新接入建议使用 视频生成,通过
/ai/v1/videos 调用统一的视频创建、任务查询、Webhook 和错误协议。本页现有的
/v1/videos 兼容接口及各模型适配说明继续可用。调用前请通过模型 Schema 接口查询模型支持的端点,
按返回的 path 选择协议并读取该项的 request.schema,不要依赖 endpoints 数组位置。快速开始
视频生成是异步操作,整个流程分为三步:接口概览
Base URL:
https://aihubmix.com
认证方式:Bearer Token
支持的模型
当前模型清单
本清单表示模型当前已上线,不代表所有模型共享相同的输入字段。图生视频、参考视频、视频编辑等能力请以模型 Schema 接口返回的端点和
request.schema 为准。API 详细说明
请求头
创建视频生成任务
请求体
不同模型的响应格式略有差异,但都包含id(video_id)和status字段。以status判断任务进度即可。
响应示例(通义万相/Veo)
通用状态值说明
查询视频状态
响应示例(生成完成 - 通义万相)
响应示例(生成完成 - Sora)
所有模型均通过status == "completed"判断完成状态,然后调用/content接口下载。
下载视频内容
completed 后,调用此接口下载 MP4 视频文件。
响应: 直接返回视频二进制流Content-Type: video/mp4)。
注意:视频下载链接通常有 24 小时有效期,请及时下载保存。
删除视频任务
该接口用于删除已创建的视频任务。各模型参数详解
OpenAI Sora
提示:所有模型的示例seconds参数统一使用字符串类型传入(如"8")。
Google Veo
示例
图片字段说明:
- 首帧优先级:
first_frame>input_reference(OpenAI 兼容单帧)。 first_frame/last_frame/reference_images每个元素均支持:公网 URL、base64 dataURL(data:image/png;base64,...)、或{"mime_type":"image/png","data":"<base64>"}对象。- 也兼容 OpenRouter 风格的
frame_images(元素带frame_type: first_frame | last_frame)与input_references别名。 - 参考图最多 3 张,超出返回 400。
提示:Veo 支持原生音频生成,可在 prompt 中描述音效,如”背景传来鸟鸣声”、“钢琴旋律”。
通义万相
各模型支持的时长
支持的分辨率(宽*高)
注意:wan2.6 仅支持 720P 和 1080P;wan2.5 支持 480P、720P、1080P;wan2.2 仅支持 480P 和 1080P。示例
提示:wan2.5 及以上版本默认生成有声视频(自动配音),中文 prompt 效果更佳。
豆包 Seedance
使用真人素材前,请先完成素材组创建、本人确认和素材入库。已有兼容客户端可直接参考真人素材兼容协议示例。extra_body.content 支持的引用类型
示例
Seedance 2.0 / 2.0 Fast
可灵 Kling
kling-v3-omni 参数
kling-video-o1 的能力与请求字段请先查询模型 Schema 接口,不要直接套用本节参数。- 异步三步:提交获
video_id→ 轮询GET /v1/videos/{video_id}至status为completed→GET /v1/videos/{video_id}/content下载 MP4。状态值:in_progress/completed/failed。 - 出片通常 1~3 分钟;结果视频 URL 30 天后清理,请及时转存。
- 删除任务:可灵无删除接口,
DELETE /v1/videos/{video_id}返回501 not_supported。 - 计费:按模型、模式、时长和能力扣费;生成失败不扣费,查询与下载不计费。
完整调用示例
FAQ
视频生成需要多长时间?
视频生成通常需要 1-5 分钟,具体时间取决于模型、分辨率和时长。建议设置 15 秒的轮询间隔。input_reference 参数怎么用?
input_reference 用于图生视频场景,支持三种传入方式:
视频下载链接有效期是多久?
生成的视频下载链接通常有 24 小时 有效期,请及时下载保存。各模型seconds 参数有什么区别?
> 提示:所有模型的
seconds 参数统一使用字符串类型传入(如 "8"),API 会自动处理。
不同模型size 参数格式有什么区别?
###
seconds 和 duration 有什么区别?
两者含义相同,均表示视频时长。API 同时支持这两个参数名(Sora 除外,Sora 只接受 seconds)。推荐统一使用 seconds。
如何编写更好的 prompt?
- 描述具体场景:包含主体、动作、环境、光线、氛围
- 指定镜头语言:如”特写”、“航拍”、“推镜头”、“慢动作”
- 描述风格:如”电影感”、“纪录片风格”、“动画风格”
- 中文模型用中文 prompt 效果更好:通义万相针对中文优化
- Veo 支持音频描述:可在 prompt 中描述声音,如”鸟鸣声”、“钢琴旋律”
错误响应与兼容错误码
本节适用于本页的 Legacy/v1/videos/* 接口。新版 /ai/v1/videos/* 使用独立的
视频错误合同。两套接口的响应结构和
错误码需要分别处理。
Legacy 视频接口的一般 HTTP 错误响应如下。普通错误通常不返回 code 和 param,
tid 通常附加在 message 末尾:
提交 HTTP 5xx 错误反馈
请求返回 HTTP
5xx 时,请提交反馈并附上 message 中的 tid。HTTP 200 + status=failed
查询请求成功时 HTTP 状态仍可能是 200。视频任务为 failed 时,error 包含模型推理厂商
提供的动态 message,普通任务失败没有稳定 code:
更新时间:2026-09-01