Maisi-AI API Doc
首页全部OpenAI语言模型图像模型视频模型
音频模型
首页全部OpenAI语言模型图像模型视频模型
音频模型
  1. 视频模型
  • 国产视频模型说明文档
  • Grok-video视频
    • Grok提交视频生成
      POST
    • Grok查询任务状态
      GET
    • Grok下载视频接口
      GET
  • Seedance-2.0视频
    • SeeDance2系列视频生成说明
    • 文生视频
      POST
    • 首尾帧生成视频
      POST
    • 多图参考生成
      POST
    • 多模态视频生成
      POST
    • 官方格式参数生成
      POST
    • 查询视频生成结果
      GET
  1. 视频模型

国产视频模型说明文档

文档说明，必须看！#

生视频渠道接入说明（完整）#

本文档用于给用户直接使用，覆盖：
渠道创建与密钥格式
文生、图生、参考图、参考视频、首尾帧、动作控制、数字人、对口型、模板特效
参数说明与优先级
计费模型命名与默认价格映射约定

1. 接口与鉴权#

统一使用网关接口（不直接调用云 Action API）：
提交任务：POST /v1/videos
查询任务：GET /v1/videos/{task_id}
获取视频内容：GET /v1/videos/{task_id}/content
渠道密钥格式：
SubAppId|SecretId|SecretKey
SubAppId|SecretId|SecretKey|Region（可选 Region）

2. 模型与命名#

用户请求 model 推荐传基础模型（例如 Kling-2.6、Vidu-q2-pro、GV-3.1-fast）。
也支持直接传组合计费模型（例如 kling-3.0-omni-1080p-ref-audio、vidu-q2-pro-reference-1080p-offpeak），网关会自动还原为上游 ModelName/ModelVersion 并补齐相关参数。
网关会做两件事：
1.
规范化上游模型名（发云时）：
Kling / Vidu / GV / OS / Hailuo / Hunyuan / Mingmou / SV / JV
2.
根据参数拼接内部计费模型键（用于匹配默认价格）。

2.1 模型名字含义（给用户）#

基础模型名：
Vidu-*：Vidu 系列模型
Kling-*：可灵系列模型
GV-*：GV 系列模型
OS-*：OS 系列模型
Hunyuan-*：混元系列模型
Mingmou-*：明眸系列模型
Hailuo-*：海螺系列模型
SV-*：SV 系列模型
JV-*：JV 系列模型
组合计费模型名（可直接当 model 传）：
vidu-q2-pro-reference-1080p-offpeak
vidu：模型族
q2-pro：版本
reference：参考生视频/参考模式
1080p：分辨率档位（短边）
offpeak：错峰模式
kling-3.0-omni-1080p-ref-audio
kling：模型族
3.0-omni：版本
1080p：分辨率档位
ref：有参考输入（noref 表示无参考）
audio：有声（mute 表示无声）
kling-2.6-motion-pro-1080p
kling：模型族
2.6：版本
motion：动作控制场景
pro：动作控制档位（std/pro）
1080p：分辨率档位
kling-avatar-720p
avatar：数字人场景
kling-identify-face
identify-face：对口型场景（不足 5 秒按 5 秒计）
sv-1.5-pro-1080p-audio
sv：模型族
1.5-pro：版本
1080p：分辨率档位
audio：有声（mute 表示无声）

3. 参数总览（网关请求体）#

统一请求体（POST /v1/videos）：
顶层字段：model、prompt、seconds/duration、size、image/images、metadata
顶层 seconds / duration 目前仍然生效，不是只能放进 metadata
时长优先级：顶层 seconds > 顶层 duration > metadata.seconds / metadata.duration / metadata.video_duration > 默认 5
建议把上游原生输出参数放到 metadata.output_config；但“时长”这个参数既可以放顶层，也可以放 metadata
顶层 size 适合快速调用；复杂场景请显式传 metadata.output_config.resolution/aspect_ratio
最小可用示例：
{
  "model": "Kling-3.0-Omni",
  "prompt": "死寂系统空间中，角色被蓝色面板照亮",
  "seconds": "15",
  "size": "720x1280",
  "metadata": {
    "output_config": {
      "duration": 15,
      "resolution": "720P",
      "aspect_ratio": "9:16",
      "audio_generation": "Enabled"
    }
  }
}
metadata 常用扩展：
scene_type：motion_control / avatar_i2v / lip_sync / template_effect
motion_level：std / pro（网关扩展字段，用于动作控制计费分档）
offpeak：是否错峰计费（布尔）
last_frame_url / last_frame_file_id：首尾帧中的尾帧
video_url：参考视频 URL（网关扩展，自动转为 FileInfos）
file_infos：原生 FileInfos 透传（高级用法）
output_config： AigcVideoOutputConfig（支持 snake_case）
ext_info：原生 ExtInfo 字符串透传（高级用法）
时长参数补充说明：
推荐写法 1：顶层直接传 seconds，例如："seconds": "5"
兼容写法 2：顶层传 duration
兼容写法 3：放在 metadata.seconds、metadata.duration 或 metadata.video_duration
若你同时传了顶层和 metadata 内的时长，网关会优先使用顶层值

4. 关键优先级与规则#

4.1 文生/图生判定#

存在参考输入（image/images/input_reference/last_frame_*）=> 图生
无参考输入 => 文生

4.2 分辨率优先级#

先取 metadata.output_config.resolution
再取顶层 size
都没有时用模型默认值

4.3 output_config 字段映射#

支持 snake_case 自动映射到官方字段：
storage_mode -> StorageMode
media_name -> MediaName
class_id -> ClassId
expire_time -> ExpireTime
duration -> Duration
resolution -> Resolution
aspect_ratio -> AspectRatio
audio_generation -> AudioGeneration
person_generation -> PersonGeneration
input_compliance_check -> InputComplianceCheck
output_compliance_check -> OutputComplianceCheck
enhance_switch -> EnhanceSwitch
frame_interpolate -> FrameInterpolate
logo_add -> LogoAdd

4.3.1 时长字段规则#

顶层 seconds / duration 用于网关统一视频请求体
metadata.output_config.duration 主要用于透传给上游 AigcVideoOutputConfig.Duration
为避免歧义，建议保持两处一致；如果只想传一处，优先传顶层 seconds

4.4 AigcVideoOutputConfig 全字段（口径）#

以下为 metadata.output_config 可传字段：
字段类型说明
storage_modeStringPermanent/Temporary，默认 Temporary
media_nameString输出媒体名，最长 64 字符
class_idInteger分类 ID，默认 0
expire_timeString过期时间，ISO 8601（如 2025-12-28T00:35:00Z）
durationFloat生成时长（秒）
resolutionString分辨率档位（如 720P/1080P）
aspect_ratioString宽高比（如 16:9/9:16）
audio_generationStringEnabled/Disabled
person_generationStringAllowAdult/Disallowed
input_compliance_checkStringEnabled/Disabled
output_compliance_checkStringEnabled/Disabled
enhance_switchStringEnabled/Disabled
frame_interpolateStringEnabled/Disabled（Vidu）
logo_addStringEnabled/Disabled（Vidu）
模型约束（口径，调用前建议遵守）：
Duration
Kling：5/10（默认 5）
Hailuo：6/10（默认 6）
Vidu：1~10
GV：8（默认 8）
OS：4/8/12（默认 8）
Resolution
Kling：720P/1080P（默认 720P）
Hailuo：768P/1080P（默认 768P）
Vidu：720P/1080P（默认 720P）
GV：720P/1080P（默认 720P）
OS：720P
AspectRatio
Kling（文生）：16:9/9:16/1:1（默认 16:9）
Vidu（文生/图生）：16:9/9:16/4:3/3:4/1:1（4:3/3:4 仅 q2）
GV：16:9/9:16（默认 16:9）
OS（文生）：16:9/9:16（默认 16:9）
Hailuo：暂不支持

4.5 ext_info 透传规则（重点）#

metadata.ext_info 会直接透传为上游顶层字段 ExtInfo
ExtInfo 必须是字符串，不能直接传对象
若官方要求 AdditionalParameters 也是字符串，则需要按官方格式进行双层 JSON 字符串编码
适用于 Kling 3.0 多镜头等官方暂未拆到 OutputConfig 的扩展参数
示例：网关请求体中这样写
{
  "model": "Kling-3.0",
  "metadata": {
    "ext_info": "{\"AdditionalParameters\":\"{\\\"multi_prompt\\\":[{\\\"index\\\":1,\\\"prompt\\\":\\\"美女在跳舞\\\",\\\"duration\\\":\\\"2\\\"},{\\\"index\\\":2,\\\"prompt\\\":\\\"美女跳起来\\\",\\\"duration\\\":\\\"3\\\"}],\\\"shot_type\\\":\\\"customize\\\",\\\"multi_shot\\\":true}\"}"
  }
}
最终透传到的核心字段会是：
{
  "ModelName": "Kling",
  "ModelVersion": "3.0",
  "ExtInfo": "{\"AdditionalParameters\":\"{\\\"multi_prompt\\\":[{\\\"index\\\":1,\\\"prompt\\\":\\\"美女在跳舞\\\",\\\"duration\\\":\\\"2\\\"},{\\\"index\\\":2,\\\"prompt\\\":\\\"美女跳起来\\\",\\\"duration\\\":\\\"3\\\"}],\\\"shot_type\\\":\\\"customize\\\",\\\"multi_shot\\\":true}\"}"
}
说明：
shot_type 请按官方字段名传，不要写成 short_type
如果你在业务代码里拼装参数，建议先生成 AdditionalParameters 对象，再序列化为字符串，最后再包成 ExtInfo

4.6 size 的传参规则（重点）#

若你已经明确知道目标档位，优先直接传：metadata.output_config.resolution/aspect_ratio
顶层 size 支持：720P/1080P，也支持 WxH（如 720x1280）
当只传 size=WxH 时，网关会推导并转换为参数：
Resolution（按模型支持档位收敛）
AspectRatio（如 720x1280 -> 9:16）
示例：
size=720x1280 + model=Kling-3.0-Omni => Resolution=720P, AspectRatio=9:16
size=1792x1024 + model=Kling-3.0-Omni => Resolution=1080P, AspectRatio=7:4（最终是否可用由上游模型校验）

4.7 动作控制特殊规则（Kling）#

scene_type=motion_control 必须提供视频参考，仅传图片会报类似：
videoUrl must not be blank
可用方式：
metadata.video_url
或 metadata.file_infos 里给 Category=Video

4.8 metadata.file_infos 字段说明#

AigcVideoTaskInputFileInfo 已适配为 metadata.file_infos（也兼容 metadata.FileInfos）。
当前已支持的子字段：
Type：File / Url
Category：Image / Video
FileId：当 Type=File 时使用
Url：当 Type=Url 时使用
Usage：如 FirstFrame / Reference
ReferenceType：适用于 GV / Kling 的参考类型区分,当使用 Kling 模型以及 Category 为 Video 时，可区分参考视频类型，feature 表示特征参考视频，base 表示待编辑视频。
ObjectId：适用于 Vidu 主体 / 参考图模式
VoiceId：适用于 Vidu-q2
KeepOriginalSound：当 Category=Video 时有效
说明：
metadata.file_infos 已在适配器中落地，会透传为上游请求的 FileInfos
当前最多支持 3 个 file_infos
顶层 image / images / input_reference 也会自动转换为 FileInfos
顶层图片输入仅支持：
可访问的 http(s) 图片 URL
或文件 ID
当前不支持 data:image/...;base64,... 这类 base64 data URI 作为图片输入

4.9 对口型时长规则#

scene_type=lip_sync（identify-face）不足 5 秒按 5 秒计。

5. 全场景请求示例#

以下均为 POST /v1/videos 请求体。

5.1 文生视频（Text to Video）#

{
  "model": "Vidu-q2",
  "prompt": "赛博朋克城市夜景，镜头慢慢推进",
  "seconds": "5",
  "metadata": {
    "output_config": {
      "resolution": "720P",
      "aspect_ratio": "16:9"
    }
  }
}

5.2 图生视频（Image to Video）#

{
  "model": "Vidu-q2-pro",
  "prompt": "让人物向前走并微笑",
  "image": "https://example.com/character.png",
  "seconds": "5",
  "metadata": {
    "output_config": {
      "resolution": "1080P",
      "aspect_ratio": "9:16"
    }
  }
}

5.3 多图参考（Reference Images）#

该写法已适配。网关会将顶层 images 自动转换为 FileInfos，每张图默认映射为：
Type=Url
Category=Image
适用前提：
images 里的每一项都应是可访问的 http(s) 图片 URL；如果不是 URL，则会按 FileId 处理
不支持在 images 中直接传 data:image/...;base64,...
总数不能超过 3
{
  "model": "Vidu-q2-pro",
  "prompt": "镜头从远到近展示产品细节",
  "images": [
    "https://example.com/ref-1.png",
    "https://example.com/ref-2.png"
  ],
  "seconds": "6",
  "metadata": {
    "offpeak": true,
    "output_config": {
      "resolution": "1080P"
    }
  }
}

5.4 首尾帧（First + Last Frame）#

{
  "model": "GV-3.1-fast",
  "prompt": "第一帧到最后一帧平滑过渡",
  "image": "https://example.com/first.png",
  "seconds": "8",
  "metadata": {
    "last_frame_url": "https://example.com/last.png",
    "output_config": {
      "resolution": "1080P",
      "aspect_ratio": "16:9",
      "audio_generation": "Enabled"
    }
  }
}

5.5 模板特效（Vidu template_effect）#

{
  "model": "Vidu-q2-pro",
  "prompt": "使用模板特效生成炫酷转场",
  "seconds": "5",
  "metadata": {
    "scene_type": "template_effect",
    "output_config": {
      "resolution": "720P"
    }
  }
}

5.6 动作控制（Kling motion_control，必须视频参考）#

{
  "model": "Kling-2.6",
  "prompt": "人物惊恐逃窜",
  "seconds": "5",
  "metadata": {
    "video_url": "https://example.com/motion-ref.mp4",
    "scene_type": "motion_control",
    "motion_level": "pro",
    "output_config": {
      "resolution": "1080P"
    }
  }
}

5.7 数字人（Kling avatar_i2v）#

{
  "model": "Kling-2.1",
  "prompt": "数字人播报今日新闻",
  "seconds": "5",
  "metadata": {
    "scene_type": "avatar_i2v",
    "output_config": {
      "resolution": "720P",
      "aspect_ratio": "9:16"
    }
  }
}

5.8 对口型（Kling lip_sync）#

{
  "model": "Kling-2.1",
  "prompt": "人物口型与音频同步",
  "image": "https://example.com/face.png",
  "seconds": "4",
  "metadata": {
    "scene_type": "lip_sync"
  }
}

5.9 参考视频高级透传（file_infos）#

{
  "model": "Kling-3.0-Omni",
  "prompt": "基于参考视频生成同风格镜头",
  "seconds": "5",
  "metadata": {
    "file_infos": [
      {
        "type": "Url",
        "category": "Video",
        "url": "https://example.com/ref-video.mp4",
        "reference_type": "feature"
      }
    ],
    "output_config": {
      "resolution": "720P"
    }
  }
}

5.10 ExtInfo 多镜头透传（Kling 3.0）#

{
  "model": "Kling-3.0",
  "seconds": "5",
  "metadata": {
    "file_infos": [
      {
        "type": "Url",
        "category": "Image",
        "url": "https://example.com/ref-image.png"
      }
    ],
    "output_config": {
      "duration": 5,
      "resolution": "720P",
      "input_compliance_check": "Disabled"
    },
    "ext_info": "{\"AdditionalParameters\":\"{\\\"multi_prompt\\\":[{\\\"index\\\":1,\\\"prompt\\\":\\\"美女在跳舞\\\",\\\"duration\\\":\\\"2\\\"},{\\\"index\\\":2,\\\"prompt\\\":\\\"美女跳起来\\\",\\\"duration\\\":\\\"3\\\"}],\\\"shot_type\\\":\\\"customize\\\",\\\"multi_shot\\\":true}\"}"
  }
}

5.11 ExtInfo + 视频参考（Kling 3.0 Omni / motion_control）#

{
  "model": "Kling-3.0-Omni",
  "prompt": "让人物按参考视频动作运动",
  "seconds": "5",
  "metadata": {
    "scene_type": "motion_control",
    "file_infos": [
      {
        "type": "Url",
        "category": "Video",
        "url": "https://example.com/motion-ref.mp4"
      }
    ],
    "output_config": {
      "duration": 5,
      "resolution": "720P"
    },
    "ext_info": "{\"AdditionalParameters\":\"{\\\"shot_type\\\":\\\"customize\\\",\\\"multi_shot\\\":true}\"}"
  }
}

5.12 竖屏 9:16（与你当前请求一致）#

{
  "model": "Kling-3.0-Omni",
  "prompt": "图1是角色陈舟，图2是角色大邪神系统，图3是场景虚无幽暗系统空间...",
  "seconds": "15",
  "size": "720x1280",
  "metadata": {
    "output_config": {
      "duration": 15,
      "resolution": "720P",
      "aspect_ratio": "9:16",
      "audio_generation": "Enabled"
    }
  }
}
建议：为避免“比例没生效”的歧义，推荐同时显式传 output_config.resolution 和 output_config.aspect_ratio。

6. 任务查询与结果#

查询：
取视频：
网关已对齐 DescribeTaskDetail 中 AigcVideoTask：
状态：WAITING/PROCESSING/FINISH/ABORTED 映射到网关任务状态
进度：读取 AigcVideoTask.Progress
错误：读取 ErrCode/ErrCodeExt/Message
视频地址：优先读取 AigcVideoTask.Output.FileInfos[].FileUrl

7. 默认可选模型（前端）#

渠道选择“AIGC”后，默认模型列表：
Vidu-q2 / Vidu-q2-pro / Vidu-q2-turbo / Vidu-q3-pro / Vidu-q3-turbo / Vidu-template
Hunyuan-1.5 / Mingmou-1.0 / OS-2.0
GV-3.1 / GV-3.1-fast
Kling-1.6 / Kling-2.0 / Kling-2.1 / Kling-2.5 / Kling-2.6 / Kling-3.0 / Kling-3.0-Omni / Kling-O1
当前仓库已内置映射到上述 Kling 型号；Kling-O3、Kling-Mini 还未作为预置型号加入文档与计费映射
以及组合计费模型（Vidu/Kling/Hailuo/SV/JV 等），如：
vidu-q2-pro-reference-1080p-offpeak
kling-2.6-motion-pro-1080p
kling-3.0-omni-1080p-ref-audio
hailuo-2.3-fast-1080p
sv-1.5-pro-1080p-audio
jv-3.0-pro
Hailuo-02 / Hailuo-2.3 / Hailuo-2.3-fast
SV-1.5-pro / SV-1.0-pro / SV-1.0-pro-fast / SV-1.0-lite
JV-3.0-pro

8. 校验与限制（网关侧）#

FileInfos 最多 3 项
Type=Url 时必须有 Url
Type=File 时必须有 FileId
motion_control 必须提供视频参考
建议：先小流量验证各场景参数，再批量放量。

9. 默认价格表（对齐口径）#

说明：以下为网关内置的默认单价（元/秒），用于计费模型键匹配。与文档口径一致，实际以你账户侧开通能力与结算为准。

Vidu#

版本场景分辨率单价(元/秒)
q2普通≤720P0.32
q2普通（错峰）≤720P0.16
q2普通≤1080P0.47
q2普通（错峰）≤1080P0.24
q2参考≤540P0.24
q2参考（错峰）≤540P0.12
q2参考≤720P0.32
q2参考（错峰）≤720P0.16
q2参考≤1080P0.82
q2参考（错峰）≤1080P0.41
q2-pro普通≤720P0.35
q2-pro普通（错峰）≤720P0.18
q2-pro普通≤1080P0.70
q2-pro普通（错峰）≤1080P0.35
q2-pro参考≤540P0.27
q2-pro参考（错峰）≤540P0.14
q2-pro参考≤720P0.35
q2-pro参考（错峰）≤720P0.18
q2-pro参考≤1080P0.90
q2-pro参考（错峰）≤1080P0.45
q2-turbo普通≤720P0.25
q2-turbo普通（错峰）≤720P0.13
q2-turbo普通≤1080P0.47
q2-turbo普通（错峰）≤1080P0.24
q3-pro普通≤540P0.44
q3-pro普通（错峰）≤540P0.22
q3-pro普通≤720P0.937
q3-pro普通（错峰）≤720P0.468
q3-pro普通≤1080P1.00
q3-pro普通（错峰）≤1080P0.50
q3-turbo普通≤540P0.25
q3-turbo普通（错峰）≤540P0.13
q3-turbo普通≤720P0.38
q3-turbo普通（错峰）≤720P0.19
q3-turbo普通≤1080P0.50
q3-turbo普通（错峰）≤1080P0.25
template特效模板-0.40

Hunyuan / Mingmou / OS / GV#

模型版本分辨率单价(元/秒)
Hunyuan1.5≤720P0.30
Hunyuan1.5≤1080P0.50
Mingmou1.0≤720P0.30
Mingmou1.0≤1080P0.50
OS2.0不区分0.75
GV3.1不区分3.00
GV3.1-fast不区分1.15

Kling#

版本场景分辨率单价(元/秒)
3.0无声≤720P0.60
3.0有声≤720P0.90
3.0无声≤1080P0.80
3.0有声≤1080P1.20
3.0-Omni无参考无声≤720P0.60
3.0-Omni无参考有声≤720P0.80
3.0-Omni有参考无声≤720P0.90
3.0-Omni有参考有声≤720P1.10
3.0-Omni无参考无声≤1080P0.80
3.0-Omni无参考有声≤1080P1.00
3.0-Omni有参考无声≤1080P1.20
3.0-Omni有参考有声≤1080P1.40
2.6无声不区分0.50
2.6有声不区分1.00
2.6动作控制 std不区分0.50
2.6动作控制 pro不区分0.80
O1普通≤720P0.90
O1普通≤1080P1.20
2.5普通≤720P0.30
2.5普通≤1080P0.50
1.6 / 2.0 / 2.1普通≤720P0.40
1.6 / 2.0 / 2.1普通≤1080P0.70
avatar数字人≤720P0.40
avatar数字人≤1080P0.80
identify-face对口型不区分（不足5秒按5秒）0.10

Hailuo#

版本分辨率单价(元/秒)
02 / 2.3≤768P0.33
02 / 2.3≤1080P0.58
2.3-fast≤768P0.23
2.3-fast≤1080P0.39

SV#

版本分辨率单价(元/秒)
1.5-pro≤480P（无声）0.08
1.5-pro≤480P（有声）0.16
1.5-pro≤720P（无声）0.172
1.5-pro≤720P（有声）0.346
1.5-pro≤1080P（无声）0.388
1.5-pro≤1080P（有声）0.778
1.0-pro≤480P0.146
1.0-pro≤720P0.308
1.0-pro≤1080P0.734
1.0-pro-fast≤480P0.04
1.0-pro-fast≤720P0.086
1.0-pro-fast≤1080P0.206
1.0-lite≤480P0.098
1.0-lite≤720P0.206
1.0-lite≤1080P0.49

JV#

模型版本分辨率单价(元/秒)
JV3.0-pro不区分1.00
修改于 2026-04-13 15:18:15
下一页
Grok提交视频生成
Built with