Wan 3.0 Reference To Video: Geração de vídeo de referência multimodal em Models and API | RunComfy

curl --request POST \
  --url https://model-api.runcomfy.net/v1/models/wan-ai/wan-3.0/reference-to-video \
  --header "Content-Type: application/json" \
  --header "Authorization: Bearer <token>" \
  --data '{
    "prompt": "Image 1 walks slowly through a bright modern art gallery, then turns toward the camera and smiles; soft natural daylight, elegant handheld motion, cinematic, subtle ambient sound."
  }'

curl --request GET \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/status \
  --header "Authorization: Bearer <token>"

curl --request GET \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/result \
  --header "Authorization: Bearer <token>"

curl --request POST \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/cancel \
  --header "Authorization: Bearer <token>"

{
  "type": "object",
  "title": "Esquema de entrada",
  "required": [
    "prompt"
  ],
  "properties": {
    "prompt": {
      "title": "Prompt",
      "description": "Descreva a cena, o assunto, o movimento, o movimento da câmera, a iluminação e o estilo. Consulte as referências como Imagem 1, Vídeo 1, Áudio 1 em ordem.",
      "type": "string",
      "default": "Image 1 walks slowly through a bright modern art gallery, then turns toward the camera and smiles; soft natural daylight, elegant handheld motion, cinematic, subtle ambient sound."
    },
    "reference_images": {
      "title": "Imagens de referência",
      "description": "Até 10 imagens de referência para consistência de sujeito, objeto ou cena. É necessária pelo menos uma referência (imagem, vídeo ou áudio).",
      "type": "array",
      "items": {
        "type": "string",
        "format": "image_uri"
      },
      "default": [
        "https://playgrounds-storage-public.runcomfy.net/tools/7415/media-files/input-promo-ref.webp"
      ]
    },
    "reference_videos": {
      "title": "Vídeos de referência",
      "description": "Até 5 vídeos de referência (MP4 ou MOV, 1-15s cada, totalizando não mais que 15s) para orientação de movimento ou cena.",
      "type": "array",
      "items": {
        "type": "string",
        "format": "video_uri"
      },
      "default": []
    },
    "reference_audios": {
      "title": "Áudios de referência",
      "description": "Até 5 clipes de áudio de referência (totalizando não mais que 15s) para orientar o som ou o tempo.",
      "type": "array",
      "items": {
        "type": "string",
        "format": "audio_uri"
      },
      "default": []
    },
    "resolution": {
      "title": "Resolução",
      "description": "Camada de resolução de saída. Use 480p para rascunhos rápidos e 1080p para resultados de maior qualidade.",
      "type": "string",
      "enum": [
        "480p",
        "720p",
        "1080p"
      ],
      "default": "720p"
    },
    "aspect_ratio": {
      "title": "Proporção",
      "description": "Proporção de aspecto de saída do vídeo gerado.",
      "type": "string",
      "enum": [
        "16:9",
        "9:16",
        "1:1",
        "4:3",
        "3:4",
        "adaptive"
      ],
      "default": "16:9"
    },
    "duration": {
      "title": "Duração (segundos)",
      "description": "Duração do vídeo gerado em segundos. O intervalo é 2-30. Comece curto para iterar e aumente quando o movimento parecer correto.",
      "type": "integer",
      "minimum": 2,
      "maximum": 30,
      "default": 5
    },
    "thinking_mode": {
      "title": "Modo de pensamento",
      "description": "Habilite uma interpretação imediata mais profunda para cenas complexas com vários requisitos de movimento ou composição.",
      "type": "boolean",
      "default": false
    },
    "enable_audio": {
      "title": "Gerar áudio",
      "description": "Quando ativado, o vídeo de saída inclui uma trilha de áudio sincronizada. Desligue para um clipe silencioso.",
      "type": "boolean",
      "default": true
    },
    "seed": {
      "title": "Seed",
      "description": "Semente aleatória para resultados reproduzíveis. O intervalo é de 0 a 2147483647.",
      "type": "integer"
    }
  }
}