Image-to-Video 是 RunComfy 平台上的一个图生视频（i2v）技能，其核心特点是根据用户意图进行智能路由，而不是固定绑定某一个模型。技能会读取一张意图对照表，对用户需求进行归类，然后选择匹配的模型来执行。
用途
该技能用于将静态图片动画化。它面向三类主要意图：
- 人像或产品动画（保持身份稳定）
- 带自定义配音的唇形同步
- 结合图像、参考视频与参考音频的多模态组合
路由与模型
Route 1：HappyHorse 1.0 I2V
这是人像、产品及通用动画的默认路由。适用于保持身份稳定的人像动画、产品展示/360/微距运动，以及单次生成中带原生同步环境音频的场景。据资料称，该模型在 Artificial Analysis Arena 排名第一（Elo 1392），具备较强的面部保真度、几何保持和流畅的镜头运动能力。
主要参数包括：image_url（必填，JPEG/JPG/PNG/WEBP，最小 300px，宽高比 1:2.5 至 2.5:1，≤10MB）、prompt（必填，≤5000 非中日韩字符或 2500 中日韩字符）、resolution（可选，默认 1080P，可选 720P 或 1080P）、duration（可选，默认 5，范围 3–15 秒）、seed、watermark（默认 true）。输出宽高比等于输入宽高比。
调用示例：
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>
提示词建议：以运动动词开头（如 drift、dolly in、orbit、tilt up、reveal、blink、breathe）；不要重复描述图像本身；明确写出需要保持的元素；描述光线演变；每个片段只安排一个主要运动。
Route 2：Wan 2.7 + audio_url
当用户拥有自定义配音时使用此路由。模型为 wan-ai/wan-2-7/text-to-video（注意是 t2v 端点而非 i2v，该端点接受 audio_url 驱动唇形同步）。资料说明：Wan 2.7 的主要 i2v 动画在这里没有专用端点；纯 i2v（仅靠运动提示动画化图像）建议使用 HappyHorse i2v。Wan 2.7 专门用于用户有自定义音轨、希望生成对口型说话头视频的场景。
主要参数包括：prompt（必填）、audio_url（唇形同步必填，WAV/MP3，3–30 秒，≤15MB）、aspect_ratio（默认 16:9）、resolution（默认 1080p）、duration（默认 5，范围 2–15 秒，需匹配音频长度）、negative_prompt、seed。
调用示例：
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>
提示词建议：描述说话头镜头的取景、光线、镜头感；时长需匹配音频长度；使用 negative_prompt 排除具体问题；多语言配音可用相同提示词，每次调用替换 audio_url，并锁定 seed 保持视觉一致性。
Route 3：Seedance 2.0 Pro
适用于将主体图像、参考视频场景和参考音频音色组合成单一片段的多模态场景。模型为 bytedance/seedance-v2/pro。
主要参数包括：prompt（必填，中文 ≤500 字或英文 ≤1000 词）、image_url（数组，i2v 必填，0–9 张图像，第一张为主要主体）、video_url（数组，0–3 个参考片段，MP4/MOV，各 2–15 秒）、audio_url（数组，0–3 个参考音频，WAV/MP3，2–15 秒，各 <15MB）、aspect_ratio（默认 adaptive）、duration（默认 5，范围 4–15 秒）、resolution（默认 720p，可选 480p 或 720p）、generate_audio（默认 true）、seed。
调用示例：
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>
提示词建议：用 image_url 保持稳定元素（面部、服装、品牌），用 prompt 描述变化元素（动作、氛围、光线）；在提示词中编号参考素材；参考媒体需符合秒数和大小限制；避免混用差异极大的美学风格。
使用方式
前置条件：安装 RunComfy CLI（npm i -g @runcomfy/cli）；拥有 RunComfy 账号（runcomfy login 打开浏览器设备码流程）；CI/容器中设置 RUNCOMFY_TOKEN=<token>；准备源图像 URL（JPEG/PNG/WebP，最小 300px，≤10MB，宽高比 1:2.5 至 2.5:1）。
技能根据用户意图在三者中选择一个，并调用 runcomfy run <model_id>，传入匹配的 JSON 请求体。CLI 会向 Model API 发送 POST、轮询请求、获取结果，并将 .runcomfy.net/.runcomfy.com 的 URL 下载到 --output-dir。Ctrl-C 可在退出前取消远程请求。
退出代码：0 成功；64 CLI 参数错误；65 输入 JSON/模式不匹配；69 上游 5xx；75 可重试（超时/429）；77 未登录或令牌被拒。
适用场景
- 将静态人像动画化并保持身份稳定
- 产品展示、360 度或微距运动
- 带自定义配音的唇形同步视频
- 多语言配音变体（同一图像，每次调用不同音频）
- 品牌一致的叙事（角色参考+场景参考+声音参考）
限制
每条路由继承其模型限制：HappyHorse 上限 15 秒，输出宽高比等于输入宽高比；Wan 2.7 上限 15 秒，音频 3–30 秒/15MB；Seedance 在该模板下分辨率上限 720p，时长上限 15 秒。不支持多路由混合，每次调用只选一个模型；若用户需要 HappyHorse 动画加 Wan 风格唇形同步的同一片段，需要两次调用加拼接（超出本技能范围）。若用户指定了未列出的具体模型变体（如 Wan 2.6、Seedance 1.5），应路由到相应品牌技能而非强制使用本技能。
安全与隐私
登录令牌写入 ~/.config/runcomfy/token.json，权限 0600（仅所有者读写）；CI/容器中可设置 RUNCOMFY_TOKEN 环境变量绕过文件。用户提示词作为 JSON 字符串通过 --input 传给 CLI，CLI 不做 shell 展开，直接通过 HTTPS 传输 JSON 体到 Model API，无 shell 注入面。传入的图像/遮罩/视频 URL 由 RunComfy 模型服务器抓取，而非本地 CLI；外部 URL 应视为不可信，基于图像的提示注入是所有图像/视频编辑模型的已知风险。出站端点仅 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（生成输出下载白名单），无遥测、无回调。CLI 会中止任何大于 2 GiB 的单次下载，以防磁盘被恶意或失控的模型输出填满。