Generación de vídeo

Crea vídeos con Seedance, Kling, Omni, Wan, Grok, Veo, Vidu, PixVerse y MiniMax a partir de un prompt, de un primer fotograma (y, si quieres, uno final) o de imágenes de referencia, vídeos y audio. Los vídeos tardan unos minutos, así que lanzas uno y vuelves a consultarlo.

Iniciar, consultar, descargar

import os, time, requests
API = "https://api.zurelay.com/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['ZURELAY_API_KEY']}"}
# 1. Start the video
response = requests.post(f"{API}/videos", headers=HEADERS, json={
    "model": "seedance-2.0",
    "prompt": "A paper boat drifting down a rain-soaked street at night, neon reflections, slow dolly shot",
    "seconds": 5,
    "resolution": "720p",
    "aspect_ratio": "16:9",
})
response.raise_for_status()  # a 4xx says what to fix
job = response.json()
# 2. Poll until it's done (usually 2 to 6 minutes)
while job["status"] in ("queued", "in_progress"):
    time.sleep(10)
    job = requests.get(f"{API}/videos/{job['id']}", headers=HEADERS).json()
if job["status"] == "failed":
    raise SystemExit(job["error"]["message"])
# 3. Download the MP4
video = requests.get(f"{API}/videos/{job['id']}/content", headers=HEADERS)
open("boat.mp4", "wb").write(video.content)

Todos los modelos de vídeo funcionan igual: cambia model y la petición sigue siendo la misma. Las guías de cada modelo explican para qué destaca cada uno: Seedance, Kling, Wan, Grok Imagine, Omni Flash, MiniMax H3, Veo, Vidu y PixVerse.

Parámetros

Empezar desde imágenes

Primer y último fotograma

Anima una imagen fija: el vídeo empieza exactamente en first_frame. Añade last_frame y termina en esa imagen, así controlas ambos extremos del plano. MiniMax starts a partir de imágenes de referencia.

{
  "model": "seedance-2.0",
  "first_frame": "https://example.com/storefront-day.jpg",
  "last_frame": "https://example.com/storefront-night.jpg",
  "prompt": "Time passes from afternoon to night; lights come on inside the shop.",
  "seconds": 6,
  "resolution": "720p"
}

Imágenes de referencia

Indica hasta 10 imágenes (Seedance up to 9, Kling up to 10, Omni up to 10, Wan up to 10, Grok up to 3, MiniMax up to 9; Veo, Vidu y PixVerse take none) y menciónalas en el prompt por orden (@Image1, @Image2…): las personas, productos y lugares que aparecen en ellas saldrán en el vídeo.

{
  "model": "seedance-2.5",
  "reference_images": [
    "https://example.com/chef.jpg",
    "https://example.com/kitchen.jpg",
    "https://example.com/dish.jpg"
  ],
  "prompt": "The chef from @Image1 plates the dish from @Image3 in the kitchen from @Image2, close-up, warm light.",
  "seconds": 8,
  "resolution": "720p",
  "aspect_ratio": "9:16"
}

Vídeos y audio de referencia

Da vídeos para tomar el aspecto y los movimientos de una persona, un movimiento de cámara o una escena, y audio para una voz, una melodía o efectos de sonido. Menciónalos en el prompt por orden, igual que con las imágenes: @Video1, @Audio1. Se combinan con imágenes de referencia, pero no con un primer fotograma.

{
  "model": "seedance-2.5",
  "reference_images": ["https://example.com/singer.jpg"],
  "reference_videos": ["https://example.com/dance-moves.mp4"],
  "reference_audio": ["https://example.com/chorus.mp3"],
  "prompt": "The singer from @Image1 performs the dance from @Video1 on a rooftop at dusk, singing to @Audio1.",
  "seconds": 8,
  "resolution": "720p"
}

El modelo lee cada segundo de un vídeo de referencia, así que esos segundos también se facturan, a una parte del precio de un segundo: un vídeo de 5 s con una referencia de 10 s cuesta sus 5 segundos más 10 segundos de referencia. El audio de referencia no cuesta nada extra. Cada objeto de vídeo muestra los segundos de referencia facturados (reference_seconds).

Editar y ampliar un vídeo

Ajusta reference_mode a edit para modificar un vídeo de referencia (cambiar una persona u objeto, añadir o quitar algo, cambiar la música), o a extend para continuarlo hacia delante o hacia atrás. Di qué hacer en el prompt: «Replace the car in @Video1 with the one in @Image1», «Continue @Video1 as the dancer leaves the stage».

• Una edición mantiene la forma y la duración del vídeo, así que omite aspect_ratio y seconds. Se factura según el vídeo de referencia más largo, que debe durar entre 4 y 30 segundos.
• Una ampliación mantiene la forma del vídeo; seconds define cuánto dura el vídeo nuevo.
• Sin reference_mode el modelo decide a partir del prompt, y un prompt que se lee como una edición con seconds o aspect_ratio definidos puede fallar (los vídeos fallidos son gratis).

Reglas para las imágenes

• PNG, JPEG o WebP, como enlace https público o data URL, hasta 10 MB.
• Entre 300 y 6000 píxeles por lado, y sin una proporción mayor que 5:2. Las data URLs que no cumplan esto se rechazan de entrada con un mensaje que explica por qué. Los enlaces se leen cuando empieza el vídeo: uno que no sea una imagen válida hace fallar el vídeo con invalid_image, sin coste.
• Fotogramas o referencias, no ambos en una misma petición.
• Las peticiones son JSON: las imágenes van como enlaces o data URLs, no como subidas multipart.

El objeto de vídeo

{
  "id": "video_abc123",
  "object": "video",
  "model": "seedance-2.0",
  "status": "completed",
  "progress": 100,
  "created_at": 1790870400,
  "completed_at": 1790870562,
  "expires_at": 1793462400,
  "seconds": 5,
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "size": "1280x720",
  "generate_audio": true,
  "url": "https://...signed link...",
  "url_expires_at": 1790956962,
  "cost": 1.035,
  "error": null
}

Otros endpoints

Pagar por vídeo

Un vídeo cuesta su precio por segundo (según la resolución) multiplicado por su duración; Kling y PixVerse cost menos por segundo sin sonido; los vídeos de referencia suman sus segundos a parte de ese precio. Al iniciarlo, su precio se reserva de tu saldo; se cobra cuando el vídeo termina y se libera si falla. Un vídeo fallido es gratis.