Inicio rápido
La generación de vídeo es una operación asíncrona; todo el flujo se divide en tres pasos:Resumen de las interfaces
Base URL:
https://aihubmix.com
Método de autenticación: Bearer Token
Modelos compatibles
Texto a vídeo (Text-to-Video)
Imagen a vídeo (Image-to-Video)
Para imagen a vídeo, pasa la imagen de referencia mediante el parámetro
input_reference (Tongyi Wanxiang de Alibaba); Doubao Seedance la pasa mediante el array extra_body.content, que admite varios tipos de referencia: imagen, vídeo y audio; Kling usa image / image_tail / image_list para pasar imágenes, consulta la sección Kling más abajo.Descripción detallada de la API
Cabeceras de la petición
Crear tarea de generación de vídeo
Cuerpo de la petición
El formato de respuesta varía ligeramente según el modelo, pero todos incluyen los camposid(video_id) ystatus. Basta con usarstatuspara evaluar el progreso de la tarea.
Ejemplo de respuesta (Tongyi Wanxiang / Veo / Jimeng)
Descripción de los valores de estado generales
Consultar el estado del vídeo
Ejemplo de respuesta (generación completada - Tongyi Wanxiang)
Ejemplo de respuesta (generación completada - Sora)
Todos los modelos evalúan el estado de finalización mediantestatus == "completed"y luego llaman a la interfaz/contentpara descargar.
Descargar el contenido del vídeo
completed, llama a esta interfaz para descargar el archivo de vídeo MP4.
Respuesta: devuelve directamente el flujo binario del vídeo (Content-Type: video/mp4).
Nota: el enlace de descarga del vídeo suele tener una validez de 24 horas; descárgalo y guárdalo a tiempo.
Eliminar tarea de vídeo
Esta interfaz se usa para eliminar una tarea de vídeo ya creada.Detalle de los parámetros de cada modelo
OpenAI Sora
Sugerencia: el parámetroEjemplosecondsde todos los modelos se pasa siempre como tipo string (como"8").
Google Veo
Ejemplo
Notas sobre los campos de imagen:
- Precedencia del primer fotograma:
first_frame>input_reference(fotograma único compatible con OpenAI). - Cada elemento de
first_frame/last_frame/reference_imagesacepta: una URL pública, un data URL en base64 (data:image/png;base64,...) o un objeto{"mime_type":"image/png","data":"<base64>"}. - También se aceptan los alias al estilo OpenRouter
frame_images(elementos conframe_type: first_frame | last_frame) einput_references. - Hasta 3 imágenes de referencia; superarlo devuelve 400.
Sugerencia: Veo admite la generación de audio nativo; puedes describir los efectos de sonido en el prompt, como “de fondo se oye el canto de los pájaros” o “una melodía de piano”.
Tongyi Wanxiang
Duraciones admitidas por cada modelo
Resoluciones admitidas (ancho*alto)
Nota: wan2.6 solo admite 720P y 1080P; wan2.5 admite 480P, 720P y 1080P; wan2.2 solo admite 480P y 1080P.Ejemplo
Sugerencia: las versiones wan2.5 y superiores generan por defecto vídeo con sonido (doblaje automático); los prompts en chino dan mejores resultados.
Jimeng AI
Relaciones de aspecto admitidas y sus resoluciones correspondientes
Ejemplo
Doubao Seedance
Tipos de referencia admitidos por
extra_body.content
Ejemplo
Seedance 2.0 / 2.0 Fast
Kling
Kling admite cuatro tipos de capacidades: texto a vídeo, imagen a vídeo, vídeo a partir de referencia de múltiples imágenes y OmniVideo multimodal, todas invocadas de forma unificada mediante la interfaz/v1/videos. La pasarela enruta automáticamente al endpoint correspondiente de Kling según «nombre del modelo + tipo de entrada», sin que el llamante tenga que distinguirlos.
Parámetros
Los parámetros clave que no se admiten o no están mapeados producen un error explícito; no se descartan de forma silenciosa. El resto de parámetros nativos de Kling pueden colocarse en
extra_body para reenviarlos al servicio upstream.- Tres pasos asíncronos: enviar para obtener
video_id→ sondearGET /v1/videos/{video_id}hasta questatusseacompleted→ descargar el MP4 conGET /v1/videos/{video_id}/content. Valores de estado:in_progress/completed/failed. - La producción del vídeo suele tardar de 1 a 3 minutos; la URL del vídeo resultante se elimina a los 30 días, así que transfiérelo y guárdalo a tiempo.
- Eliminar tarea: Kling no dispone de interfaz de eliminación;
DELETE /v1/videos/{video_id}devuelve501 not_supported. - Facturación: se cobra según modelo ×
mode× duración × capacidad (con o sin vídeo de referencia / con sonido); las generaciones fallidas no se cobran, y las consultas y descargas no se facturan.
Ejemplo completo de invocación
FAQ
¿Cuánto tarda la generación de vídeo?
La generación de vídeo suele tardar de 1 a 5 minutos; el tiempo concreto depende del modelo, la resolución y la duración. Se recomienda establecer un intervalo de sondeo de 15 segundos.¿Cómo se usa el parámetro input_reference?
input_reference se usa en el escenario de imagen a vídeo y admite tres formas de pasarlo:
¿Cuál es la validez del enlace de descarga del vídeo?
El enlace de descarga del vídeo generado suele tener una validez de 24 horas; descárgalo y guárdalo a tiempo.¿Qué diferencias hay en el parámetro seconds entre los modelos?
> Sugerencia: el parámetro
seconds de todos los modelos se pasa siempre como tipo string (como "8"), y la API lo procesa automáticamente.
¿Qué diferencias hay en el formato del parámetro size entre los modelos?
¿Qué diferencia hay entre seconds y duration?
Ambos significan lo mismo: la duración del vídeo. La API admite ambos nombres de parámetro (excepto Sora, que solo acepta seconds). Se recomienda usar seconds de forma uniforme.
¿Cómo escribir un mejor prompt?
- Describe escenas concretas: incluye sujeto, acción, entorno, iluminación y ambiente
- Especifica el lenguaje de cámara: como “primer plano”, “toma aérea”, “travelling de aproximación”, “cámara lenta”
- Describe el estilo: como “cinematográfico”, “estilo documental”, “estilo animación”
- Los modelos para chino funcionan mejor con prompts en chino: Tongyi Wanxiang está optimizado para el chino
- Veo admite descripciones de audio: puedes describir el sonido en el prompt, como “canto de pájaros” o “melodía de piano”
¿Cómo gestionar una tarea fallida?
Cuandostatus sea failed, el campo error de la respuesta incluirá la información del error: