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-1.1",
    "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-1.1",
    "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-1.1 はテキストから動画 / 画像から動画 / 参照画像から動画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
ルーティング優先度（高→低）：first_frame_image > image_urls > prompt のみ。 フィールド排他ルール：2 つのメディアフィールド（first_frame_image / image_urls）は相互排他です。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-1.1 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 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）：1〜9 枚、被写体／スタイル参照として新しいシーンを生成URL または base64 に対応first_frame_image と相互排他
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：1〜9 枚
​
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
​
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 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）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-1.1",
  "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-1.1",
  "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-1.1",
  "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-1.1",
  "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 5：720P で料金節約

{
  "model": "happyhorse-1.1",
  "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
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。2 つのメディアフィールド（first_frame_image / image_urls）は相互排他です
  2. size は T2V/R2V のみ有効：I2V 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
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。