API de referência para vídeo com IA

Gera um vídeo novo a partir de um prompt de texto e de assets de referência, como imagens e, em alguns modelos, também vídeos ou áudio. As referências definem os sujeitos, o aspeto ou o estilo, enquanto o prompt descreve o que acontece. O resultado é uma cena gerada de raiz, e não a edição de um clipe existente.

O imagem para vídeo anima uma imagem específica, normalmente como primeiro frame (e por vezes um último frame), por isso o clipe parte dessa imagem. O referência para vídeo utiliza as imagens como orientação para a identidade, os objetos ou o estilo e deixa o modelo construir uma composição nova. Escolhe o imagem para vídeo quando o frame inicial tiver de corresponder exatamente.

O vídeo para vídeo recebe uma filmagem existente como origem para editar, prolongar ou transformar. No referência para vídeo, um vídeo de referência apenas orienta elementos como o movimento, a câmara ou o estilo de um clipe gerado de novo. Se precisares de alterar um clipe existente mantendo o seu conteúdo, compara antes os endpoints de vídeo para vídeo.

Os limites variam consoante o modelo, desde algumas imagens até dezenas nos endpoints multimodais, e alguns modelos reduzem o limite de imagens quando é incluído um vídeo de referência. Consulta a documentação do endpoint para veres o número, os formatos, o tamanho dos ficheiros e os requisitos de proporção antes de montares o teu fluxo de carregamento.

Alguns modelos aceitam referências multimodais: imagens para o aspeto, vídeos para o movimento ou a câmara e áudio para o som ou o ritmo. Outros aceitam apenas imagens de referência. Alguns endpoints exigem pelo menos uma referência visual quando é fornecido áudio e limitam a duração e a resolução do vídeo de referência.

Normalmente não no mesmo pedido. Em muitos modelos, os campos de imagem de frame e os campos de referência são mutuamente exclusivos e o pedido é rejeitado se forem enviados os dois. Decide se a tarefa é guiada por frames (imagem para vídeo) ou por referências antes de submeteres.

Utiliza referências nítidas e bem iluminadas que mostrem o sujeito sem grande oclusão e mantém o conjunto focado no que tem de se manter igual. Refere-te explicitamente aos sujeitos no prompt, evita referências contraditórias e testa primeiro um clipe curto. A consistência continua a variar consoante o modelo, por isso compara as saídas com os teus próprios assets.

Podem afetar. Alguns modelos limitam a resolução máxima, assumem por predefinição uma proporção adaptativa ou fixam a duração quando são usadas referências. Lê as regras dos parâmetros do endpoint escolhido para que o pedido não falhe na validação.

A duração e a resolução da saída são os fatores principais. Consoante o modelo, os vídeos de referência podem ser faturados pela sua duração, as imagens de referência adicionais podem acrescentar custo ou os tokens de referência acima de uma franquia gratuita podem ser cobrados. Consulta a descrição de preços atual do modelo que escolheres.

Envia o modelo, o prompt e os URLs das referências para o endpoint de geração documentado do PoYo, guarda o task_id devolvido e utiliza consultas de estado ou um webhook para obteres o resultado. Garante que os URLs das referências são acessíveis publicamente e guarda o conjunto de referências no registo da tarefa para comparação.