff0c\\u8863\\u670d\\u7684\\u989c\\u8272\\u4e0e\\u80cc\\u666f\\u76f8\\u534f\\u8c03\\uff0c\\u6574\\u4f53\\u8272\\u8c03\\u67d4\\u548c\\u3002\\u5149\\u7ebf\\u4ece\\u4e0a\\u65b9\\u7167\\u5c04\\u4e0b\\u6765\\uff0c\\u7167\\u4eae\\u4e86\\u5979\\u7684\\u8138\\u5e9e\\u548c\\u5934\\u53d1\\uff0c\\u4f7f\\u6574\\u4e2a\\u753b\\u9762\\u663e\\u5f97\\u975e\\u5e38\\u67d4\\u548c\\u548c\\u6e29\\u6696\\u3002", "negative_prompt": "\\u8272\\u8c03\\u8273\\u4e3d\\uff0c\\u8fc7\\u66dd\\uff0c\\u9759\\u6001\\uff0c\\u7ec6\\u8282\\u6a21\\u7cca\\u4e0d\\u6e05\\uff0c\\u5b57\\u5e55\\uff0c\\u98ce\\u683c\\uff0c\\u4f5c\\u54c1\\uff0c\\u753b\\u4f5c\\uff0c\\u753b\\u9762\\uff0c\\u9759\\u6b62\\uff0c\\u6574\\u4f53\\u53d1\\u7070\\uff0c\\u6700\\u5dee\\u8d28\\u91cf\\uff0c\\u4f4e\\u8d28\\u91cf\\uff0cJPEG\\u538b\\u7f29\\u6b8b\\u7559\\uff0c\\u4e11\\u964b\\u7684\\uff0c\\u6b8b\\u7f3a\\u7684\\uff0c\\u591a\\u4f59\\u7684\\u624b\\u6307\\uff0c\\u753b\\u5f97\\u4e0d\\u597d\\u7684\\u624b\\u90e8\\uff0c\\u753b\\u5f97\\u4e0d\\u597d\\u7684\\u8138\\u90e8\\uff0c\\u7578\\u5f62\\u7684\\uff0c\\u6bc1\\u5bb9\\u7684\\uff0c\\u5f62\\u6001\\u7578\\u5f62\\u7684\\u80a2\\u4f53\\uff0c\\u624b\\u6307\\u878d\\u5408\\uff0c\\u9759\\u6b62\\u4e0d\\u52a8\\u7684\\u753b\\u9762\\uff0c\\u6742\\u4e71\\u7684\\u80cc\\u666f\\uff0c\\u4e09\\u6761\\u817f\\uff0c\\u80cc\\u666f\\u4eba\\u5f88\\u591a\\uff0c\\u5012\\u7740\\u8d70", "force_offload": true, "speak_and_recognation": {"__value__": [false, true]}, "t5": ["11", 0], "model_to_offload": ["22", 0]}, "class_type": "WanVideoTextEncode", "_meta": {"title": "WanVideo TextEncode"}}, "22": {"inputs": {"model": "WanVideo/wan2.1_i2v_720p_14B_bf16.safetensors", "base_precision": "fp16", "quantization": "fp8_e4m3fn", "load_device": "offload_device", "attention_mode": "sageattn", "compile_args": ["35", 0]}, "class_type": "WanVideoModelLoader", "_meta": {"title": "WanVideo Model Loader"}}, "27": {"inputs": {"steps": 40, "cfg": 6.0, "shift": 5.0, "seed": 1057359483639287, "force_offload": true, "scheduler": "unipc", "riflex_freq_index": 0, "denoise_strength": 1.0, "batched_cfg": false, "rope_function": "comfy", "nocfg_begin": 0.7500000000000001, "nocfg_end": 1.0, "model": ["22", 0], "text_embeds": ["16", 0], "image_embeds": ["63", 0], "teacache_args": ["52", 0]}, "class_type": "WanVideoSampler", "_meta": {"title": "WanVideo Sampler"}}, "28": {"inputs": {"enable_vae_tiling": false, "tile_x": 272, "tile_y": 272, "tile_stride_x": 144, "tile_stride_y": 128, "vae": ["38", 0], "samples": ["27", 0]}, "class_type": "WanVideoDecode", "_meta": {"title": "WanVideo Decode"}}, "30": {"inputs": {"frame_rate": 16.0, "loop_count": 0, "filename_prefix": "WanVideoWrapper_I2V", "format": "video/h264-mp4", "pix_fmt": "yuv420p", "crf": 19, "save_metadata": true, "trim_to_audio": false, "pingpong": false, "save_output": true, "images": ["28", 0]}, "class_type": "VHS_VideoCombine", "_meta": {"title": "\\u5408\\u5e76\\u4e3a\\u89c6\\u9891"}}, "35": {"inputs": {"backend": "inductor", "fullgraph": false, "mode": "default", "dynamic": false, "dynamo_cache_size_limit": 64, "compile_transformer_blocks_only": true}, "class_type": "WanVideoTorchCompileSettings", "_meta": {"title": "WanVideo Torch Compile Settings"}}, "38": {"inputs": {"model_name": "WanVideo/Wan2_1_VAE_bf16.safetensors", "precision": "bf16"}, "class_type": "WanVideoVAELoader", "_meta": {"title": "WanVideo VAE Loader"}}, "52": {"inputs": {"rel_l1_thresh": 0.25, "start_step": 1, "end_step": -1, "cache_device": "offload_device", "use_coefficients": true}, "class_type": "WanVideoTeaCache", "_meta": {"title": "WanVideo TeaCache"}}, "59": {"inputs": {"clip_name": "wanx_clip_vision_h.safetensors"}, "class_type": "CLIPVisionLoader", "_meta": {"title": "CLIP\\u89c6\\u89c9\\u52a0\\u8f7d\\u5668"}}, "63": {"inputs": {"width": ["66", 1], "height": ["66", 2], "num_frames": 81, "noise_aug_strength": 0.030000000000000006, "start_latent_strength": 1.0, "end_latent_strength": 1.0, "force_offload": true, "start_image": ["66", 0], "vae": ["38", 0], "clip_embeds": ["65", 0]}, "class_type": "WanVideoImageToVideoEncode", "_meta": {"title": "WanVideo ImageToVideo Encode"}}, "65": {"inputs": {"strength_1": 1.0, "strength_2": 1.0, "crop": "center", "combine_embeds": "average", "force_offload": true, "tiles": 4, "ratio": 0.20000000000000004, "clip_vision": ["59", 0], "image_1": ["66", 0]}, "class_type": "WanVideoClipVisionEncode", "_meta": {"title": "WanVideo ClipVision Encode"}}, "66": {"inputs": {"width": 1280, "height": 720, "upscale_method": "lanczos", "keep_proportion": false, "divisible_by": 16, "crop": "disabled", "image": ["68", 0]}, "class_type": "ImageResizeKJ", "_meta": {"title": "\\u56fe\\u50cf\\u7f29\\u653e\\uff08KJ\\uff09"}}, "68": {"inputs": {"url": "https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset/3.png", "cache": true}, "class_type": "LoadImageByUrl //Browser", "_meta": {"title": "Load Image By URL"}}}, {"client_id": "unknown"}, ["30"]], "outputs": {"30": {"gifs": [{"filename": "WanVideoWrapper_I2V_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4", "frame_rate": 16.0, "workflow": "WanVideoWrapper_I2V_00001.png", "fullpath": "/code/data-oss/output/WanVideoWrapper_I2V_00001.mp4"}]}}, "status": {"status_str": "success", "completed": true, "messages": [["execution_start", {"prompt_id": "e20b1cb0-fb48-4ddd-92e5-3c783b064a2c", "timestamp": 1746512702895}], ["execution_cached", {"nodes": ["11", "16", "22", "27", "28", "30", "35", "38", "52", "59", "63", "65", "66", "68"], "prompt_id": "e20b1cb0-fb48-4ddd-92e5-3c783b064a2c", "timestamp": 1746512702899}], ["execution_success", {"prompt_id": "e20b1cb0-fb48-4ddd-92e5-3c783b064a2c", "timestamp": 1746512702900}]]}, "meta": {"30": {"node_id": "30", "display_node": "30", "parent_node": null, "real_node_id": "30"}}}}, {"30": {"gifs": [{"filename": "WanVideoWrapper_I2V_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4", "frame_rate": 16.0, "workflow": "WanVideoWrapper_I2V_00001.png", "fullpath": "/code/data-oss/output/WanVideoWrapper_I2V_00001.mp4"}]}}]'

附录：更多示例

T2V（文本生成视频）和I2V（图像生成视频）的使用流程一致，参考上述步骤部署和调用服务即可。但T2V不依赖公网连接功能，因此在部署EAS服务时，无需配置专有网络。

您可以通过示例工作流文件（wanvideo_720P_T2V.json）体验WebUI调用流程。参考WebUI使用，在WebUI页面加载工作流，然后在WanVideo TextEncode输入框中输入文本提示词，并单击运行，则会开始执行流程。如果需要通过API调用，完整的代码示例如下：

示例代码通过环境变量获取EAS服务访问地址和Token，您可以在终端中执行以下命令添加临时性环境变量（仅在当前会话中生效）：

# 分别配置为服务访问地址和Token。 

export SERVICE_URL="http://test****.115770327099****.cn-beijing.pai-eas.aliyuncs.com/"
export TOKEN="MzJlMDNjMmU3YzQ0ZDJ*****************TMxZA=="

from time import sleep

import os
import json
import requests

service_url     = os.getenv("SERVICE_URL")
token           = os.getenv("TOKEN")
prompt          = "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。"
negative_prompt = "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"
height          = 720
width           = 1280
steps           = 40
num_frames      = 81

if service_url[-1] == "/":
    service_url = service_url[:-1]

prompt_url = f"{service_url}/prompt"

# 请将payload中的prompt的值配置为工作流对应的JSON文件内容。
payload = """
{
    "prompt":
    {
        "11": {
            "inputs": {
            "model_name": "umt5-xxl-enc-bf16.safetensors",
            "precision": "bf16",
            "load_device": "offload_device",
            "quantization": "disabled"
            },
            "class_type": "LoadWanVideoT5TextEncoder",
            "_meta": {
            "title": "Load WanVideo T5 TextEncoder"
            }
        },
        "16": {
            "inputs": {
            "positive_prompt": "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。",
            "negative_prompt": "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走",
            "force_offload": true,
            "speak_and_recognation": {
                "__value__": [
                false,
                true
                ]
            },
            "t5": [
                "11",
                0
            ]
            },
            "class_type": "WanVideoTextEncode",
            "_meta": {
            "title": "WanVideo TextEncode"
            }
        },
        "22": {
            "inputs": {
            "model": "WanVideo/wan2.1_t2v_14B_bf16.safetensors",
            "base_precision": "fp16",
            "quantization": "fp8_e4m3fn",
            "load_device": "offload_device",
            "attention_mode": "sageattn",
            "compile_args": [
                "35",
                0
            ]
            },
            "class_type": "WanVideoModelLoader",
            "_meta": {
            "title": "WanVideo Model Loader"
            }
        },
        "27": {
            "inputs": {
            "steps": 40,
            "cfg": 6.000000000000002,
            "shift": 5.000000000000001,
            "seed": 1057359483639287,
            "force_offload": true,
            "scheduler": "unipc",
            "riflex_freq_index": 0,
            "denoise_strength": 1,
            "batched_cfg": false,
            "rope_function": "default",
            "nocfg_begin": 0.7500000000000001,
            "nocfg_end": 1,
            "model": [
                "22",
                0
            ],
            "text_embeds": [
                "16",
                0
            ],
            "image_embeds": [
                "37",
                0
            ],
            "teacache_args": [
                "52",
                0
            ]
            },
            "class_type": "WanVideoSampler",
            "_meta": {
            "title": "WanVideo Sampler"
            }
        },
        "28": {
            "inputs": {
            "enable_vae_tiling": true,
            "tile_x": 272,
            "tile_y": 272,
            "tile_stride_x": 144,
            "tile_stride_y": 128,
            "vae": [
                "38",
                0
            ],
            "samples": [
                "27",
                0
            ]
            },
            "class_type": "WanVideoDecode",
            "_meta": {
            "title": "WanVideo Decode"
            }
        },
        "30": {
            "inputs": {
            "frame_rate": 16,
            "loop_count": 0,
            "filename_prefix": "WanVideo2_1_T2V",
            "format": "video/h264-mp4",
            "pix_fmt": "yuv420p",
            "crf": 19,
            "save_metadata": true,
            "trim_to_audio": false,
            "pingpong": false,
            "save_output": true,
            "images": [
                "28",
                0
            ]
            },
            "class_type": "VHS_VideoCombine",
            "_meta": {
            "title": "合并为视频"
            }
        },
        "35": {
            "inputs": {
            "backend": "inductor",
            "fullgraph": false,
            "mode": "default",
            "dynamic": false,
            "dynamo_cache_size_limit": 64,
            "compile_transformer_blocks_only": true
            },
            "class_type": "WanVideoTorchCompileSettings",
            "_meta": {
            "title": "WanVideo Torch Compile Settings"
            }
        },
        "37": {
            "inputs": {
            "width": 832,
            "height": 480,
            "num_frames": 81
            },
            "class_type": "WanVideoEmptyEmbeds",
            "_meta": {
            "title": "WanVideo Empty Embeds"
            }
        },
        "38": {
            "inputs": {
            "model_name": "WanVideo/Wan2_1_VAE_bf16.safetensors",
            "precision": "bf16"
            },
            "class_type": "WanVideoVAELoader",
            "_meta": {
            "title": "WanVideo VAE Loader"
            }
        },
        "52": {
            "inputs": {
            "rel_l1_thresh": 0.25000000000000006,
            "start_step": 1,
            "end_step": -1,
            "cache_device": "offload_device",
            "use_coefficients": "true"
            },
            "class_type": "WanVideoTeaCache",
            "_meta": {
            "title": "WanVideo TeaCache"
            }
        }
    }
}
"""

session = requests.session()
session.headers.update({"Authorization":token})

payload = json.loads(payload)
payload["prompt"]["16"]["inputs"]["positive_prompt"] = prompt
payload["prompt"]["16"]["inputs"]["negative_prompt"] = negative_prompt
payload["prompt"]["27"]["inputs"]["steps"] = steps
payload["prompt"]["37"]["inputs"]["height"] = height
payload["prompt"]["37"]["inputs"]["width"] = width
payload["prompt"]["37"]["inputs"]["num_frames"] = num_frames

response = session.post(url=f'{prompt_url}', json=payload)
if response.status_code != 200:
    raise Exception(response.content)

data = response.json()
prompt_id = data["prompt_id"]
print(data)

while 1:
    url = f"{service_url}/history/{prompt_id}"

    response = session.get(url=f'{url}')

    if response.status_code != 200:
        raise Exception(response.content)
    
    data = response.json()
    if len(data) != 0:
        print(data[prompt_id]["outputs"])
        if len(data[prompt_id]["outputs"]) == 0:
            print("Find no outputs key in output json, the process may be failed, please check the log")
        break
    else:
        sleep(1)

import json
import os
import requests
from urllib.parse import urlparse, urlunparse
from eas_prediction import QueueClient

service_url     = os.getenv("SERVICE_URL")
token           = os.getenv("TOKEN")

prompt          = "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。"
negative_prompt = "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"
height          = 720
width           = 1280
steps           = 40
num_frames      = 81

if service_url[-1] == "/":
    service_url = service_url[:-1]


def parse_service_url(service_url):
    parsed = urlparse(service_url)
    service_domain = f"{parsed.scheme}://{parsed.netloc}"
    path_parts = [p for p in parsed.path.strip('/').split('/') if p]
    service_name = path_parts[-1]
    return service_domain, service_name


service_domain, service_name = parse_service_url(service_url)
print(f"service_domain: {service_domain}, service_name: {service_name}.")

# 请将payload配置为工作流对应的JSON文件内容。
payload = """
{
    "11": {
        "inputs": {
        "model_name": "umt5-xxl-enc-bf16.safetensors",
        "precision": "bf16",
        "load_device": "offload_device",
        "quantization": "disabled"
        },
        "class_type": "LoadWanVideoT5TextEncoder",
        "_meta": {
        "title": "Load WanVideo T5 TextEncoder"
        }
    },
    "16": {
        "inputs": {
        "positive_prompt": "一位金发女子，她仰头闭眼，表情宁静而梦幻。她的头发非常长且蓬松，呈现出自然的波浪状，仿佛被风吹拂。背景中有一些模糊的花朵飘落，营造出一种浪漫和梦幻的氛围。她穿着一件带有蕾丝装饰的上衣，衣服的颜色与背景相协调，整体色调柔和。光线从上方照射下来，照亮了她的脸庞和头发，使整个画面显得非常柔和和温暖。",
        "negative_prompt": "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走",
        "force_offload": true,
        "speak_and_recognation": {
            "__value__": [
            false,
            true
            ]
        },
        "t5": [
            "11",
            0
        ]
        },
        "class_type": "WanVideoTextEncode",
        "_meta": {
        "title": "WanVideo TextEncode"
        }
    },
    "22": {
        "inputs": {
        "model": "WanVideo/wan2.1_t2v_14B_bf16.safetensors",
        "base_precision": "fp16",
        "quantization": "fp8_e4m3fn",
        "load_device": "offload_device",
        "attention_mode": "sageattn",
        "compile_args": [
            "35",
            0
        ]
        },
        "class_type": "WanVideoModelLoader",
        "_meta": {
        "title": "WanVideo Model Loader"
        }
    },
    "27": {
        "inputs": {
        "steps": 40,
        "cfg": 6.000000000000002,
        "shift": 5.000000000000001,
        "seed": 1057359483639287,
        "force_offload": true,
        "scheduler": "unipc",
        "riflex_freq_index": 0,
        "denoise_strength": 1,
        "batched_cfg": false,
        "rope_function": "default",
        "nocfg_begin": 0.7500000000000001,
        "nocfg_end": 1,
        "model": [
            "22",
            0
        ],
        "text_embeds": [
            "16",
            0
        ],
        "image_embeds": [
            "37",
            0
        ],
        "teacache_args": [
            "52",
            0
        ]
        },
        "class_type": "WanVideoSampler",
        "_meta": {
        "title": "WanVideo Sampler"
        }
    },
    "28": {
        "inputs": {
        "enable_vae_tiling": true,
        "tile_x": 272,
        "tile_y": 272,
        "tile_stride_x": 144,
        "tile_stride_y": 128,
        "vae": [
            "38",
            0
        ],
        "samples": [
            "27",
            0
        ]
        },
        "class_type": "WanVideoDecode",
        "_meta": {
        "title": "WanVideo Decode"
        }
    },
    "30": {
        "inputs": {
        "frame_rate": 16,
        "loop_count": 0,
        "filename_prefix": "WanVideo2_1_T2V",
        "format": "video/h264-mp4",
        "pix_fmt": "yuv420p",
        "crf": 19,
        "save_metadata": true,
        "trim_to_audio": false,
        "pingpong": false,
        "save_output": true,
        "images": [
            "28",
            0
        ]
        },
        "class_type": "VHS_VideoCombine",
        "_meta": {
        "title": "合并为视频"
        }
    },
    "35": {
        "inputs": {
        "backend": "inductor",
        "fullgraph": false,
        "mode": "default",
        "dynamic": false,
        "dynamo_cache_size_limit": 64,
        "compile_transformer_blocks_only": true
        },
        "class_type": "WanVideoTorchCompileSettings",
        "_meta": {
        "title": "WanVideo Torch Compile Settings"
        }
    },
    "37": {
        "inputs": {
        "width": 832,
        "height": 480,
        "num_frames": 81
        },
        "class_type": "WanVideoEmptyEmbeds",
        "_meta": {
        "title": "WanVideo Empty Embeds"
        }
    },
    "38": {
        "inputs": {
        "model_name": "WanVideo/Wan2_1_VAE_bf16.safetensors",
        "precision": "bf16"
        },
        "class_type": "WanVideoVAELoader",
        "_meta": {
        "title": "WanVideo VAE Loader"
        }
    },
    "52": {
        "inputs": {
        "rel_l1_thresh": 0.25000000000000006,
        "start_step": 1,
        "end_step": -1,
        "cache_device": "offload_device",
        "use_coefficients": "true"
        },
        "class_type": "WanVideoTeaCache",
        "_meta": {
        "title": "WanVideo TeaCache"
        }
    }
}
"""

session = requests.session()
session.headers.update({"Authorization":token})

payload = json.loads(payload)
payload["16"]["inputs"]["positive_prompt"] = prompt
payload["16"]["inputs"]["negative_prompt"] = negative_prompt
payload["27"]["inputs"]["steps"] = steps
payload["37"]["inputs"]["height"] = height
payload["37"]["inputs"]["width"] = width
payload["37"]["inputs"]["num_frames"] = num_frames

response = session.post(url=f'{service_url}/api_prompt?task_id=txt2img', json=payload)
if response.status_code != 200:
    raise Exception(response.content)

data = response.json()
sink_queue = QueueClient(service_domain, f'{service_name}/sink')
sink_queue.set_token(token)
sink_queue.init()

watcher = sink_queue.watch(0, 1, auto_commit=False)
for x in watcher.run():
    if 'task_id' in x.tags:
        print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
    print(f'index {x.index} data is {x.data}')
    print(json.loads(x.data.decode('utf-8'))[1]["data"]["output"]["gifs"][0]["fullpath"])
    sink_queue.commit(x.index)

相关文档

如需更全面的了解ComfyUI的部署与功能使用，包括加载自定义模型、集成ComfyUI插件，以及常见问题等内容，请参阅AI视频生成-ComfyUI部署。