image-to-video

Image-to-Video — Pro Pack on RunComfy

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

圖片轉影片，意圖路由。 此技能不會將你鎖定在單一模型 — 它會根據使用者實際需求，從 RunComfy 目錄中選出最合適的 i2v 模型：人像動畫、自訂配音對嘴，或多模態合成。

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

根據使用者意圖選擇正確模型

使用者意圖	模型	原因
人像動畫 — 保持身分穩定	HappyHorse 1.0 I2V	Artificial Analysis Arena 排名第一（Elo 1392）；臉部保真度強
產品展示 / 360 旋轉 / 微距運動	HappyHorse 1.0 I2V	幾何保留 + 流暢鏡頭移動
一次生成同步環境音效	HappyHorse 1.0 I2V	內建音訊合成
動畫 並 對嘴 自訂配音	Wan 2.7 + audio_url	接受你自己的 MP3/WAV（3–30 秒，≤15MB）並驅動對嘴
多語言配音變體（同一張圖片，每次呼叫不同音訊）	Wan 2.7 + audio_url	相同畫面，每次更換 audio_url 即可
多模態 — 圖片 + 參考影片 + 參考音訊	Seedance 2.0 Pro	最多 9 張圖片參考、3 段影片參考（2–15 秒）、3 段音訊參考
品牌一致敘事，包含角色參考 + 場景參考 + 聲音參考	Seedance 2.0 Pro	圖片保留身分，影片保留場景，音訊保留聲音
未指定時預設	HappyHorse 1.0 I2V	最佳全能品質 + 原生音訊

代理人會讀取此表格，分類使用者意圖，並選取下方對應的子章節。

前置需求

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy 帳號 — runcomfy login 會開啟瀏覽器裝置碼流程。
3. CI / 容器 — 設定 RUNCOMFY_TOKEN=<token>。
4. 來源圖片 URL — JPEG/PNG/WebP，最小 300px，≤10MB；長寬比 1:2.5 到 2.5:1（HappyHorse）— 其他模型有類似規格。

---

路由 1：HappyHorse 1.0 I2V — 人像 / 產品 / 一般動畫預設

模型：happyhorse/happyhorse-1-0/image-to-video · 競技場排名：#1（Elo 1392）

參數表

欄位	類型	必填	預設值	備註
image_url	string	是	—	JPEG/JPG/PNG/WEBP。最小 300px。長寬比 1:2.5–2.5:1。≤10MB。
prompt	string	是	—	≤5000 非中日韓字元或 2500 中日韓字元。描述動作 / 鏡頭 / 光線。
resolution	enum	否	1080P	720P 或 1080P。
duration	int	否	5	3–15 秒。
seed	int	否	0	重複使用以進行變體比較。
watermark	bool	否	true	提供者浮水印開關。

輸出長寬比 = 輸入長寬比。無法獨立重新構圖。

執行

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>

提示技巧

• 以動作動詞開頭：「drift」、「dolly in」、「orbit」、「tilt up」、「reveal」、「blink」、「breathe」。優先描述移動的部分。
• 不要重複描述圖片 — 模型已經看到圖片。將 token 集中在變化的部分。
• 明確保留目標：「identity-stable features」、「packaging unchanged」、「background geometry stable」。
• 光線演變：「rim light intensifying」、「shadows shortening as camera rises」。
• 每個片段一個節拍 — 單一主要動作（orbit 或 dolly 或 tilt 或角色動作）。

---

路由 2：Wan 2.7 + audio_url — 當使用者有自訂配音時

模型：wan-ai/wan-2-7/text-to-video（不是 /image-to-video — Wan 2.7 的 t2v 端點接受 audio_url 來驅動對嘴）

關於 Wan 2.7 的 i2v 注意事項：Wan 2.7 的主要 i2v 動畫在此沒有專用端點。純 i2v（僅透過動作提示動畫圖片）請優先使用 HappyHorse i2v。僅在使用者有自訂音訊並希望對嘴到生成的說話人頭片段時，才使用 Wan 2.7。

參數表（Wan 2.7 t2v 含音訊）

欄位	類型	必填	預設值	備註
prompt	string	是	—	最多約 5000 字元。描述說話人頭畫面：構圖、光線、動作。
audio_url	string	是（對嘴用）	—	WAV/MP3，3–30 秒，≤15MB。驅動對嘴。
aspect_ratio	enum	否	16:9	16:9、9:16、1:1、4:3、3:4。
resolution	enum	否	1080p	720p 或 1080p。
duration	enum	否	5	2–15（整數秒）。請與音訊長度匹配。
negative_prompt	string	否	—	要避免的具體問題（例如「no subtitles, no flicker」）。
seed	int	否	—	可重現性。

執行

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>

提示技巧

• 描述說話人頭畫面 — 構圖、光線、鏡頭感覺。音訊驅動對嘴；提示建立視覺框架。
• 將 duration 與音訊長度匹配 — 如果片段太長，超過音訊的部分將靜音。
• 使用 negative_prompt 處理問題："no subtitles, no flicker, no distorted hands"。
• 多語言配音 — 相同提示，每次呼叫更換 audio_url。鎖定 seed 以保持跨語言視覺一致性。

---

路由 3：Seedance 2.0 Pro — 多模態動畫（圖片 + 參考影片 + 參考音訊）

模型：bytedance/seedance-v2/pro

當使用者想要一個結合主體圖片 + 參考影片中的場景 + 參考音訊中的聲音的單一片段時使用。

參數表（Seedance 2.0 Pro，i2v 相關欄位）

欄位	類型	必填	預設值	備註
prompt	string	是	—	中文 ≤500 字元 或 英文 ≤1000 字。
image_url	array	是（i2v 用）	[]	0–9 張圖片。第一張是主要主體。
video_url	array	否	[]	0–3 段參考影片（MP4/MOV），每段 2–15 秒。
audio_url	array	否	[]	0–3 段參考音訊（WAV/MP3），每段 2–15 秒，< 15MB。
aspect_ratio	enum	否	adaptive	adaptive、16:9、9:16、4:3、3:4、1:1、21:9。
duration	int	否	5	4–15（整數秒）。
resolution	enum	否	720p	480p 或 720p。
generate_audio	bool	否	true	同步生成語音 / 音效 / 音樂。
seed	int	否	—	可重現性。

執行

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>

提示技巧

• 圖片與文字分工 — 使用 image_url 處理必須保持穩定的部分（臉部、服裝、品牌）；使用 prompt 處理應演變的部分（動作、情緒、光線）。
• 在提示中為參考編號："subject from image 1, lighting from video 1, voice from audio 1"。Seedance 會正確路由提示。
• 參考媒體規格 — 影片 / 音訊必須 2–15 秒；音訊 < 15MB。
• 不要混合風格差異過大的素材 — 如果圖片 1 是水彩風格而影片 1 是寫實風格，輸出會偏離。

---

限制

• 每個路由繼承其模型的限制。 HappyHorse：15 秒上限，輸出長寬比 = 輸入長寬比。Wan 2.7：15 秒上限，音訊 3–30 秒 / 15MB。Seedance：此模板最高 720p，15 秒上限。
• 無多路由混合。 此技能每次呼叫只選一個模型。如果使用者想要在同一個片段中同時使用 HappyHorse 動畫和 Wan 風格的對嘴，需要兩次呼叫再加拼接（超出本技能範圍）。
• 品牌特定覆寫 — 如果使用者指定了未列出的特定模型變體（例如 Wan 2.6、Seedance 1.5），請路由到對應的品牌技能（wan-2-7、seedance-v2），而不是強制透過此技能處理。

退出碼

代碼	意義
0	成功
64	CLI 參數錯誤
65	輸入 JSON 錯誤 / 參數不符
69	上游 5xx 錯誤
75	可重試：逾時 / 429
77	未登入或 token 被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

此技能根據使用者意圖選取 HappyHorse 1.0 I2V / Wan 2.7 t2v+audio / Seedance 2.0 Pro 其中之一，並以對應的 JSON 內容執行 runcomfy run <model_id>。CLI 會 POST 到 Model API、輪詢請求、取得結果，並將任何 .runcomfy.net / .runcomfy.com URL 下載到 --output-dir。按下 Ctrl-C 會在退出前取消遠端請求。

安全性與隱私

• Token 儲存：runcomfy login 會將 API token 寫入 ~/.config/runcomfy/token.json，權限設為 0600（僅擁有者可讀寫）。在 CI / 容器中可設定 RUNCOMFY_TOKEN 環境變數來完全繞過檔案。
• 輸入邊界：使用者提示以 JSON 字串形式透過 --input 傳遞給 CLI。CLI 不會對提示進行 shell 展開；它會直接將 JSON 主體透過 HTTPS 傳送給 Model API。提示內容不會有 shell 注入風險。
• 第三方內容：你傳遞的圖片 / 遮罩 / 影片 URL 是由 RunComfy 模型伺服器擷取，而非你機器上的 CLI。請將外部 URL 視為不受信任；基於圖片的提示注入是任何圖片編輯 / 影片編輯模型的已知風險。
• 對外端點：僅 model-api.runcomfy.net（請求提交）和 *.runcomfy.net / *.runcomfy.com（生成輸出的下載白名單）。無遙測、無回呼。
• 生成檔案大小上限：CLI 會中止任何超過 2 GiB 的單一下載，以防止惡意或失控的模型輸出填滿磁碟。