Tạo video（Seedance）

Dòng này hỗ trợ định dạng tạo video OpenAI (xem chi tiết tại liên kết Định dạng tương thích với Sora tạo video).

Được dùng để tạo tác vụ tạo video và truy vấn trạng thái cũng như kết quả thông qua ID tác vụ.

Các trường cốt lõi để tạo tác vụ:

• model: Bắt buộc, tên mô hình.
• prompt: Không bắt buộc; nếu không truyền, cần cung cấp mục văn bản không rỗng trong content.
• content: tùy chọn, mảng content của Volcano Ark, trộn văn bản, hình ảnh, video và âm thanh.
• function_mode: Tùy chọn, thường dùng cho các chế độ nâng cao như tham chiếu toàn năng.

Các tham số đầu vào tương thích:

Các trường sau chủ yếu dùng để tương thích với client cũ và giao thức cũ. Với tích hợp mới, vui lòng ưu tiên dùng định dạng chuẩn trong “Ví dụ yêu cầu” trên trang này: văn bản và tài liệu tham chiếu sử dụng mảng content, còn cấu hình sinh sử dụng các trường cấp cao nhất duration, ratio, resolution, fps, v.v.

• 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

Chi tiết gọi API:

• Khi là mode=reference_material hoặc function_mode=omni_reference, nên truyền văn bản và tài liệu tham chiếu thông qua content.
• content mục văn bản được viết theo dạng { "type": "text", "text": "测试文字" }.
• content các mục tài nguyên hình ảnh, video, âm thanh lần lượt dùng cú pháp đối tượng image_url, video_url, audio_url, ví dụ { "type": "image_url", "image_url": { "url": "https://example.com/ref.png" }, "role": "reference_image", "name": "1" }.
• role có thể dùng để xác định mục đích của tài nguyên, name có thể được tham chiếu theo tên trong prompt.
• ratio, duration, resolution, fps sẽ ảnh hưởng đến cấu hình tạo cuối cùng.

Seedance 2.5 Ví dụ tham chiếu kết hợp hình ảnh, video và âm thanh (URL tài nguyên là phần giữ chỗ; khi gọi, vui lòng thay bằng liên kết thực tế có thể truy cập):

{
  "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"
    }
  ]
}

Gọi Gemini Omni:

• gemini-omni cũng có thể được gọi thông qua giao diện tác vụ Seedance này.
• mode=t2v dùng cho tạo video từ văn bản, mode=r2v dùng cho tạo bằng ảnh tham chiếu/tài nguyên tham chiếu, mode=edit dùng cho chỉnh sửa video.
• Văn bản có thể đặt trong mục text của prompt hoặc content; hình ảnh có thể đặt trong image_url / image_urls / reference_images / input_reference / content; video có thể đặt trong video_urls / content.
• Trường thời lượng có thể dùng duration hoặc seconds, hệ thống sẽ tự động khớp với các mức 4 / 6 / 8 / 10 giây.

MiniMax / Hailuo gọi:

• minimax-h3 có thể được gọi thông qua API tác vụ này, hỗ trợ tạo video từ văn bản, tham chiếu ảnh và tham chiếu âm thanh; văn bản có thể đặt trong mục văn bản prompt hoặc content, dữ liệu có thể đặt trong các trường như content, image_urls, audio_urls.
• hailuo-2.3 có thể được gọi thông qua API tác vụ này, cần ảnh khung hình đầu tiên; khuyến nghị truyền mục image_url của role=first_frame trong content.
• minimax-h3 thường dùng duration=5~15, resolution=1440p; hailuo-2.3 thường dùng duration=6 hoặc 10, resolution=768p.

Các trường cần lưu ý trong kết quả truy vấn:

• items[].status
• items[].content.video_url hoặc 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

Gọi Kling 4.0: kling-4.0 (720p) và kling-4.0-1080p đều hỗ trợ định dạng Seedance content/duration/resolution/ratio/mode, contents/settings/options và định dạng video OpenAI; hai điểm vào video hợp nhất có thể dùng lại cùng một request body. Độ phân giải phải khớp với tên mô hình. Kling 4.0 có thể trực tiếp sử dụng content/duration/resolution/ratio/mode ở định dạng Seedance, hoặc prompt/seconds/size/input_reference ở định dạng video OpenAI; cả hai đều không cần thêm contents/settings/options. Vỏ bọc contents/settings/options cũ chỉ nhằm mục đích tương thích. mode có các tùy chọn t2v (chỉ văn bản), i2v (một khung hình đầu), i2v_first_last (hai khung hình đầu và cuối), reference_images (ảnh tham chiếu thông thường), reference_material (tham chiếu ảnh hoặc video). Khi bỏ qua mode và không có công cụ được chỉ định rõ ràng, nếu có tài liệu tham chiếu thì mặc định là reference_material; nếu không có bất kỳ tài liệu tham chiếu nào thì mặc định là t2v. Chế độ tham chiếu sử dụng vai trò ảnh tham chiếu thông thường và không tự động chuyển các khung hình đầu/cuối được chỉ định rõ ràng thành ảnh tham chiếu; đối với khung hình đầu/cuối, hãy chọn rõ ràng i2v hoặc i2v_first_last và bỏ qua tham số tỷ lệ khung hình. Hiện chưa hỗ trợ âm thanh tham chiếu. settings.audio chỉ là tùy chọn trong chế độ đa năng của ảnh tham chiếu/tài liệu tham chiếu; với t2v, i2v và i2v_first_last, hãy bỏ qua công tắc âm thanh.

Vidu Q4

Vidu Q4: vidu-q4 cố định ở 720p, vidu-q4-540p cố định ở 540p, hỗ trợ tạo video dài 3～16 giây. Yêu cầu ít nhất 1 ảnh và hỗ trợ tối đa 15 ảnh tham chiếu; quá trình tạo từ tham chiếu có thể kèm tối đa 3 đoạn âm thanh MP3, mỗi đoạn dài 3～12 giây và tối đa 50MB. Không hỗ trợ chỉ tạo từ văn bản, chỉ định khung hình đầu/cuối hoặc video tham chiếu. Nhiều ảnh được dùng làm tham chiếu chung, không biểu thị vị trí đầu/cuối. Có thể tạo tác vụ qua POST /v1/videos, POST /api/v3/contents/generations/tasks, hoặc theo định dạng Vidu POST /ent/v2/img2video, POST /ent/v2/reference2video. Khuyến nghị dùng mode=reference_images làm điểm vào hợp nhất; khi có âm thanh, dùng mode=reference_material. Có thể dùng audio_urls cho âm thanh tham chiếu; ở định dạng Seedance, cũng có thể dùng mục audio_url của content tiêu chuẩn; trường boolean audio biểu thị công tắc tạo âm thanh và được sử dụng riêng với danh sách URL âm thanh tham chiếu. Độ phân giải phải khớp với tên mô hình.