Démarrage rapide
La génération vidéo est une opération asynchrone, l’ensemble du processus se déroule en trois étapes :Aperçu des interfaces
Base URL :
https://aihubmix.com
Méthode d’authentification : Bearer Token
Modèles pris en charge
Texte vers vidéo (Text-to-Video)
Image vers vidéo (Image-to-Video)
La génération image vers vidéo nécessite de passer une image de référence via le paramètre
input_reference (Tongyi Wanxiang d’Alibaba) ; pour Doubao Seedance, les références sont passées via le tableau extra_body.content, qui prend en charge plusieurs types de référence : image, vidéo, audio ; Kling utilise image / image_tail / image_list pour passer les images, voir la section Kling ci-dessous.Description détaillée de l’API
En-têtes de requête
Créer une tâche de génération vidéo
Corps de la requête
Le format de réponse varie légèrement selon le modèle, mais tous contiennent les champsid(video_id) etstatus. Il suffit de se fier àstatuspour suivre la progression de la tâche.
Exemple de réponse (Tongyi Wanxiang/Veo/Jimeng AI)
Description des valeurs de statut communes
Interroger le statut de la vidéo
Exemple de réponse (génération terminée - Tongyi Wanxiang)
Exemple de réponse (génération terminée - Sora)
Tous les modèles déterminent l’état d’achèvement viastatus == "completed", puis appellent l’interface/contentpour télécharger.
Télécharger le contenu de la vidéo
completed, appelez cette interface pour télécharger le fichier vidéo MP4.
Réponse : renvoie directement le flux binaire de la vidéo (Content-Type: video/mp4).
Remarque : le lien de téléchargement de la vidéo a généralement une validité de 24 heures, veillez à télécharger et à sauvegarder à temps.
Supprimer une tâche vidéo
Cette interface permet de supprimer une tâche vidéo déjà créée.Détail des paramètres par modèle
OpenAI Sora
Astuce : le paramètreExemplesecondsde tous les modèles est toujours passé sous forme de chaîne (par ex."8").
Google Veo
Exemple
Notes sur les champs image :
- Priorité de la première trame :
first_frame>input_reference(trame unique compatible OpenAI). - Chaque élément de
first_frame/last_frame/reference_imagesaccepte : une URL publique, une data URL base64 (data:image/png;base64,...), ou un objet{"mime_type":"image/png","data":"<base64>"}. - Les alias de style OpenRouter
frame_images(éléments avecframe_type: first_frame | last_frame) etinput_referencessont également acceptés. - Jusqu’à 3 images de référence ; au-delà, une erreur 400 est renvoyée.
Astuce : Veo prend en charge la génération audio native, vous pouvez décrire les effets sonores dans le prompt, par ex. « chant d’oiseaux en fond », « mélodie de piano ».
Tongyi Wanxiang
Durées prises en charge par modèle
Résolutions prises en charge (largeur*hauteur)
Remarque : wan2.6 ne prend en charge que 720P et 1080P ; wan2.5 prend en charge 480P, 720P, 1080P ; wan2.2 ne prend en charge que 480P et 1080P.Exemple
Astuce : wan2.5 et versions ultérieures génèrent par défaut des vidéos sonores (doublage automatique), les prompts en chinois donnent de meilleurs résultats.
Jimeng AI
Rapports largeur/hauteur pris en charge et résolutions correspondantes
Exemple
Doubao Seedance
Types de référence pris en charge par
extra_body.content
Exemple
Seedance 2.0 / 2.0 Fast
Kling
Kling prend en charge quatre types de capacités : texte vers vidéo, image vers vidéo, génération vidéo à partir de plusieurs images de référence, et OmniVideo multimodal, le tout appelé de manière unifiée via l’interface/v1/videos. La passerelle route automatiquement vers le point de terminaison Kling correspondant selon « nom du modèle + forme d’entrée », sans que l’appelant ait à les distinguer.
Paramètres
Les paramètres clés non pris en charge ou non mappés provoquent une erreur explicite et ne sont pas ignorés silencieusement. Les autres paramètres natifs de Kling peuvent être placés dans
extra_body pour être transmis tels quels au backend.- Trois étapes asynchrones : soumettre pour obtenir
video_id→ interrogerGET /v1/videos/{video_id}jusqu’à ce questatussoitcompleted→GET /v1/videos/{video_id}/contentpour télécharger le MP4. Valeurs de statut :in_progress/completed/failed. - La production prend généralement 1~3 minutes ; l’URL de la vidéo résultante est supprimée après 30 jours, veuillez la sauvegarder à temps.
- Supprimer une tâche : Kling ne dispose pas d’interface de suppression,
DELETE /v1/videos/{video_id}renvoie501 not_supported. - Facturation : facturée selon modèle ×
mode× durée × capacité (avec ou sans vidéo de référence / son) ; pas de facturation en cas d’échec de la génération, l’interrogation et le téléchargement ne sont pas facturés.
Exemple d’appel complet
FAQ
Combien de temps prend la génération vidéo ?
La génération vidéo prend généralement 1 à 5 minutes, le temps exact dépend du modèle, de la résolution et de la durée. Il est recommandé de définir un intervalle d’interrogation de 15 secondes.Comment utiliser le paramètre input_reference ?
input_reference est utilisé pour les scénarios image vers vidéo, et prend en charge trois modes de passage :
Quelle est la durée de validité du lien de téléchargement de la vidéo ?
Le lien de téléchargement de la vidéo générée a généralement une validité de 24 heures, veillez à télécharger et à sauvegarder à temps.Quelles différences pour le paramètre seconds selon les modèles ?
> Astuce : le paramètre
seconds de tous les modèles est toujours passé sous forme de chaîne (par ex. "8"), l’API le traite automatiquement.
Quelles différences de format pour le paramètre size selon les modèles ?
Quelle est la différence entre seconds et duration ?
Les deux ont la même signification et désignent tous deux la durée de la vidéo. L’API prend en charge ces deux noms de paramètre (sauf Sora, qui n’accepte que seconds). Il est recommandé d’utiliser systématiquement seconds.
Comment écrire un meilleur prompt ?
- Décrire une scène concrète : inclure le sujet, l’action, l’environnement, la lumière, l’ambiance
- Spécifier le langage de caméra : par ex. « gros plan », « vue aérienne », « travelling avant », « ralenti »
- Décrire le style : par ex. « cinématographique », « style documentaire », « style animation »
- Les modèles chinois donnent de meilleurs résultats avec un prompt en chinois : Tongyi Wanxiang est optimisé pour le chinois
- Veo prend en charge la description audio : vous pouvez décrire les sons dans le prompt, par ex. « chant d’oiseaux », « mélodie de piano »
Que faire en cas d’échec de la tâche ?
Lorsquestatus est failed, le champ error de la réponse contient les informations sur l’erreur :