Seedance 2.0 Fast es la edición orientada a la velocidad de la familia Seedance 2.0 de ByteDance Seed. Admite generación conjunta de vídeo y audio y un encargo multimodal construido con texto, imágenes, vídeo y sonido. Sus capacidades creativas incluyen escenas nuevas guiadas por referencias, ediciones de material existente y ampliaciones de una escena, mientras que sus niveles de salida documentados son 480p y 720p.
Una imagen puede aportar un personaje, producto, composición o tratamiento visual. Un vídeo de referencia puede aportar acción, movimiento de cámara o un efecto. El audio de referencia puede aportar timbre de voz, melodía musical o contenido de diálogo. Explique qué parte de cada fuente desea trasladar a la escena nueva; una referencia es más útil cuando tiene una función creativa específica.
Por ejemplo: «Utiliza la lámpara de cerámica de Image 1 como producto. Sigue la órbita lenta de cámara de Video 1, pero coloca la lámpara en un rincón de lectura tranquilo. Utiliza Audio 1 para el ambiente musical». La salida prevista es una escena nueva que combina el aspecto, el movimiento y la dirección sonora elegidos, en lugar de una imitación imprecisa de todos los detalles de las referencias.
Las combinaciones documentadas incluyen imágenes con audio, imágenes con vídeo, vídeo con audio y los tres tipos juntos. No se admite texto acompañado solo de audio ni entrada exclusivamente de audio. El modelo también admite conversión de texto a vídeo y generación basada en imagen a partir de un primer fotograma o de una pareja de primer y último fotograma. Cuando un extremo exacto sea central en el encargo, utilice el flujo específico de extremos; describir una imagen de referencia como extremo en una instrucción omni-reference constituye un control indirecto.
El modelo puede añadir, eliminar o modificar elementos, sustituir un sujeto y redibujar o reparar partes de una escena. Identifique el vídeo de origen, el objeto que se va a cambiar y los elementos que deben permanecer. Para una incorporación, describa dónde y cuándo aparece. Para una eliminación, identifique el objeto de forma coherente a lo largo del clip.
Un encargo práctico de edición podría sustituir una botella sencilla de una demostración por la de Image 1 y pedir que se conserven el movimiento de la mano, el fondo y la trayectoria de cámara de Video 1. Revise tanto la sustitución como las zonas que debían mantenerse estables. Las instrucciones claras de conservación facilitan evaluar la edición prevista más que una petición general de «mejorar» el material.
Seedance 2.0 Fast admite ampliación hacia delante o hacia atrás y conexión de dos o tres clips mediante transiciones generadas. Para una ampliación, indique si la nueva acción ocurre antes o después del vídeo proporcionado y descríbala. Para una conexión, proporcione los clips en el orden previsto y explique el acontecimiento visual que los une.
Una ampliación sencilla suele devolver la continuación desarrollada en torno al material original, sin asumir que se repite todo el clip de origen. Si la salida debe contener el segmento original, indíquelo en el encargo. Al completar una transición entre dos o tres vídeos, el flujo documentado puede combinar contenido original y recién generado. Esto resulta útil para conectar una vista amplia del producto con un plano de detalle mediante un movimiento de cámara intencionado.
La salida documentada de Fast es MP4 a 24 fps, con 480p o 720p, profundidad de color de 8 bits y clips de 4–15 segundos. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. La edición estándar Seedance 2.0 enumera por separado salidas de 1080p y 4K; esos niveles no forman parte de la especificación Fast. La familia 2.0 permite devolver el último fotograma generado, pero no admite el modo independiente de previsualización Draft.
El audio puede generarse junto con el material o excluirse para crear un clip silencioso. El audio generado es mono. Los idiomas documentados de las instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga el idioma hablado constante dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. Para una escena hablada, nombre al hablante y coloque la frase entre comillas; después especifique la interpretación y los efectos sonoros pertinentes. Ajuste la interpretación requerida a la duración del clip seleccionada.
Los límites documentados de referencia son hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia con rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo o audio debe durar 2–15 segundos; la duración combinada de vídeo es como máximo 15 segundos, y la de audio tiene un máximo independiente de 15 segundos. Las referencias de vídeo utilizan MP4 o MOV, a 24–60 fps, y no deben superar 200 MB cada una. Las de audio utilizan WAV o MP3 y no deben superar 15 MB cada una. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Cada imagen debe ocupar menos de 30 MB; el límite total del cuerpo de la solicitud es 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.
Ordene los recursos y refiérase a ellos de forma coherente como Image 1, Video 1 o Audio 1. Utilice también el nombre del sujeto visible o un rasgo distintivo, además del número del recurso. Ajuste el encuadre de las imágenes de los extremos a la relación de vídeo prevista, ya que una discrepancia puede recortar la imagen o provocar un cambio brusco de encuadre. Centre el encargo en los rasgos que se van a transferir, el acontecimiento que se debe generar y lo que debe permanecer sin cambios; una instrucción larga puede dispersar las indicaciones y dejar detalles secundarios sin resolver.
Organice un encargo complejo como Plano 1, Plano 2 y Plano 3, con un sujeto, una acción, una posición y un sonido claros para cada uno. La guía recomienda un movimiento de cámara por plano e indica que las marcas de tiempo precisas por plano son inestables. Asigne a cada personaje una etiqueta estable y unos pocos rasgos distintivos; utilice un retrato de cabeza claro y una referencia de cuerpo entero separados, en lugar de una hoja combinada de vistas de personaje, cuando importe la identidad facial.
El modelo puede generar texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo, con indicaciones de color, estilo, posición y aparición. Se prefieren caracteres comunes a caracteres raros o símbolos especiales. Compruebe las letras en movimiento. Los subtítulos no deseados, los logotipos y los personajes duplicados son comportamientos documentados; las restricciones explícitas y las referencias limpias pueden reducirlos, pero no garantizan su ausencia. Más de cuatro personas de referencia se señala como riesgo de estabilidad, no como límite estricto del número de archivos.
Las ampliaciones repetidas pueden acumular pérdida de calidad de imagen, y una unión de ampliación puede presentar saltos o retrocesos. Limite las continuaciones encadenadas y examine la unión durante la edición. El timbre de voz de referencia puede variar, la narración puede terminar con un clic y los caracteres chinos polifónicos o poco comunes pueden pronunciarse mal. Compruebe la frase hablada y el audio final; un fundido de audio breve puede ayudar con un corte. Estas comprobaciones forman parte de la preparación del resultado creativo, especialmente cuando la voz o la continuidad del personaje sostienen la historia.
", "aboutText": "Seedance 2.0 Fast es la edición orientada a la velocidad de la familia Seedance 2.0 de ByteDance Seed. Admite generación conjunta de vídeo y audio y un encargo multimodal construido con texto, imágenes, vídeo y sonido. Sus capacidades creativas incluyen escenas nuevas guiadas por referencias, ediciones de material existente y ampliaciones de una escena, mientras que sus niveles de salida documentados son 480p y 720p.\n\n### Referencia multimodal: asignar funciones al material\n\nUna imagen puede aportar un personaje, producto, composición o tratamiento visual. Un vídeo de referencia puede aportar acción, movimiento de cámara o un efecto. El audio de referencia puede aportar timbre de voz, melodía musical o contenido de diálogo. Explique qué parte de cada fuente desea trasladar a la escena nueva; una referencia es más útil cuando tiene una función creativa específica.\n\nPor ejemplo: «Utiliza la lámpara de cerámica de Image 1 como producto. Sigue la órbita lenta de cámara de Video 1, pero coloca la lámpara en un rincón de lectura tranquilo. Utiliza Audio 1 para el ambiente musical». La salida prevista es una escena nueva que combina el aspecto, el movimiento y la dirección sonora elegidos, en lugar de una imitación imprecisa de todos los detalles de las referencias.\n\nLas combinaciones documentadas incluyen imágenes con audio, imágenes con vídeo, vídeo con audio y los tres tipos juntos. No se admite texto acompañado solo de audio ni entrada exclusivamente de audio. El modelo también admite conversión de texto a vídeo y generación basada en imagen a partir de un primer fotograma o de una pareja de primer y último fotograma. Cuando un extremo exacto sea central en el encargo, utilice el flujo específico de extremos; describir una imagen de referencia como extremo en una instrucción omni-reference constituye un control indirecto.\n\n### Edición de un vídeo existente\n\nEl modelo puede añadir, eliminar o modificar elementos, sustituir un sujeto y redibujar o reparar partes de una escena. Identifique el vídeo de origen, el objeto que se va a cambiar y los elementos que deben permanecer. Para una incorporación, describa dónde y cuándo aparece. Para una eliminación, identifique el objeto de forma coherente a lo largo del clip.\n\nUn encargo práctico de edición podría sustituir una botella sencilla de una demostración por la de Image 1 y pedir que se conserven el movimiento de la mano, el fondo y la trayectoria de cámara de Video 1. Revise tanto la sustitución como las zonas que debían mantenerse estables. Las instrucciones claras de conservación facilitan evaluar la edición prevista más que una petición general de «mejorar» el material.\n\n### Ampliar y conectar clips\n\nSeedance 2.0 Fast admite ampliación hacia delante o hacia atrás y conexión de dos o tres clips mediante transiciones generadas. Para una ampliación, indique si la nueva acción ocurre antes o después del vídeo proporcionado y descríbala. Para una conexión, proporcione los clips en el orden previsto y explique el acontecimiento visual que los une.\n\nUna ampliación sencilla suele devolver la continuación desarrollada en torno al material original, sin asumir que se repite todo el clip de origen. Si la salida debe contener el segmento original, indíquelo en el encargo. Al completar una transición entre dos o tres vídeos, el flujo documentado puede combinar contenido original y recién generado. Esto resulta útil para conectar una vista amplia del producto con un plano de detalle mediante un movimiento de cámara intencionado.\n\n### Salida y diferencias entre ediciones\n\nLa salida documentada de Fast es MP4 a 24 fps, con 480p o 720p, profundidad de color de 8 bits y clips de 4–15 segundos. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. La edición estándar Seedance 2.0 enumera por separado salidas de 1080p y 4K; esos niveles no forman parte de la especificación Fast. La familia 2.0 permite devolver el último fotograma generado, pero no admite el modo independiente de previsualización Draft.\n\nEl audio puede generarse junto con el material o excluirse para crear un clip silencioso. El audio generado es mono. Los idiomas documentados de las instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga el idioma hablado constante dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. Para una escena hablada, nombre al hablante y coloque la frase entre comillas; después especifique la interpretación y los efectos sonoros pertinentes. Ajuste la interpretación requerida a la duración del clip seleccionada.\n\n### Preparar referencias y respetar los límites de entrada\n\nLos límites documentados de referencia son hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia con rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo o audio debe durar 2–15 segundos; la duración combinada de vídeo es como máximo 15 segundos, y la de audio tiene un máximo independiente de 15 segundos. Las referencias de vídeo utilizan MP4 o MOV, a 24–60 fps, y no deben superar 200 MB cada una. Las de audio utilizan WAV o MP3 y no deben superar 15 MB cada una. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Cada imagen debe ocupar menos de 30 MB; el límite total del cuerpo de la solicitud es 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.\n\nOrdene los recursos y refiérase a ellos de forma coherente como Image 1, Video 1 o Audio 1. Utilice también el nombre del sujeto visible o un rasgo distintivo, además del número del recurso. Ajuste el encuadre de las imágenes de los extremos a la relación de vídeo prevista, ya que una discrepancia puede recortar la imagen o provocar un cambio brusco de encuadre. Centre el encargo en los rasgos que se van a transferir, el acontecimiento que se debe generar y lo que debe permanecer sin cambios; una instrucción larga puede dispersar las indicaciones y dejar detalles secundarios sin resolver.\n\n### Planificación de planos, texto y comportamientos conocidos\n\nOrganice un encargo complejo como Plano 1, Plano 2 y Plano 3, con un sujeto, una acción, una posición y un sonido claros para cada uno. La guía recomienda un movimiento de cámara por plano e indica que las marcas de tiempo precisas por plano son inestables. Asigne a cada personaje una etiqueta estable y unos pocos rasgos distintivos; utilice un retrato de cabeza claro y una referencia de cuerpo entero separados, en lugar de una hoja combinada de vistas de personaje, cuando importe la identidad facial.\n\nEl modelo puede generar texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo, con indicaciones de color, estilo, posición y aparición. Se prefieren caracteres comunes a caracteres raros o símbolos especiales. Compruebe las letras en movimiento. Los subtítulos no deseados, los logotipos y los personajes duplicados son comportamientos documentados; las restricciones explícitas y las referencias limpias pueden reducirlos, pero no garantizan su ausencia. Más de cuatro personas de referencia se señala como riesgo de estabilidad, no como límite estricto del número de archivos.\n\nLas ampliaciones repetidas pueden acumular pérdida de calidad de imagen, y una unión de ampliación puede presentar saltos o retrocesos. Limite las continuaciones encadenadas y examine la unión durante la edición. El timbre de voz de referencia puede variar, la narración puede terminar con un clic y los caracteres chinos polifónicos o poco comunes pueden pronunciarse mal. Compruebe la frase hablada y el audio final; un fundido de audio breve puede ayudar con un corte. Estas comprobaciones forman parte de la preparación del resultado creativo, especialmente cuando la voz o la continuidad del personaje sostienen la historia.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8fea70f35e0b156ac760b3cd17024a348114383b1d56975ef2e803f40c54557b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "bytedance/seedance-2.0-fastByteDance Seedance 2.0 Fast crea escenas de audio y vídeo a partir de texto y referencias de imagen, vídeo y sonido. Su edición orientada a la velocidad admite transferencia de movimiento y estilo, ediciones de vídeo y ampliaciones hacia delante o hacia atrás, con salida documentada de 480p y 720p.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seedance 2.0 Fast es la edición orientada a la velocidad de la familia Seedance 2.0 de ByteDance Seed. Admite generación conjunta de vídeo y audio y un encargo multimodal construido con texto, imágenes, vídeo y sonido. Sus capacidades creativas incluyen escenas nuevas guiadas por referencias, ediciones de material existente y ampliaciones de una escena, mientras que sus niveles de salida documentados son 480p y 720p.
Una imagen puede aportar un personaje, producto, composición o tratamiento visual. Un vídeo de referencia puede aportar acción, movimiento de cámara o un efecto. El audio de referencia puede aportar timbre de voz, melodía musical o contenido de diálogo. Explique qué parte de cada fuente desea trasladar a la escena nueva; una referencia es más útil cuando tiene una función creativa específica.
Por ejemplo: «Utiliza la lámpara de cerámica de Image 1 como producto. Sigue la órbita lenta de cámara de Video 1, pero coloca la lámpara en un rincón de lectura tranquilo. Utiliza Audio 1 para el ambiente musical». La salida prevista es una escena nueva que combina el aspecto, el movimiento y la dirección sonora elegidos, en lugar de una imitación imprecisa de todos los detalles de las referencias.
Las combinaciones documentadas incluyen imágenes con audio, imágenes con vídeo, vídeo con audio y los tres tipos juntos. No se admite texto acompañado solo de audio ni entrada exclusivamente de audio. El modelo también admite conversión de texto a vídeo y generación basada en imagen a partir de un primer fotograma o de una pareja de primer y último fotograma. Cuando un extremo exacto sea central en el encargo, utilice el flujo específico de extremos; describir una imagen de referencia como extremo en una instrucción omni-reference constituye un control indirecto.
El modelo puede añadir, eliminar o modificar elementos, sustituir un sujeto y redibujar o reparar partes de una escena. Identifique el vídeo de origen, el objeto que se va a cambiar y los elementos que deben permanecer. Para una incorporación, describa dónde y cuándo aparece. Para una eliminación, identifique el objeto de forma coherente a lo largo del clip.
Un encargo práctico de edición podría sustituir una botella sencilla de una demostración por la de Image 1 y pedir que se conserven el movimiento de la mano, el fondo y la trayectoria de cámara de Video 1. Revise tanto la sustitución como las zonas que debían mantenerse estables. Las instrucciones claras de conservación facilitan evaluar la edición prevista más que una petición general de «mejorar» el material.
Seedance 2.0 Fast admite ampliación hacia delante o hacia atrás y conexión de dos o tres clips mediante transiciones generadas. Para una ampliación, indique si la nueva acción ocurre antes o después del vídeo proporcionado y descríbala. Para una conexión, proporcione los clips en el orden previsto y explique el acontecimiento visual que los une.
Una ampliación sencilla suele devolver la continuación desarrollada en torno al material original, sin asumir que se repite todo el clip de origen. Si la salida debe contener el segmento original, indíquelo en el encargo. Al completar una transición entre dos o tres vídeos, el flujo documentado puede combinar contenido original y recién generado. Esto resulta útil para conectar una vista amplia del producto con un plano de detalle mediante un movimiento de cámara intencionado.
La salida documentada de Fast es MP4 a 24 fps, con 480p o 720p, profundidad de color de 8 bits y clips de 4–15 segundos. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. La edición estándar Seedance 2.0 enumera por separado salidas de 1080p y 4K; esos niveles no forman parte de la especificación Fast. La familia 2.0 permite devolver el último fotograma generado, pero no admite el modo independiente de previsualización Draft.
El audio puede generarse junto con el material o excluirse para crear un clip silencioso. El audio generado es mono. Los idiomas documentados de las instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga el idioma hablado constante dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. Para una escena hablada, nombre al hablante y coloque la frase entre comillas; después especifique la interpretación y los efectos sonoros pertinentes. Ajuste la interpretación requerida a la duración del clip seleccionada.
Los límites documentados de referencia son hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia con rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo o audio debe durar 2–15 segundos; la duración combinada de vídeo es como máximo 15 segundos, y la de audio tiene un máximo independiente de 15 segundos. Las referencias de vídeo utilizan MP4 o MOV, a 24–60 fps, y no deben superar 200 MB cada una. Las de audio utilizan WAV o MP3 y no deben superar 15 MB cada una. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Cada imagen debe ocupar menos de 30 MB; el límite total del cuerpo de la solicitud es 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.
Ordene los recursos y refiérase a ellos de forma coherente como Image 1, Video 1 o Audio 1. Utilice también el nombre del sujeto visible o un rasgo distintivo, además del número del recurso. Ajuste el encuadre de las imágenes de los extremos a la relación de vídeo prevista, ya que una discrepancia puede recortar la imagen o provocar un cambio brusco de encuadre. Centre el encargo en los rasgos que se van a transferir, el acontecimiento que se debe generar y lo que debe permanecer sin cambios; una instrucción larga puede dispersar las indicaciones y dejar detalles secundarios sin resolver.
Organice un encargo complejo como Plano 1, Plano 2 y Plano 3, con un sujeto, una acción, una posición y un sonido claros para cada uno. La guía recomienda un movimiento de cámara por plano e indica que las marcas de tiempo precisas por plano son inestables. Asigne a cada personaje una etiqueta estable y unos pocos rasgos distintivos; utilice un retrato de cabeza claro y una referencia de cuerpo entero separados, en lugar de una hoja combinada de vistas de personaje, cuando importe la identidad facial.
El modelo puede generar texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo, con indicaciones de color, estilo, posición y aparición. Se prefieren caracteres comunes a caracteres raros o símbolos especiales. Compruebe las letras en movimiento. Los subtítulos no deseados, los logotipos y los personajes duplicados son comportamientos documentados; las restricciones explícitas y las referencias limpias pueden reducirlos, pero no garantizan su ausencia. Más de cuatro personas de referencia se señala como riesgo de estabilidad, no como límite estricto del número de archivos.
Las ampliaciones repetidas pueden acumular pérdida de calidad de imagen, y una unión de ampliación puede presentar saltos o retrocesos. Limite las continuaciones encadenadas y examine la unión durante la edición. El timbre de voz de referencia puede variar, la narración puede terminar con un clic y los caracteres chinos polifónicos o poco comunes pueden pronunciarse mal. Compruebe la frase hablada y el audio final; un fundido de audio breve puede ayudar con un corte. Estas comprobaciones forman parte de la preparación del resultado creativo, especialmente cuando la voz o la continuidad del personaje sostienen la historia.
POST /v1/videostext, image, audiovideo| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance/seedance-2.0-fast | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campoduration | Tipointeger | RequisitoObligatorio | Valores y límites 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 Mínimo: 1 Máximo: 600 | Predeterminado— |
Camporesolution | Tipostring | RequisitoOpcional | Valores y límites 480p, 720p | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 1:1, 3:4, 9:16, 4:3, 16:9, 21:9, 9:21 | Predeterminado— |
Campogenerate_audio | Tipoboolean | RequisitoOpcional | Valores y límites false, true Condiciones: Omitir generate_audio selecciona el precio con audio; false selecciona el precio sin audio. Comprueba has_audio en el resultado para saber si se ha devuelto una pista de audio. | Predeterminado— |
Campoframe_images | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 1 Número máximo de elementos: 2 Contenido de entrada: Lista de objetos de fotograma. Cada uno contiene type=image_url, image_url con url y frame_type=first_frame o last_frame. Cada función aparece como máximo una vez. Usa URL HTTPS públicas. Claves exactas: type, image_url, frame_type Condiciones: Estas claves se aplican a cada objeto de fotograma. Omite frame_images para una solicitud que solo contenga texto. | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Contenido de entrada: Lista de objetos de referencia de imagen o audio. Establece type en image_url o audio_url y proporciona el objeto URL correspondiente que contiene url. Las referencias de vídeo siguen sin poder valorarse. Condiciones: Omite frame_images para usar el modo de referencias. Usa URL HTTPS públicas. | Predeterminado— |
Camposize | Tipostring | RequisitoOpcional | Valores y límites 480x480, 480x640, 480x854, 640x480, 854x480, 1120x480, 720x720, 720x960, 720x1280, 720x1680, 960x720, 1280x720, 1680x720 Patrón: ^[1-9][0-9]*x[1-9][0-9]*$ | Predeterminado— |
Camposeed | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: -9.223.372.036.854.775.808 Máximo: 9.223.372.036.854.775.807 | Predeterminado— |
Campocallback_url | Tipostring | RequisitoOpcional | Valores y límites Patrón: ^https:// | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotrace | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Texto a vídeo · Una instrucción escrita. · Obligatorio: model, prompt, duration
Proporciona una instrucción de texto y una duración compatible en segundos enteros. Usa un tamaño exacto de los enumerados, o una resolución y una relación de aspecto que se correspondan con las dimensiones enumeradas.
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
Imagen a vídeo · Una instrucción escrita y una imagen de fotograma. · Obligatorio: model, prompt, duration, frame_images
frame_images es una lista de objetos con type=image_url, image_url que contiene url y frame_type. Usa una URL HTTPS pública de imagen; first_frame y last_frame pueden aparecer una vez cada uno. Usa un tamaño de salida enumerado o unas dimensiones compatibles. No añadas referencias de vídeo.
Claves exactas: type, image_url, frame_type
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
Reference to video · Una instrucción escrita y referencias de imagen o audio. · Obligatorio: model, prompt, duration, input_references
input_references es una lista. Cada objeto tiene type=image_url o type=audio_url y un objeto URL correspondiente que contiene url. Usa enlaces HTTPS públicos. Omite frame_images para seleccionar el modo de referencias. Las referencias de vídeo no pueden valorarse.
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt, duration |
Parámetromaterial_types | Contratotext, image, audio |
Parámetroadditional_properties | Contratofalse |
Parámetrooptional_controls | Contratoresolution, aspect_ratio, generate_audio, frame_images, input_references, size, seed, callback_url, session_id, trace, user |
Ciclo de vida: submit_once_poll_original
GET /v1/videos/{public_id}
GET /v1/videos/{public_id}/content
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Condiciones de facturación | Cargo |
|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Condiciones de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónNo se declara ninguna condición adicional en esta clave de precios. | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.0084 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónentrada: with_video_input | Cargo reference · Precio por token de vídeo · Estimación solo para comparar $0.00495 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónsonido: without_audio | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.0084 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Condiciones de facturación— | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.18144 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónNo se declara ninguna condición adicional en esta clave de precios. | Cargo Salida · Precio por token de vídeo $0.0084 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónsonido: without_audio | Cargo Salida · Precio por token de vídeo $0.0084 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónentrada: with_video_input | Cargo reference · Precio por token de vídeo $0.00495 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nfrom pathlib import Path\nPath('request.json').write_text('{"model":"bytedance/seedance-2.0-fast","prompt":"A serene mountain landscape at sunset","duration":4,"resolution":"480p","size":"480x480","generate_audio":false}', encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nURL firmadas de contenido bajo tu titularidad
GET /v1/videos/{public_id}GET /v1/videos/{public_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_STATUS_URL'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nr=json.loads(Path('result.json').read_text())\nif not isinstance(r.get('id'),str) or not r['id']:raise SystemExit('Keep the original response and headers for reconciliation; no returned ID')\nPath('status-url.txt').write_text('https://api.ailoot.ai/v1/videos/'+quote(r['id'],safe=''))\nPY_STATUS_URL\ncurl --fail-with-body --silent --show-error "$(cat status-url.txt)" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -D status-headers.txt -o status.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('status.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('status.json').read_text())\nif r.get('status')!='completed':raise SystemExit('Keep the original ID and read its status; never recreate an unknown job')\nif not isinstance(r.get('data'),list) or not r['data']:raise SystemExit('Keep the complete original status; no completed outputs supplied')\nurls=[]\nfor i,u in enumerate(r.get('data',[])):\n if not isinstance(u,str):raise SystemExit('Keep the original response; unexpected asset shape')\n urls.append((str(i),u))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nGuarda todos los vídeos completados o archivos recibidos; descarga cada URL de archivo que se haya devuelto.
Conserva todos los resultados reales bajo tu titularidad y los metadatos medidos que se devuelvan.
503 result_pending_check + originalid + X-Should-Retry:false; no repitas nunca la operación original
| Campo | Tipo | Significado |
|---|---|---|
Campoindex | Tipointeger | SignificadoPosición de este vídeo en la lista de resultados, empezando por cero. |
Campocontent_url | Tipostring | SignificadoURL HTTPS firmada de descarga de este vídeo completado. |
Camposha256 | Tipostring | null | SignificadoHuella SHA-256 de los bytes del vídeo original; null si no está disponible. |
Camposize_bytes | Tipointeger | null | SignificadoTamaño del archivo de vídeo original en bytes; null si no está disponible. |
Campoduration_ms | Tipointeger | null | SignificadoDuración medida del vídeo en milisegundos; null si no está disponible. |
Campowidth | Tipointeger | null | SignificadoAnchura del vídeo en píxeles; null si no está disponible. |
Campoheight | Tipointeger | null | SignificadoAltura del vídeo en píxeles; null si no está disponible. |
Campovideo_codec | Tipostring | null | SignificadoIdentificador del códec de vídeo; null si no se ha registrado. |
Campohas_audio | Tipoboolean | null | SignificadoIndica si el vídeo contiene una pista de audio; null si no se ha medido. |
Campoaudio_codec | Tipostring | null | SignificadoIdentificador del códec de audio; null cuando no se ha registrado ninguno. |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta404 · not_found_error | CondiciónEl acceso al vídeo no está disponible o no se ha encontrado este ID de vídeo. | Siguiente pasoComprueba el acceso al vídeo. Para un vídeo existente, usa su ID público original y la misma clave API. |
Respuesta401 · authentication_error | CondiciónLa clave API no corresponde a la cuenta autenticada. | Siguiente pasoComprueba tu clave API y el acceso de tu cuenta antes de enviar la solicitud. |
Respuesta400 · invalid_request_error | CondiciónNo se ha podido leer la solicitud o el índice de descarga no es válido. | Siguiente pasoCorrige el cuerpo de la solicitud. Para una descarga, elige un índice de salida devuelto por la tarea original. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el precio de la configuración de vídeo seleccionada. | Siguiente pasoElige una configuración de vídeo compatible y completa sus opciones obligatorias antes de enviar una solicitud corregida. |
Respuesta422 · invalid_request_error | CondiciónUna entrada de vídeo o la tarea original de continuación no es válida. | Siguiente pasoUsa entradas HTTPS válidas. Para continuar, usa el ID público de tu vídeo original completado con la misma clave API. |
Respuesta402 · billing_error | CondiciónEl saldo disponible o los límites no permiten efectuar una reserva. | Siguiente pasoComprueba tu saldo disponible y tus límites antes de enviar una nueva solicitud. |
Respuesta503 · server_error | CondiciónLa verificación del vídeo, el almacenamiento o el acceso al servicio no están disponibles temporalmente. | Siguiente pasoEspera a que el servicio esté disponible. Si ya tienes un ID de vídeo, comprueba esa tarea original en lugar de crear otra generación. |
Respuesta503 · result_pending_check | CondiciónEs necesario comprobar el resultado del vídeo original y el cargo. | Siguiente pasoConserva el ID de vídeo devuelto y comprueba esa tarea. No envíes una solicitud de generación sustitutiva mientras se esté comprobando. |
Respuesta503 · owned_result_unavailable | CondiciónLa descarga del vídeo existente no está disponible temporalmente. | Siguiente pasoComprueba más tarde la misma tarea de vídeo y descarga su resultado existente. Una nueva generación crea una operación independiente. |
Respuesta409 · video_not_ready | CondiciónEl contenido del vídeo no se ha publicado. | Siguiente pasoComprueba el estado de la tarea original. Descarga cuando indique completed; si indica failed, sigue su aviso de comprobación del cargo. |
Ailoot Ultra bytedance/seedance-2.0-fast
Usa las rutas de método indicadas arriba.