Xerador de películas IA

Escriba unha idea de historia en inglés simple. Un director de IA (Qwen 3- 30B) escribe un guión de varias escenas, logo un modelo de vídeo (CogVideoX ou HunyuanVideo) renderiza cada escena como un clip curto, e ffmpeg consúmeos nun filme continuo. Obtén un único MP4 de 10- 30 segundos que cobre 2- 6 escenas, moito máis próximo a un filme curto real que un texto a vídeo de unha toma.

As ferramentas de texto a vídeo de unha toma (CogVideoX, HunyuanVideo) só xestionan un único clip de 4- 6 segundos; os personaxes e as configuracións vanse xerando por separado porque cada clip non ten memoria dos outros. O Xerador de películas encadea un director LLM por riba deses modelos, planea un guión coherente escena por escena e concatenará a saída. Mellor para historias. / vídeo/ xerar/ é aínda mellor para unha soa toma.

Libera ata o teu fondo diario de tokens (30. 000 tokens/ día para usuarios rexistrados, 2. 500 para anónimos). Un filme de 3 escenas na calidade CogVideoX custa ~15. 500 tokens, polo que normalmente precisa de créditos comprados — $5 compra 200K tokens, o suficiente para ~13 filmes. Premium HunyuanVideo duplica o custo por escena a cambio de detalles máis nítidos.

CogVideoX executa ~60- 90 segundos por escena; HunyuanVideo executa ~120- 180 segundos por escena. Un filme de CogVideoX de 3 escenas normalmente remata en 3- 5 minutos; un filme de HunyuanVideo de 5 escenas en 12- 15 minutos. A barra de progreso mostra en directo que escena está a renderizar.

Parcialmente. O director escribe descricións consistentes dos personaxes en cada mensaxe de escena (« unha moza de pelo vermello, que leva un abrigo verde »), o que mantén as caras e os traxes na mesma familia. Pero os modelos de vídeo subxacentes non teñen verdadeira memoria dos personaxes — aínda son comúns pequenas variacións na forma da cara e nos detalles dos traxes. Para unha consistencia perfecta precisaría do condicionamento do adaptador IP, que está no noso plan.

Cinemático cálido, inspirado no anime / Ghibli, documental portátil, noir moody, estilo 3D Pixar, vintage 35mm, ciencia ficción cyberpunk, fantasía etérea. Cada estilo inclina a linguaxe de escena do director e a representación do modelo de vídeo cara a ese aspecto. Os estilos personalizados son soportados mediante chamadas API directas.

Aínda non na interface de usuario: a V1 xera o guión e renderiza as escenas nunha soa toma. O punto final / v1/ vídeo/ película/ guión/ (só para guións) está no mapa para os usuarios que queiran iterar no guión antes de queimar o tempo de renderizaxe. Por agora, os avisos da escena aparecen na páxina de resultados para que poida ver o que se xerou.

10- 30 segundos en total en V1 (2- 6 escenas × 4 segundos cada unha). Os filmes máis longos encadearían proporcionalmente máis escenas, o que é posíbel pero caro (~ 5. 000 tokens por escena en CogVideoX, ~ 10. 000 en HunyuanVideo). Para filmes de máis de 1 minuto recoméndase renderizar as escenas individuais en / video/ generate/ e editalos vostede mesmo en DaVinci ou CapCut.

V1 sae un vídeo mudo. Para a voz, execute o script a través de / voice/ tts/ cunha voz de narrador e engada a pista de son en DaVinci / CapCut / iMovie. Para unha banda sonora, / music/ generate/ produce pistas instrumentais libres de dereitos. A xeración de son sincronizado nativo está no mapa (depende de modelos premium como Veo ou xeración de audio ao estilo Sora).

Si, cada xeración crea unha ligazón de compartición única en / share/ < token > / que dura 7 días para os usuarios de pago (24h para os anónimos). O token non se pode borrar (URL seguro de 22 caracteres), e a páxina de compartición renderiza o vídeo con subtítulos opcionais. A mesma experiencia de usuario que o resto da plataforma.

Runway Gen- 3 ($15/ mes como mínimo, un único clip de texto a vídeo, saída fermosa pero sen planificación de historia), Sora (aínda só para invitados, calidade excepcional), Veo (Google, só API premium). Producen clips individuais máis nítidos. O xerador de filmes é a capa de guión+punto enriba dos modelos libres de código aberto — mellor cando precisa un arco de historia, peor cando precisa unha única toma perfecta de 10 segundos. Use ambos: escriba o guión aquí, pague por un clip de Sora se unha toma específica precisa calidade de revista.

Si — POST / v1/ vídeo/ película/ con {idea, estilo, número_ escenas, modelo_ vídeo}. Devolve {output_ url, escenas, share_ url, tokens}. Punto final con fila pesada, espere 3- 15 min dependendo do número de escenas + modelo. Autenticación do portador mediante chaves de desenvolvedor. Consulte / api / para obter fragmentos completos e o punto final de progreso de / v1/ vídeo/ película/ status /.