视频模型

视频接口

文生与图生共用一个异步任务入口。平台同时支持 /v1/video/generations 和火山方舟兼容路径 /api/v3/contents/generations/tasks;新接入建议使用官方 content 字段结构。

异步视频生成

创建视频生成任务

所有视频生成方式共用此接口。只需填写 model 和文字描述,再按需要增加图片、视频、音频、首尾帧或平台素材 ID;未使用的参数不要提交。

接口地址POST/api/v3/contents/generations/tasks
Request body请求体参数
19 项
modelstring必填

当前 API Key 可用的视频模型 ID。

content[].typeenum选填

内容类型:text、image_url、video_url 或 audio_url。推荐使用官方 content 数组。

content[].textstring选填

提示词内容。也兼容顶层 prompt;二者任选一种即可。

content[].roleenum选填

素材用途:first_frame、last_frame、reference_image、reference_video 或 reference_audio。选择 first_frame 或 last_frame 即进入首尾帧模式。

content[role=first_frame]image_url选填

首帧图片。原生首尾帧模式只能提交文字、首帧和可选尾帧,禁止同时提交普通参考图片、参考视频、参考音频或素材库 asset_id。如果需要全模态生视频,可改用普通多模态参考,并在提示词中指定某张参考图片作为首帧或尾帧。

content[role=last_frame]image_url选填

尾帧图片,必须与首帧一起用于原生首尾帧过渡。该模式同样禁止普通参考图片、参考视频、参考音频和素材库素材;需要组合这些素材时,应通过提示词指定参考图片作为首帧或尾帧。

content[].image_url.urlHTTPS URL | asset://ID选填

支持公网 HTTPS 图片 URL 或 asset://素材ID。添加多条即可使用多图;通过 role 区分首帧、尾帧或普通参考图。素材 ID 必须属于当前团队,并能在本次命中的渠道使用。

content[].video_url.urlHTTPS URL | asset://ID选填

支持公网 HTTPS 视频 URL 或 asset://素材ID,用于动作、运镜或画面节奏参考。

content[].audio_url.urlHTTPS URL | asset://ID选填

支持公网 HTTPS 音频 URL 或 asset://素材ID,仅具备音频参考能力的模型和渠道会生效。

images[]URL | asset_id选填

平台快捷写法,可混排公网图片 URL 与同一上游渠道的 asset_id。官方接入优先使用 content。

promptstring选填

顶层提示词兼容字段;与 content[].text 二选一。

resolutionstring选填

输出分辨率,例如 480p、720p、1080p 或 4k。

ratio / aspect_ratiostring选填

输出画幅,例如 16:9、9:16 或 1:1。

duration / secondsinteger / string选填

视频时长,单位秒;优先使用 duration。

generate_audioboolean选填

是否生成同步音轨,仅支持具备该能力的模型。

return_last_frameboolean选填

是否在任务结果中返回生成视频的末帧。

watermark / camera_fixedboolean选填

水印和固定镜头开关,以模型能力为准。

seedinteger选填

随机种子,用于尽可能复现生成结果。

metadataobject选填

渠道扩展参数;只有明确需要时再传。

Response body响应体参数
4 项
idstring选填

平台返回的资源或任务标识。

modelstring选填

实际请求或执行任务的模型。

statusstring选填

当前任务状态。

created_atnumber选填

任务创建时间。

注意右侧是已验证可创建的“普通参考图 + 参考视频 + 多个素材 ID”组合。首尾帧是独立模式:请求中一旦使用 first_frame 或 last_frame,就不能再加入普通参考图片、参考视频、参考音频或素材库素材。如果需要全模态生视频,请不要使用首尾帧角色,改用 reference_image、reference_video、reference_audio 和 asset_id,并通过提示词指定某张参考图片作为首帧或尾帧,间接实现“首尾帧 + 全模态参考”效果。该方式属于提示词引导,不等同于原生首尾帧的像素级约束。提交成功后保存响应中的 id,关闭终端不会中断生成。