RunComfy 图像转视频专业工具包

runcomfy.com · HappyHorse I2V · Wan 2.7 · Seedance 2.0 Pro · GitHub

基于意图路由的图像转视频工具。该技能不会限制你使用单一模型——它会根据用户的实际需求（人像动画、自定义旁白唇形同步或多模态合成）从RunComfy模型库中挑选合适的i2v模型。

bash

npx skills add agentspace-so/runcomfy-skills --skill image-to-video -g

根据用户意图选择合适模型

用户意图	模型	选择理由
制作人像动画——保持身份特征稳定	HappyHorse 1.0 I2V	Artificial Analysis 竞技场排名第1（Elo 1392）；面部保真度出色
产品展示/360度旋转/微距运动	HappyHorse 1.0 I2V	几何形态保留+流畅镜头移动
一站式生成带同步环境音的动画	HappyHorse 1.0 I2V	支持同步音频合成
制作动画并与自定义旁白音轨做唇形同步	Wan 2.7 + `audio_url`	支持上传自有MP3/WAV文件（时长3–30秒，≤15MB）并驱动唇形同步
多语言配音变体（同一图片，每次调用更换音频）	Wan 2.7 + `audio_url`	同一画面，更换 `audio_url` 即可生成不同语言版本
多模态合成——图像+参考视频+参考音频结合	Seedance 2.0 Pro	支持最多9张参考图、3个参考视频（每个2–15秒）、3个参考音频
品牌一致性叙事——结合角色参考+场景参考+声音参考	Seedance 2.0 Pro	图像保留身份特征，视频保留场景风格，音频保留声音特质
用户未明确指定时的默认选择	HappyHorse 1.0 I2V	综合质量最佳+支持原生音频

智能代理会读取此表格，对用户意图进行分类，并选择匹配的下方操作流程。

前置条件

RunComfy CLI — 执行
```
npm i -g @runcomfy/cli
```
安装
RunComfy账号 — 执行
```
runcomfy login
```
会打开浏览器设备码登录流程
CI/容器环境 — 设置环境变量
```
RUNCOMFY_TOKEN=<token>
```
源图片URL — 格式为JPEG/PNG/WebP，最小尺寸300px，≤10MB；HappyHorse支持的宽高比为1:2.5至2.5:1——其他模型规格类似

流程1：HappyHorse 1.0 I2V — 人像/产品/通用动画默认选择

模型：

happyhorse/happyhorse-1-0/image-to-video

· 竞技场排名：第1（Elo 1392）

参数 schema

字段	类型	是否必填	默认值	说明
`image_url`	string	是	—	JPEG/JPG/PNG/WEBP格式。最小300px。宽高比1:2.5–2.5:1。≤10MB。
`prompt`	string	是	—	非CJK字符≤5000个，CJK字符≤2500个。需描述运动/镜头/灯光效果。
`resolution`	枚举值	否	`1080P`	可选 `720P` 或 `1080P` 。
`duration`	整数	否	5	时长3–15秒。
`seed`	整数	否	0	重复使用可对比不同变体效果。
`watermark`	布尔值	否	true	控制是否添加服务商水印。

输出宽高比与输入一致，不支持独立重构图。

调用示例

bash

runcomfy run happyhorse/happyhorse-1-0/image-to-video \
  --input '{
    "image_url": "https://.../portrait.jpg",
    "prompt": "Gentle camera drift around the subject'\''s face, subtle breathing motion, identity-stable features, soft natural light."
  }' \
  --output-dir <absolute/path>

提示词技巧

以动作动词开头：如"drift"（缓慢移动）、"dolly in"（推镜头）、"orbit"（环绕）、"tilt up"（向上倾斜）、"reveal"（展示）、"blink"（眨眼）、"breathe"（呼吸）。重点突出动态内容。
不要重复描述图片内容——模型已识别图像。聚焦于变化的部分。
明确保留目标：如"identity-stable features"（身份特征稳定）、"packaging unchanged"（包装保持不变）、"background geometry stable"（背景几何形态稳定）。
描述灯光变化：如"rim light intensifying"（轮廓光增强）、"shadows shortening as camera rises"（镜头上升时阴影缩短）。
每个片段一个核心动作——单一主要运动（环绕或推镜头或倾斜或角色动作）。

流程2：Wan 2.7 +

audio_url

— 用户有自定义旁白时使用

模型：

wan-ai/wan-2-7/text-to-video

（注意：不是

/image-to-video

——Wan 2.7的文本转视频端点支持传入

audio_url

驱动唇形同步）

关于Wan 2.7的图像转视频说明：Wan 2.7的基础图像转视频动画未在此处提供专用端点。如果仅需通过运动提示词实现图像转视频，建议优先选择HappyHorse i2v。仅当用户需要将自定义音轨与生成的说话人片段做唇形同步时，才使用Wan 2.7。

参数 schema（带音频的Wan 2.7文本转视频）

字段	类型	是否必填	默认值	说明
`prompt`	string	是	—	最多约5000字符。描述说话人镜头：构图、灯光、动作。
`audio_url`	string	是（用于唇形同步）	—	WAV/MP3格式，时长3–30秒，≤15MB。驱动唇形同步。
`aspect_ratio`	枚举值	否	`16:9`	可选 `16:9` 、 `9:16` 、 `1:1` 、 `4:3` 、 `3:4` 。
`resolution`	枚举值	否	`1080p`	可选 `720p` 或 `1080p` 。
`duration`	枚举值	否	`5`	时长2–15秒（整秒）。需与音频长度匹配。
`negative_prompt`	string	否	—	明确要避免的问题（例如"no subtitles, no flicker"）。
`seed`	整数	否	—	用于结果重现。

调用示例

bash

runcomfy run wan-ai/wan-2-7/text-to-video \
  --input '{
    "prompt": "Medium close-up of a confident spokesperson in a softly-lit recording booth, leaning slightly toward the camera, locked tripod, shallow DOF, warm key light from camera-left.",
    "audio_url": "https://.../voiceover-en.mp3",
    "duration": 12,
    "aspect_ratio": "9:16"
  }' \
  --output-dir <absolute/path>

提示词技巧

描述说话人镜头——构图、灯光、镜头质感。音频驱动唇形同步；提示词构建周围视觉框架。
duration
与音频长度匹配——如果设置过长，音频结束后片段会静音。

使用
negative_prompt
规避问题：例如

"no subtitles, no flicker, no distorted hands"

。

多语言配音——使用相同提示词，每次调用更换
```
audio_url
```
。锁定seed可保证不同语言版本视觉一致性。

流程3：Seedance 2.0 Pro — 多模态动画（图像+参考视频+参考音频）

模型：

bytedance/seedance-v2/pro

当用户需要将主体图像+参考视频场景+参考音频语调融合为单个片段时使用。

参数 schema（Seedance 2.0 Pro，图像转视频相关字段）

字段	类型	是否必填	默认值	说明
`prompt`	string	是	—	中文≤500字符或英文≤1000词。
`image_url`	数组	是（用于图像转视频）	`[]`	0–9张图片。第一张为主体图像。
`video_url`	数组	否	`[]`	0–3个参考片段（MP4/MOV格式），每个时长2–15秒。
`audio_url`	数组	否	`[]`	0–3个参考音频（WAV/MP3格式），时长2–15秒，单个≤15MB。
`aspect_ratio`	枚举值	否	`adaptive`	可选 `adaptive` 、 `16:9` 、 `9:16` 、 `4:3` 、 `3:4` 、 `1:1` 、 `21:9` 。
`duration`	整数	否	5	时长4–15秒（整秒）。
`resolution`	枚举值	否	`720p`	可选 `480p` 或 `720p` 。
`generate_audio`	布尔值	否	true	同步生成语音/音效/音乐。
`seed`	整数	否	—	用于结果重现。

调用示例

bash

runcomfy run bytedance/seedance-v2/pro \
  --input '{
    "prompt": "Subject from image 1 walks through the café in video 1, voice tone matches audio 1. Medium close-up, slow push-in, warm light, gentle ambience.",
    "image_url": ["https://.../subject.jpg"],
    "video_url": ["https://.../cafe-locked-shot.mp4"],
    "audio_url": ["https://.../voice-tone.mp3"],
    "duration": 8
  }' \
  --output-dir <absolute/path>

提示词技巧

图像与文本分工——使用
```
image_url
```
指定必须保持稳定的内容（面部、服装、品牌）；使用
```
prompt
```
描述需要变化的内容（动作、氛围、灯光）。
在提示词中标记参考内容序号：例如
```
"subject from image 1, lighting from video 1, voice from audio 1"
```
。Seedance会正确识别对应线索。
参考媒体规格——视频/音频时长需为2–15秒；音频≤15MB。
不要混合差异过大的美学风格——如果图像是水彩风格而视频是写实风格，输出效果会偏离预期。

限制说明

各流程继承对应模型的限制。HappyHorse：最长15秒，输出宽高比与输入一致。Wan 2.7：最长15秒，音频时长3–30秒/≤15MB。Seedance：本模板最高支持720p，最长15秒。
不支持多流程混合。该技能每次调用仅选择一个模型。如果用户想要在同一片段中实现HappyHorse动画+Wan风格唇形同步，需要分两次调用再拼接（不在本技能范围内）。
特定品牌模型替代——如果用户指定了未列出的特定模型变体（例如Wan 2.6、Seedance 1.5），请转向对应品牌技能（
```
wan-2-7
```
、
```
seedance-v2
```
），而非强制使用本技能。

退出码

代码	含义
0	成功
64	CLI参数错误
65	输入JSON错误/schema不匹配
69	上游服务5xx错误
75	可重试：超时/429限流
77	未登录或令牌被拒绝

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

该技能会根据用户意图选择HappyHorse 1.0 I2V/Wan 2.7文本转视频+音频/Seedance 2.0 Pro中的一个，并调用

runcomfy run <model_id>

传入匹配的JSON参数。CLI会向模型API发送POST请求，轮询请求状态，获取结果，并将

.runcomfy.net

.runcomfy.com

域名下的生成文件下载到

--output-dir

目录。按下

Ctrl-C

会在退出前取消远程请求。

安全与隐私

令牌存储：
```
runcomfy login
```
会将API令牌写入
```
~/.config/runcomfy/token.json
```
，权限为0600（仅所有者可读可写）。在CI/容器环境中可设置
```
RUNCOMFY_TOKEN
```
环境变量，跳过文件存储。
输入边界：用户提示词通过
```
--input
```
以JSON字符串形式传递给CLI。CLI不会对提示词进行Shell展开，而是直接通过HTTPS将JSON主体传输给模型API。提示词内容不存在Shell注入风险。
第三方内容：你传入的图像/遮罩/视频URL由RunComfy模型服务器获取，而非本地CLI。请将外部URL视为不可信内容；基于图像的提示词注入是所有图像编辑/视频编辑模型的已知风险。
出站端点：仅允许访问
```
model-api.runcomfy.net
```
（请求提交）和
```
*.runcomfy.net
```
/
```
*.runcomfy.com
```
（生成结果下载白名单）。无遥测数据，无回调。
生成文件大小限制：CLI会中止任何超过2 GiB的单个文件下载，防止恶意或异常模型输出占用磁盘空间。

image-to-video

NPX安装

标签

SKILL.md 内容（中文）

RunComfy 图像转视频专业工具包

根据用户意图选择合适模型

前置条件

流程1：HappyHorse 1.0 I2V — 人像/产品/通用动画默认选择

参数 schema

调用示例

提示词技巧

流程2：Wan 2.7 +
`audio_url`
— 用户有自定义旁白时使用

参数 schema（带音频的Wan 2.7文本转视频）

调用示例

提示词技巧

流程3：Seedance 2.0 Pro — 多模态动画（图像+参考视频+参考音频）

参数 schema（Seedance 2.0 Pro，图像转视频相关字段）

调用示例

提示词技巧

限制说明

退出码

工作原理

安全与隐私