メインコンテンツへスキップ
POST
/
v1
/
videos
/
generations
curl --request POST \
  --url https://api.apimart.ai/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "happyhorse-1.0",
    "prompt": "道を歩く少女、映画のような映像",
    "resolution": "1080P",
    "size": "16:9",
    "duration": 5,
    "seed": 42
  }'

{
  "code": 200,
  "data": [
    {
      "status": "submitted",
      "task_id": "task_01J9HA7JPQ9A0Z6JZ3V8M9W6PZ"
    }
  ]
}

curl --request POST \
  --url https://api.apimart.ai/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "happyhorse-1.0",
    "prompt": "道を歩く少女、映画のような映像",
    "resolution": "1080P",
    "size": "16:9",
    "duration": 5,
    "seed": 42
  }'

{
  "code": 200,
  "data": [
    {
      "status": "submitted",
      "task_id": "task_01J9HA7JPQ9A0Z6JZ3V8M9W6PZ"
    }
  ]
}

​
認証

​
Authorization
string
必須
すべてのAPIエンドポイントでBearer Token認証が必要ですAPIキーの取得：APIキー管理ページからAPIキーを取得してくださいリクエストヘッダーに追加：
Authorization: Bearer YOUR_API_KEY

​
モードルーティング

happyhorse-1.0 はテキストから動画 / 画像から動画 / 参照画像から動画 / 動画編集の統一エンドポイントです。バックエンドが受信したパラメータに基づいて自動的にモードを判定します。全モードは統一ルール（解像度 × 秒）で課金されます：
渡すフィールドルーティング先モード説明
prompt のみテキストから動画（T2V）テキスト説明のみから動画生成
prompt + first_frame_image画像から動画（I2V）画像を先頭フレームとして動かす
prompt + image_urls（1〜9 枚）参照画像から動画（R2V）一連の参照画像から新しいシーンを生成
prompt + video_url（任意で image_urls 0〜5 枚をスタイル参照 / audio_setting）動画編集（EDIT）元動画の改変・スタイル変換
ルーティング優先度（高→低）：video_url > first_frame_image > image_urls > prompt のみ。 フィールド排他ルール：3 つのメディアフィールド（first_frame_image / image_urls / video_url）はペアで相互排他です。唯一の有効な組み合わせは video_url + image_urls（EDIT モード + 参照画像）です。排他フィールドを同時指定すると 400 mixed_media_not_allowed が返されます。

​
リクエストパラメータ

​
model
string
必須
動画生成モデル名。happyhorse-1.0 で固定
​
prompt
string
動画内容の説明、最大 2500 文字。特殊トークンを含めることはできません
  • T2V / R2V / EDIT モード：必須
  • I2V モード：任意だが、カメラワークやアクションの指示のため推奨
例："道を歩く少女、映画のような映像"
​
first_frame_image
string
先頭フレーム画像。I2V（画像から動画）をトリガー。URL または base64（data:image/<mime>;base64,<payload>、ゲートウェイが自動的に OSS にアップロード）に対応image_urls / video_url と相互排他
先頭フレーム画像の要件：
  • フォーマット：JPEG / JPG / PNG / BMP / WEBP
  • 短辺ピクセル：≥ 300px
  • アスペクト比：1:2.5 〜 2.5:1
  • ファイルサイズ：≤ 10MB
​
image_urls
array<string>
画像配列：
  • R2V モード（image_urls のみ指定）：1〜9 枚、被写体／スタイル参照として新しいシーンを生成
  • EDIT モード（video_url と併せて指定）：0〜5 枚、スタイル参照画像として使用
URL または base64 に対応first_frame_image と相互排他、video_url とは併用可能
参照画像の要件：
  • フォーマット：JPEG / JPG / PNG / BMP / WEBP
  • 短辺ピクセル：≥ 720p 推奨
  • アスペクト比：短辺／長辺 ≥ 0.4
  • ファイルサイズ：≤ 10MB
  • 枚数：R2V は 1〜9 枚必須、EDIT は最大 5 枚
​
video_url
string
ソース動画 URL。EDIT（動画編集）をトリガー。base64 は非対応、HTTP/HTTPS 直リンクを指定してくださいfirst_frame_image と相互排他、image_urls（≤ 5 枚）とは併用可能
ソース動画の要件：
  • 長さ：3〜60 秒（> 15s の場合、上流が 0 から 15s まで自動切り出し）
  • 解像度：最小 480p、短辺 ≥ 360
  • アスペクト比：1:8 〜 8:1
  • フォーマット：MP4 / MOV（H.264 推奨）
  • フレームレート：> 8 fps
  • ファイルサイズ：≤ 100MB
EDIT モードでは生成動画の長さがソース動画と同一になります（ソースが 15 秒を超える場合は切り出された 15 秒で計算）。このとき duration パラメータは無効です。出力の長さを制御したい場合は、アップロード前にソース動画を目的の長さにトリミングしてください。
​
audio_setting
string
デフォルト:"auto"
音声設定。EDIT モードのみ有効（video_url の指定が必須）選択肢：
  • auto - 自動生成音声（デフォルト）
  • origin - 元動画の音声トラックを保持
EDIT モード以外で本フィールドを指定すると 400 audio_setting_only_for_edit が返されます
​
resolution
string
デフォルト:"1080P"
動画解像度（課金に影響）選択肢：
  • 720P - 標準
  • 1080P - 高解像度（デフォルト）
​
duration
integer
デフォルト:"5"
動画の長さ（秒、課金に影響）対応範囲：3〜15 の任意の整数デフォルト：5
EDIT モード（video_url を指定）では本パラメータは無効です：生成動画の長さはソース動画と同一になります（ソースが 15 秒を超える場合は切り出された 15 秒で課金）。出力の長さを制御したい場合は、事前にソース動画をトリミングしてください。
​
size
string
デフォルト:"16:9"
画面のアスペクト比対応フォーマット：
  • 16:9 - 横向きワイド（デフォルト）
  • 9:16 - 縦向き
  • 1:1 - 正方形
  • 4:3 - 横向き
  • 3:4 - 縦向き
I2V / EDIT モードでは無視されます — 出力アスペクト比は入力メディア（先頭フレーム画像 / ソース動画）により自動決定されます
​
watermark
boolean
デフォルト:"false"
生成された動画にウォーターマークを追加するかどうか
  • true：ウォーターマークを追加
  • false：ウォーターマークを追加しない（デフォルト）
​
seed
integer
生成内容のランダム性を制御するシード範囲：[0, 2147483647]。省略時はランダム
  • 同一リクエストで異なるseed値を受け取ると（seedを指定しない場合など）、異なる結果が生成されます
  • 同一リクエストで同じseed値を受け取ると、類似した結果が生成されますが、完全一致は保証されません

​
レスポンス

​
code
integer
レスポンスステータスコード。成功時は 200
​
data
array
レスポンスデータ配列

​
使用例

​
例 1：テキストから動画 T2V（最小リクエスト）

{
  "model": "happyhorse-1.0",
  "prompt": "道を歩く少女、映画のような映像"
}

​
例 2：テキストから動画 T2V（フルパラメータ）

{
  "model": "happyhorse-1.0",
  "prompt": "夕日に照らされた海沿いの道路、スローモーションのカメラプッシュイン、映画のような映像",
  "resolution": "1080P",
  "size": "16:9",
  "duration": 8,
  "seed": 42
}

​
例 3：画像から動画 I2V（first_frame_image）

{
  "model": "happyhorse-1.0",
  "prompt": "画像のシーンを動かしてください",
  "first_frame_image": "https://example.com/first_frame.png",
  "resolution": "1080P",
  "duration": 5
}

​
例 4：参照画像から動画 R2V（複数参照画像）

{
  "model": "happyhorse-1.0",
  "prompt": "画像1の主人公が画像2のシーンを駆け抜け、その後画像3の道具を手に取る。3D カートゥーン風で、滑らかなアクションを保つ。",
  "image_urls": [
    "https://example.com/img_01.jpg",
    "https://example.com/img_02.png",
    "https://example.com/img_03.jpeg"
  ],
  "resolution": "1080P",
  "size": "16:9",
  "duration": 5
}

​
例 5：動画編集 EDIT（元音声保持 + スタイル参照）

{
  "model": "happyhorse-1.0",
  "prompt": "動画内のキャラクターをカートゥーン風に変換しつつ、元の動きを保持する",
  "video_url": "https://example.com/source.mp4",
  "image_urls": [
    "https://example.com/style_ref.jpg"
  ],
  "resolution": "1080P",
  "audio_setting": "origin",
  "seed": 42
}

​
例 6：720P で料金節約

{
  "model": "happyhorse-1.0",
  "prompt": "夕日の浜辺に打ち寄せる波",
  "resolution": "720P",
  "size": "16:9",
  "duration": 5
}

​
モード選択ガイド

要件推奨方法
テキストのみから動画生成prompt のみ指定（T2V）
画像を”動かす”（先頭フレームとして使用）first_frame_image を指定（I2V）
一連の参照画像から新しいシーンを生成image_urls（1〜9 枚、R2V）を指定
既存動画の改変・スタイル変換video_url（EDIT）を指定、image_urls 0〜5 枚をスタイル参照として併用可
料金節約resolution: "720P" を指定

​
使用上のヒント

  1. 統一エンドポイントの動作：渡されたフィールドでモードが決まります。3 つのメディアフィールド（first_frame_image / image_urls / video_url）はペアで相互排他です
  2. size は T2V/R2V のみ有効：I2V / EDIT モードでは size が無視され、出力アスペクト比は入力メディアにより決定されます
  3. 長さ：5〜10 秒が最適。短すぎると動きが不連続、長すぎると上流処理時間が大幅に増加します
  4. 先頭フレーム画像の品質：鮮明、構図が明確、被写体が中央 — I2V の効果が大きく向上します
  5. プロンプト記述：動き / カメラワーク / 雰囲気を記述（例「ゆっくりプッシュイン、映画のような、暖色」）すると、静的なシーン記述のみより良い結果になります
  6. EDIT 入力動画：> 15 秒の場合、上流が 0 から 15s まで自動切り出します。他のセグメントが必要な場合は事前に動画を分割してください
タスク結果の取得動画生成は非同期タスクで、送信時に task_id が返されます。タスクステータス取得 エンドポイントで生成進捗と結果を取得してください。