Créer une vidéo（Seedance）

Cette série prend en charge le format de génération vidéo OpenAI (voir le lien Formats compatibles pour la génération vidéo Sora).

Utilisé pour créer des tâches de génération vidéo et interroger leur statut et leurs résultats via l’ID de tâche.

Champs principaux pour la création de tâche :

• model : Obligatoire, nom du modèle.
• prompt : facultatif ; s’il n’est pas fourni, un élément de texte non vide doit être fourni dans content.
• content : facultatif, tableau content de Volcano Ark, pour mélanger du texte, des images, des vidéos et des fichiers audio.
• function_mode : Optionnel, couramment utilisé pour les modes avancés tels que la référence omnipotente.

Paramètres d’entrée compatibles :

Les champs suivants sont principalement utilisés pour la compatibilité avec les anciens clients et les anciens protocoles. Pour une nouvelle intégration, utilisez autant que possible le format standard de l’« exemple de requête » de cette page : le texte et les éléments de référence utilisent le tableau content, et la configuration de génération utilise les champs de niveau supérieur duration, ratio, resolution, fps, etc.

• mode：t2v / i2v / i2v_first_last / reference_images / reference_material
• image_url / image_urls / input_reference
• end_image_url / last_image_url
• video_urls / audio_urls
• seconds / duration
• aspect_ratio / ratio / size
• quality / resolution
• fps
• generate_audio / watermark

Détails d’appel :

• Pour mode=reference_material ou function_mode=omni_reference, il est recommandé de transmettre le texte et les éléments de référence via content.
• Les éléments texte de content s’écrivent sous la forme { "type": "text", "text": "测试文字" }.
• Les éléments d’images, de vidéos et d’audio de content utilisent respectivement les écritures d’objet image_url, video_url et audio_url, par exemple { "type": "image_url", "image_url": { "url": "https://example.com/ref.png" }, "role": "reference_image", "name": "1" }.
• role peut identifier l’usage du média, et name peut être référencé par son nom dans le prompt.
• ratio, duration, resolution et fps affectent la configuration de génération finale.

Seedance 2.5 Exemple de référence mixte avec images, vidéos et audio (les URL des ressources sont des espaces réservés ; remplacez-les par des liens réellement accessibles lors de l’appel) :

{
  "model": "sd-2-5",
  "ratio": "9:16",
  "fps": 24,
  "duration": 10,
  "content": [
    {
      "type": "text",
      "text": "使用 @图片1 @图片2 @图片3 @音频1 参考@视频1 生成视频"
    },
    {
      "type": "image_url",
      "image_url": {
        "url": "https://demo1.png"
      },
      "role": "reference_image",
      "name": "图片1"
    },
    {
      "type": "image_url",
      "image_url": {
        "url": "https://demo2.png"
      },
      "role": "reference_image",
      "name": "图片2"
    },
    {
      "type": "image_url",
      "image_url": {
        "url": "https://demo3.png"
      },
      "role": "reference_image",
      "name": "图片3"
    },
    {
      "type": "video_url",
      "video_url": {
        "url": "https://video.mp4"
      },
      "role": "reference_video",
      "name": "视频1"
    },
    {
      "type": "audio_url",
      "audio_url": {
        "url": "https://audio.mp3"
      },
      "role": "reference_audio",
      "name": "音频1"
    }
  ]
}

Appel Gemini Omni :

• gemini-omni peut aussi être appelé via cette interface de tâche Seedance.
• mode=t2v est utilisé pour la génération de vidéo à partir de texte, mode=r2v pour la génération à partir d’images/de médias de référence, et mode=edit pour l’édition vidéo.
• Le texte peut être placé dans l’élément text de prompt ou content ; les images peuvent être placées dans image_url / image_urls / reference_images / input_reference / content ; les vidéos peuvent être placées dans video_urls / content.
• Le champ de durée peut utiliser duration ou seconds ; il sera automatiquement aligné sur les paliers de 4 / 6 / 8 / 10 secondes.

Appel MiniMax / Hailuo :

• minimax-h3 peut être appelé via cette interface de tâche et prend en charge la génération vidéo à partir de texte, les références d’image et les références audio ; le texte peut être placé dans les éléments de texte prompt ou content, et les ressources peuvent être placées dans les champs content, image_urls, audio_urls, etc.
• hailuo-2.3 peut être appelé via cette interface de tâche et nécessite une image de première image ; il est recommandé de transmettre l’élément image_url de role=first_frame dans content.
• minimax-h3 utilise généralement duration=5~15 et resolution=1440p ; hailuo-2.3 utilise généralement duration=6 ou 10 et resolution=768p.

Champs importants des résultats de requête :

• items[].status
• items[].content.video_url ou items[].video_url
• items[].error
• items[].progress

Error fields: error.code, error.message.

{
  "error": {
    "code": "invalid_request_error",
    "message": "requires at least one image in `images`"
  }
}

Kling 4.0

Appel Kling 4.0 : kling-4.0 (720p) et kling-4.0-1080p prennent tous deux en charge le format Seedance content/duration/resolution/ratio/mode, contents/settings/options et le format vidéo OpenAI ; les deux points d’entrée vidéo unifiés peuvent réutiliser le corps de la requête. La résolution doit correspondre au nom du modèle. Kling 4.0 peut utiliser directement le format Seedance avec content/duration/resolution/ratio/mode, ou le format vidéo OpenAI avec prompt/seconds/size/input_reference ; aucun des deux ne nécessite de contents/settings/options supplémentaires. L’ancienne enveloppe contents/settings/options est conservée uniquement pour compatibilité. mode peut être t2v (texte seul), i2v (une seule image de première image), i2v_first_last (première et dernière images), reference_images (images de référence standard) ou reference_material (référence d’image ou de vidéo). Si mode est omis et qu’aucun outil n’est explicitement indiqué, la valeur par défaut est reference_material en présence de matériel de référence, et t2v en l’absence de tout matériel de référence. Les modes de référence utilisent le rôle d’image de référence standard et ne convertissent pas silencieusement des première et dernière images explicitement définies en images de référence ; pour les première et dernière images, sélectionnez explicitement i2v ou i2v_first_last et omettez le paramètre de format d’image. L’audio de référence n’est actuellement pas pris en charge. settings.audio est disponible uniquement pour le mode polyvalent avec images de référence ou matériel de référence ; pour t2v, i2v et i2v_first_last, omettez le commutateur audio.

Vidu Q4

Vidu Q4 : vidu-q4 est fixé à 720p et vidu-q4-540p à 540p ; la génération de vidéos de 3 à 16 secondes est prise en charge. Au moins 1 image est requise, avec un maximum de 15 images de référence ; la génération avec référence peut inclure jusqu’à 3 fichiers audio MP3, de 3 à 12 secondes chacun et d’une taille maximale de 50 Mo. La génération à partir de texte seul, la spécification d’images de début et de fin, ainsi que les vidéos de référence ne sont pas prises en charge. Plusieurs images servent de références communes et n’indiquent pas les positions de début et de fin. Les tâches peuvent être créées via POST /v1/videos, POST /api/v3/contents/generations/tasks, ou, au format Vidu, via POST /ent/v2/img2video et POST /ent/v2/reference2video. Pour le point d’entrée unifié, il est recommandé d’utiliser mode=reference_images ; en présence d’audio, utilisez mode=reference_material. Pour l’audio de référence, vous pouvez utiliser audio_urls ; au format Seedance, vous pouvez également utiliser l’élément audio_url de content standard. Le champ booléen audio indique si l’audio doit être généré et s’utilise séparément de la liste d’URL d’audio de référence. La résolution doit correspondre au nom du modèle.