Instrumente media

Generează imagini și videoclipuri cu peste 40 de modele AI. Apelează întotdeauna get_models mai întâi pentru a vedea modelele disponibile, costurile și dacă un model necesită o imagine de intrare.

Clienți REST HTTP: aceleași limite sunt centralizate în Cerințe modele API (în engleză) și în răspunsul GET /v1/models per model.

#generate_media

Pornește o generare de imagine sau video.

Parametri:

Exemplu (text-to-image):

{
  "prompt": "Un oraș futurist la apus cu mașini zburătoare",
  "model": "nano-banana",
  "generation_type": "text-to-image",
  "aspect_ratio": "16:9",
  "quality": "pro"
}

Exemplu (image-to-video, o imagine de intrare):

{
  "prompt": "Mișcare blândă și subtilă",
  "model": "kling-2-6-image-to-video",
  "generation_type": "image-to-video",
  "source_media_urls": ["https://example.com/your-image.jpg"],
  "aspect_ratio": "16:9",
  "duration": "5s"
}

Răspuns: Include generation_id, status (ex. pending) și adesea estimated_time_seconds și estimated_cost_credits. Interoghează cu get_status până când status este completed sau failed.

Modele care suportă duration:

Pentru modele doar imagine, duration este ignorat.

Modele care suportă negative_prompt:

Celelalte modele ignoră negative_prompt.

Modele care suportă quality (sau echivalent):

Pentru celelalte modele, quality este ignorat.

<a id="tiere-rezolutie"></a>

Tiere de rezoluție (parametrul resolution):

Când să alegi fiecare tier (GPT Image 2):

• 1K — implicit. Folosește pentru postări social, thumbnail-uri, prototipare, preview-uri in-app, orice ≤ 1024 × 1024. Cel mai ieftin; fără probleme de aspect ratio.
• 2K — folosește când clientul are nevoie de un hero web clar, copertă de newsletter, ilustrație in-product la densitate retină. Trebuie să alegi un aspect direcțional (landscape sau portrait).
• 4K — folosește pentru print, out-of-home, bannere, sau orice caz în care utilizatorul cere explicit dimensiunea maximă. Confirmă aspectul cu utilizatorul întâi; 1:1 / auto nu vor funcționa.

Flare vs Sunburst (GPT Image 2.5):

• gpt-image-2-5-flare este banda rapida. Alegerea implicita pentru explorare, iterare pe prompt si generare in volum.
• gpt-image-2-5-sunburst este banda de calitate. Mai lenta, detaliu mai curat si tipografie mai stabila. Foloseste-o pentru randari finale si tipar 4K.
• Ambele benzi accepta aceiasi parametri, aceleasi 16 imagini de referinta, acelasi prompt de 20.000 de caractere si aceleasi 13 rapoarte de aspect, si costa la fel la fiecare nivel de rezolutie.
• Niciuna dintre benzi nu accepta 4:5. Foloseste nano-banana-2 cand o plasare il cere.

Modelele care nu sunt listate ignoră resolution. Pentru familiile video (Seedance, Kling, Veo, P-Video, FLUX 3, Gemini Omni) rezoluția face parte din model_id-ul variantei concrete. Pasează varianta (ex. seedance-2-fast-480p, veo3-1-fast-text-to-video-1080p, p-video-1080p, gemini-omni-video-1080p-6s), nu acest parametru.

Limite caractere prompt:

Unele modele impun o lungime maximă a promptului. Depășirea poate returna eroare sau truncare.

Altele pot să nu aibă limită documentată sau să folosească valorile implicite ale serverului.

Limite fișiere de intrare (imagini și video):

Pentru image-to-video și image-to-image, source_media_urls este o listă de URL-uri. Majoritatea modelelor acceptă doar imagini (JPEG, PNG, WebP, de obicei 10 MB max per fișier). Unele modele acceptă și intrări video; când acceptă, se aplică limite de format și mărime (ex. MP4, durată max).

Folosește get_models pentru a confirma input_media_types și capabilitățile pentru un model dat. Vezi Instrumente cont pentru listă modele și prețuri.

Kling 3.0 – elemente (opțional):

Elementele permit referențierea imaginilor sau videoclipurilor în prompt cu @element_name. Trimite kling_elements ca array de obiecte cu name, description și fie element_input_urls (2–4 URL-uri imagine) fie element_input_video_urls (1 URL video). Imaginile de referință pentru fiecare element vin din element_input_urls propriu; image_urls principal poate rămâne gol pentru text-to-video, sau să țină cadre opționale de start/end pentru image-to-video. Fiecare element necesită titlu (name) și descriere. Imagini element: JPG/PNG, min 300×300px, max 10MB fiecare. Video element: MP4/MOV, max 50MB.

Seedance 2 (ByteDance) – două familii de modele, două moduri, referințe multimodale:

Seedance 2 este livrat pe Kubeez ca trei familii de modele separate: seedance-2-fast (ieftin, rapid), seedance-2 (standard, calitate mai mare) și seedance-2-mini (cel mai ieftin, ~50% sub Fast, doar 480p/720p). Fiecare familie expune model_ids concrete per rezoluție și combinație cu video de referință; pasează varianta completă (ex. seedance-2-fast-480p, seedance-2-mini-720p, seedance-2-720p-video-ref). Pasarea doar a etichetei de familie întoarce o eroare variant_required cu opțiunile disponibile. Standard acoperă 480p, 720p, 1080p și 4K (ids de variantă seedance-2-480p / -720p / -1080p / -4k, fiecare și cu forma -video-ref); Fast și Mini doar 480p și 720p. Durată întreg între 4 și 15 secunde, și aspect ratios 1:1, 4:3, 3:4, 16:9, 9:16, 21:9 și adaptive. Prompt-ul maxim este 4.000 de caractere. Audio-ul se comută prin generate_audio (implicit true) și este gratuit, spre deosebire de Kling 3.0, care aplică un surcharge pentru audio.

Două moduri:

Limite stricte (aplicate ca erori 400):

• 3 videouri de referință → too_many_videos

• 3 clipuri audio de referință → too_many_audios

• 9 imagini de referință → too_many_images

• Durata combinată a videourilor de referință > 15s → respinsă
• Durata combinată a clipurilor audio de referință > 15s → respinsă
• Un singur fișier video sau audio de referință mai lung de 15s → respins

Două căi de facturare (important):

Seedance 2 are două formule de cost, alese în funcție de prezența sau absența unui video de referință:

• Fără video de referință:

  credits = output_s × rate/s
  

• Cu video de referință (ruta providerului upstream):

  credits = (ref_s + output_s) × rate/s
  

  unde ref_s este suma duratelor tuturor videourilor de referință, limitată la 15 secunde per cerere.

Notă importantă pentru utilizatorii MCP și REST API: Backend-ul nu poate interoga durata unui video de la distanță dintr-un URL, așa că, pentru cererile cu video de referință primite prin MCP sau REST API, facturează cel mai pesimist caz (15 secunde) pentru ref_s. Web UI-ul Kubeez măsoară durata local și facturează valorile exacte. Pentru workflow-uri sensibile la cost cu clipuri de referință scurte, recomandăm să folosești web UI-ul.

Tarife per secundă, în timp real (extrase din catalogul ai_models_config — mereu la zi):

<a id="seedance-2-5"></a>

Seedance 2.5: cadre lungi dintr-o bucată și multe referințe:

Seedance 2.5 este cea mai nouă generație Seedance și un model separat de familia Seedance 2.0 de mai sus, cu reguli proprii. Alege-l pentru un clip lung dintr-o singură bucată (până la 30 de secunde într-o generare, fără lipire), pentru lucru intens cu referințe multiple sau când utilizatorul vrea cel mai recent model. Alege un tier 2.0 când e nevoie de 4K sau de cel mai mic tarif per secundă.

• Id-uri de variantă: seedance-2-5-480p, seedance-2-5-720p, seedance-2-5-1080p și aceleași trei cu -video-ref pentru cererile cu video de referință. Un seedance-2-5 simplu întoarce variant_required. Nu există 4K pe 2.5.
• Durată: întreg între 4 și 30 de secunde. Raporturi de aspect: 1:1, 4:3, 3:4, 16:9, 9:16, 21:9, adaptive. Prompt: maximum 10.000 de caractere.
• Text-to-video: până la 30 de imagini, 10 videoclipuri și 10 clipuri audio, toate opționale. Pune toate URL-urile în source_media_urls; fiecare e clasificat după extensie. În prompt le numești @Image 1, @Video 1, @Audio 1, numerotate în ordine în cadrul fiecărui tip.
• Image-to-video: 1 imagine (primul cadru) sau 2 (primul + ultimul), plus până la 10 clipuri audio. Ieșirea preia mereu raportul de aspect al primului cadru, deci aspect_ratio e ignorat, și nu se acceptă alte imagini sau videoclipuri de referință. Spre deosebire de Seedance 2.0, cererea nu e redirecționată tacit spre text-to-video. Ca să fixezi primul cadru și să păstrezi referințe suplimentare, folosește text-to-video și descrie cadrul în prompt.
• Audio: pornit implicit și gratuit; sound: false costă la fel și doar elimină pista audio.
• Facturare: per secundă de ieșire fără video de referință. Cu video de referință furnizorul numără și secundele de intrare, cu un minim de două treimi din lungimea ieșirii, iar pentru că serverul MCP nu poate măsura un clip de la distanță, facturează cazul cel mai pesimist de 30 de secunde de referință. Cere mereu întâi o cotație cu estimate.

Modul draft (vezi întâi un preview, plătești 1080p doar când cadrul e bun):

1. Randează un draft cu model: "seedance-2-5-480p" (sau seedance-2-5 simplu) și quality: "draft". E un preview 480p facturat ca o randare 480p obișnuită. quality: "draft" pe un id 720p sau 1080p e respins.
2. Când draft-ul e completed, apelează din nou generate_media cu draft_generation_id: "<generation_id-ul draft-ului>". Promptul și modelul sunt ignorate în acest apel: varianta finală refolosește promptul, referințele, durata și raportul de aspect ale draft-ului, se randează la 1080p și se facturează pe rândul seedance-2-5-1080p (sau -1080p-video-ref). Un draft poate fi finalizat timp de 7 zile, iar finalizarea aceluiași draft de două ori întoarce varianta existentă fără o a doua taxare.

<a id="flux-3"></a>

FLUX 3: video cu audio sincronizat:

FLUX 3 randează un clip cu audio sincronizat (ambient, vorbire, efecte) dintr-un singur prompt. Nu există parametru de mod: modul rezultă din ce pui în source_media_urls (vezi tabelul de limite de intrare de mai sus).

• Id-uri: trimite flux-3 simplu și rândul e ales pentru tine din quality (720p implicit, 1080p, 720p-draft sau draft) și din faptul că ai atașat sau nu un video. Poți trimite și un id concret: flux-3-720p, flux-3-1080p, flux-3-720p-draft pentru intrare text și imagine, flux-3-v2v-720p, flux-3-v2v-1080p, flux-3-v2v-720p-draft pentru continuarea unui video. O cerere cu video se facturează mereu pe un rând flux-3-v2v-*, indiferent de id-ul trimis.
• Continuarea costă mai mult. Rândurile -v2v- sunt separate și mai scumpe. Citește fiecare tarif din get_models sau estimate, nu presupune.
• Durată: întreg între 5 și 20 de secunde, obligatoriu. Trimite o durată explicită și pentru storyboard-uri.
• Raporturi de aspect: auto (implicit), 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16.
• Audio: pornit implicit; sound: false costă la fel și doar elimină pista audio.

<a id="kling-3-0-omni"></a>

Kling 3.0 Omni: Transform, Frames și References:

Kling 3.0 Omni este un singur model cu trei benzi, iar id-ul variantei alege banda. Nu există text-to-video: fiecare bandă are nevoie de media în source_media_urls. Storyboard-urile și elements din Kling 3.0 nu sunt disponibile aici.

Toate benzile se facturează pe secundă, fiecare cu tariful ei, iar Frames e mai ieftin decât Transform. Citește tariful exact din get_models sau estimate.

<a id="kling-4-0"></a>

Kling 4.0:

Kling 4.0 este un singur model pentru text-to-video și reference-to-video. Nu trimite nicio media pentru un clip doar din prompt, sau atașează până la 10 imagini de referință și până la 5 videoclipuri de referință (între 3 și 30 de secunde fiecare, maximum 30 de secunde în total), în orice combinație. Ieșirea are între 3 și 30 de secunde, la 720p sau 1080p, cu aspect_ratio auto, 16:9, 9:16, 1:1 sau 21:9. Dacă nu îl setezi, devine auto când ai referințe și 16:9 când nu ai.

În prompt te referi la fișiere cu @image_1, @image_2 și @video_1, @video_2, numerotate în ordinea în care le trimiți. O mențiune care nu corespunde unui fișier atașat (de exemplu @image_3 cu două imagini) e respinsă înainte să se ia vreun credit. Poți trimite și elements cu nume (un subiect descris prin cel puțin 2 imagini sau printr-un video) și până la 3 voices (mostre de 5 până la 30 de secunde), pe care le menționezi în prompt ca @nume; se trimit doar cele menționate. Un element video contează ca video de intrare: mută cererea pe rândul -video, iar secundele lui se adună cu cele ale videoclipurilor de referință. Elementele din imagini și vocile nu costă în plus.

Intrări: trimite imaginile și videoclipurile în source_media_urls, sau separat în reference_image_urls și reference_video_urls. Videoclipurile trebuie să fie MP4 sau MOV și încărcate mai întâi în Kubeez (get_upload_url în MCP, POST /v1/upload/media în REST). Un video cu link de pe alt site e respins cu clip_not_uploaded înainte să se ia vreun credit, pentru că fiecare video se facturează după lungimea măsurată de Kubeez. Păstrezi sunetul original al videoclipurilor cu keep_original_sound: true. kling-4-0 simplu întoarce variant_required; trimite unul dintre cele patru id-uri de mai jos.

Rândurile -video au un tarif pe secundă mai mic, pentru că se facturează și lungimea clipului. Exemplu: 10s de ieșire cu un video de 5s înseamnă 20 de secunde facturate; cu un video de 15s, 25. Mai multe videoclipuri se adună.

Audio: fără video de referință, clipul vine mereu cu sunet generat. Cu video, coloana sonoră e generată, cu excepția cazului în care ceri să păstrezi sunetul original al videoclipurilor.

<a id="omnihuman-2-0"></a>

OmniHuman 2.0:

OmniHuman 2.0 face un portret să vorbească sau să cânte. Trimiți o imagine cu o persoană și un fișier audio (vorbire sau o melodie) și primești un videoclip cu acea persoană, cu buzele sincronizate, la 720p, la fel de lung ca audio-ul. Nu ai durată, rezoluție sau raport de aspect de ales. Promptul e opțional (maximum 300 de caractere) și ghidează scena, mișcarea persoanei și camera.

Fișierul audio trebuie să fie MP3 sau WAV, sub 15 MB, între 4 și 300 de secunde, și încărcat mai întâi în Kubeez (get_upload_url în MCP, POST /v1/upload/media în REST). Kubeez măsoară singur audio-ul și facturează după lungimea lui: secunde întregi, rotunjite în sus, cu o mică toleranță, așa că un fișier care are 5,02 secunde se facturează ca 5. Dacă audio-ul nu poate fi măsurat în acel moment, cererea e refuzată înainte să se ia vreun credit; încearcă din nou peste un minut.

<a id="veo-3-1"></a>

Id-urile Veo 3.1:

Veo 3.1 nu are un id de familie: veo3-1, veo3-1-fast și veo3-1-lite singure nu pot fi apelate, așa că trimite mereu un id complet. Id-ul se compune din trei părți:

Exemple: veo3-1-text-to-video, veo3-1-fast-first-and-last-frames-1080p, veo3-1-lite-reference-to-video-4k. Fiecare clip are fix 8 secunde, cu audio inclus, în 16:9 sau 9:16. Fiecare combinație de tier, mod și rezoluție e un rând cu preț propriu în get_models. Ca să continui un clip terminat, folosește generation_type: "extend" cu source_task_id și extend_model (lite, fast sau quality).

Etichete de familie: un nume de familie singur, de exemplu seedance-2, seedance-2-5, kling-3-0-omni, kling-4-0, gemini-omni-flash sau wan-3-0, întoarce eroarea variant_required cu available_variants și recommended_variant, fără să consume credite. Excepții: p-video și flux-3 acceptă id-ul simplu și aleg rândul din quality, iar seedance-2-5 simplu cu quality: "draft" devine seedance-2-5-480p.

Gemini Omni Video — modelul multi-modal Google:

Gemini Omni Video produce ieșire video cu audio built-in (29 de voci) și acceptă intrări multi-modale (text, referințe de imagine, un singur video de referință opțional). Modelul vine ca 15 variante concrete — alege-o pe cea care se potrivește rezoluției și duratei dorite. 720p și 1080p au același preț; 4K este un tier de preț separat.

Id-uri variantă (pasate la generate_media ca model):

Variantele video-ref preiau durata din clipul sursă tăiat (se folosesc primele 10s; fără parametri de trim expuși). Variantele bazate pe durată acceptă 1–7 referințe de imagine; variantele video-ref acceptă 1 clip sursă (consumă 2 sloturi) + până la 5 referințe de imagine.

Tarifare flat per task. Tarife în timp real (720p și 1080p împart fiecare rând — Google le facturează identic):

#Gemini Omni 1.1 Flash

gemini-omni-flash-* este versiunea 1.1 a aceleiași familii, cu funcția ei edge și cu propriile rânduri de preț. Citește aceleași referințe de imagine, video și personaj și folosește același catalog de 29 de voci. Ce adaugă:

• un nivel 360p. Spre deosebire de 1.0, fiecare rezoluție are aici rândul ei, deci 360p este și cea mai rapidă randare și cea mai ieftină, iar 1080p costă mai mult decât 720p
• un mod primul și ultimul cadru: trimite cadrul de start în source_media_urls și cadrul de final în last_frame_url. Modul este exclusiv — nu poate fi combinat cu imagini de referință suplimentare, cu un video de referință sau cu character_ids, iar trimiterea lor împreună întoarce variant_mismatch.

Id-uri de variantă (se pasează la generate_media ca model):

Parametri specifici Gemini Omni:

Media sursă (source_media_urls): 7 sloturi de referință în total. Un singur video de referință consumă 2 sloturi; fiecare character_id consumă 1 slot; imaginile umplu restul. Maxim 1 video pe cerere; pasarea unui URL video necesită o variantă -video-ref (variantă de durată + video → variant_mismatch). Fereastra clipului-driver este implicit primele 10 secunde; suprascrie cu video_trim_start_s / video_trim_end_s. URL-urile de fișiere audio nu sunt acceptate (returnează unsupported_audio_url); folosește voice_id în schimb.

Tool-uri companion (folosește-le alături de generările Gemini Omni):

Exemplu de cerere (1080p, 6s, vertical, refolosind un personaj salvat + voce aleasă):

{
  "model": "gemini-omni-video-1080p-6s",
  "prompt": "Un barista face un espresso perfect, povestește procesul",
  "aspect_ratio": "9:16",
  "voice_id": "kore",
  "character_ids": ["char_4f2a9b7c"],
  "source_media_urls": ["https://media.kubeez.com/cafe-shot.jpg"]
}

Audio la video (două concepte):

1. capabilities.video_audio în get_models — dacă ieșirea are sunet:
   • included: ieșirea include de obicei pistă audio fără parametrul sound (ex. Veo, Wan, Grok, Motion Control, Gemini Omni Video — acesta expune parametrul voice_id pentru alegerea uneia dintre cele 29 de voci built-in).
   • toggle_via_sound_param — audio generat se pornește/oprește cu sound: true / false (Kling 2.6, Kling 3.0, Seedance 2). Pentru Seedance 2 comutatorul este gratuit (implicit true); pentru celelalte modele prețul poate diferi. Kling 3.0 rutează sound: true către rânduri dedicate -audio în catalog — continui să folosești kling-3-0-std / kling-3-0-pro ca model id și doar comuți sound; serverul alege rândul cu tariful corect. Tarife în timp real:

Tarife per secundă de Motion Control (Kling 3.0 și Kling 2.6):

Seedance 2.5 și FLUX 3 se comută tot prin sound, la fel gratuit. Kling 3.0 Omni Frames și References tarifează audio-ul prin id-urile -audio.

• always_on_flat_rate: audio-ul e produs mereu, iar prețul nu se schimbă (kling-3-0-4k). Parametrul sound e acceptat, dar nu influențează costul.
• silent — fără audio generat (doar Seedance 1.0 / v1-pro-fast-i2v).

2. supports_sound — înseamnă doar că API-ul acceptă comutatorul sound pentru acel model; nu înseamnă că celelalte modele video sunt fără sunet; majoritatea au video_audio: included.

Modelele doar imagine ignoră sound.

#Upscale

Refaci o imagine existentă la o rezoluție mai mare, cu detalii mai clare, păstrând compoziția, culorile și conținutul. Apelează generate_media cu upscale-1k, upscale-2k sau upscale-4k și pune imaginea în source_media_urls. prompt e cerut de schemă, dar e ignorat, la fel ca aspect_ratio și negative_prompt. Rezultatul e un PNG.

• Intrare: exact un URL public .jpg / .jpeg / .png / .webp. Un URL de output dintr-o generare anterioară merge direct; pentru un fișier local apelează întâi get_upload_url(model_id="upscale-2k").
• Nivel: îl alegi prin id-ul modelului sau trimiți model: "upscale" cu resolution: "1K", "2K" sau "4K".
• Tarifare: fix per imagine, câte un preț pentru fiecare nivel. Apelează estimate pentru prețul exact și confirmă cu utilizatorul înainte.
• Unde: deocamdată doar prin MCP. API-ul REST nu rulează încă upscale.

Dacă vrei să schimbi ce apare în imagine, nu rezoluția, folosește un model image-to-image.

#API REST: URL-uri pentru fișiere locale sau din browser

Dacă folosești API-ul HTTP (POST /v1/generate/media) și intrările sunt fișiere pe disc sau selectate în browser—nu URL-uri publice deja—încarcă mai întâi fiecare fișier cu POST /v1/upload/media. Folosește valorile din urls ca source_media_urls.

<a id="trim_video"></a>

#trim_video

Taie o fereastră din orice URL video accesibil public și găzduiește clipul tăiat. Kubeez gestionează trim-ul server-side și returnează un url public pe care îl pasezi direct la generate_media ca valoare în source_media_urls.

Când să folosești acest tool:

• Video-ul sursă al utilizatorului este mai lung decât limita modelului pentru clipul de referință și vrei rezultate deterministe în loc să te bazezi pe trim-ul providerului.
• Vrei să folosești o fereastră specifică dintr-un asset mai lung (ex. „folosește secundele 5–12, nu primele 10").
• Înlănțuiești mai multe generări și vrei un singur URL canonic tăiat reutilizabil în mai multe apeluri.

Limite per model (sari peste trim când sursa deja se încadrează):

Parametri:

Returnează: { url, size_bytes, duration_s, start_s, end_s, elapsed_s }. url este un link public găzduit Kubeez care indică spre bucket-ul media-inputs din Supabase storage, safe de folosit ca valoare source_media_urls. Clipurile tăiate stau în același bucket cu inputurile încărcate de utilizator și împart aceeași curățare automată săptămânală — tratează-le ca efemere, nu ca asset permanent.

Flux tipic (Gemini Omni Video cu sursă lungă de la utilizator):

1. get_upload_url(model_id="gemini-omni-video-1080p-video-ref")
       → pagină upload presemnată
2. (utilizatorul încarcă clipul de 25s prin link)
3. get_upload_session(token) → { media_urls: ["https://.../source.mp4"] }
4. trim_video(source_url=media_urls[0], start_s=5, end_s=15)
       → { url: "https://.../trims/<uuid>.mp4", duration_s: 10 }
5. generate_media(
       model="gemini-omni-video-1080p-video-ref",
       prompt="...",
       source_media_urls=[<url-ul tăiat>]
   )

Trim standalone (URL-ul sursă e deja public — fără pas de upload):

trim_video(source_url="https://media.kubeez.com/<asset>.mp4", start_s=0, end_s=8)
       → { url, duration_s: 8 }
generate_media(model="kling-3-0-motion-control-1080p", source_media_urls=[<imagine>, <url-ul tăiat>], ...)

Erori:

Exemplu de cerere:

{
  "source_url": "https://media.kubeez.com/u123/uploads/long-take.mp4",
  "start_s": 5.2,
  "end_s": 14.7
}

Exemplu de răspuns:

{
  "url": "https://<project>.supabase.co/storage/v1/object/public/media-inputs/u123/trims/abc.mp4",
  "size_bytes": 1245678,
  "duration_s": 9.5,
  "start_s": 5.2,
  "end_s": 14.7,
  "elapsed_s": 1.83
}

Precizie pe frame: -c copy aliniază startul efectiv la cel mai apropiat keyframe precedent (deplasare ≤ 1 GOP, de obicei ≤ 1s). Comportament identic cu stream-copy-ul nativ MP4 din web UI. Pentru tăieri precise pe frame, re-encodează sursa în prealabil — compromisul fiind o operațiune mai lentă și cu pierderi, pe care o evităm deliberat aici.

Nu păstra output-ul: URL-ul indică spre bucket-ul media-inputs care e curățat săptămânal. Dacă ai nevoie ca clipul tăiat să supraviețuiască următoarei generări, folosește manage_library(kind="asset", action="add", ...) pentru a-l copia în Biblioteca de Assets permanentă a utilizatorului.

#remove_background

Decupează subiectul dintr-o imagine. Output-ul e un PNG cu fundal transparent real (alpha), motiv pentru care nu ceri niciodată unui model de imagine „fundal transparent”: modelele de imagine coc un fill alb sau de tip tablă de șah în pixeli. Nu primește niciun prompt: e o operație pe o imagine existentă, nu un model generate_media.

Se taxează fix per imagine. Apelează estimate cu model: "remove-background" pentru prețul exact și confirmă cu utilizatorul înainte.

Parametri:

Răspuns: { generation_id, status: "pending" }. Consultă get_status până la completed; URL-ul de output e PNG-ul decupat.

#regenerate

Re-rulează o generare media anterioară cu suprascrieri opționale. Promptul, modelul, aspect ratio, source_media_urls și durata rândului original sunt reutilizate dacă nu le suprascrii. Doar media — muzica, separarea și dialogul trebuie apelate din nou din instrumentul original.

Costul e identic cu o generare nouă, deci confirmă cu utilizatorul înainte, mai ales pentru modelele video taxate pe durată.

Parametri:

#get_status

Consultă orice job după id — generare media, generare muzică sau separare audio. Serverul dispecerizează automat după id, deci un singur instrument acoperă toate trei.

Parametri:

Răspuns: kind (ce a rezolvat id-ul), status (pending, queued, processing, completed, failed), progress și, în funcție de kind, un array outputs (url, thumbnail_url, optimized_url, media_type, dimensiuni), un array songs, sau vocals_url + instrumental_url. error_message la eșec.

#estimate

Previzualizează și costul în credite și timpul de procesare al unei generări, fără să deducă nimic. Nu pornește niciun job. Obligatoriu pentru orice model taxat pe durată: citează numărul utilizatorului și așteaptă confirmarea, pentru că o generare finalizată nu poate fi rambursată.

Parametri:

Răspuns: credits (estimated_credits, mode, rate_per_second, explanation, pessimistic) și time (estimated_seconds, source). Când credits.pessimistic e true suma reală taxată poate fi mai mică — pune utilizatorul să re-încarce prin get_upload_url ca durata să fie măsurată, apoi estimează din nou.

#Reguli modele

• Text-to-image și text-to-video: Nu trimite source_media_urls (decât dacă modelul suportă o imagine de referință opțională).
• Image-to-video și image-to-image: Trimite URL-uri imagine (și când e suportat, video) în source_media_urls. Majoritatea modelelor au nevoie doar de imagini; unele (ex. Kling 2.6 Motion Control) necesită 1 imagine + 1 video. Respectă limitele de intrare ale fiecărui model de mai sus.
• Audio video: Folosește capabilities.video_audio din get_models. included: audio fără parametrul sound. toggle_via_sound_param: sound este implicit true; trimite false doar când utilizatorul cere un clip fără sunet (Kling 2.6, Kling 3.0, Seedance 2.5, FLUX 3, Kling 3.0 Omni). always_on_flat_rate: audio mereu pornit, la un singur preț (kling-3-0-4k). silent: fără audio generat (doar Seedance 1.0). Nu deduce „fără audio” doar din supports_sound: false.
• Folosește get_models pentru a vedea ce modele suportă ce tipuri de generare, input_media_types (ex. image, video) și numărul necesar de intrări.

Vezi Limitări pentru limite de rată și credite. Pentru un singur tabel cu valorile implicite API (prompt, intrări, durată, flag-uri), vezi Cerințe modele API.