動画を作成 - TokenLab

概要

動画生成は非同期です。リクエストを送信すると、task_id と poll_url が返り、その後はポーリングで最終結果を取得します。

ポーリング動作

最も安定したポーリングのため、作成レスポンスで返された poll_url をそのまま使用してください。作成レスポンスで poll_url が返る場合は、その URL をそのまま使ってください。/v1/tasks/{id} を指す場合は、それを固定の正規ステータスエンドポイントとして扱ってください。

モデルとメディアの動作

音声出力はモデル依存です。TokenLab では Veo 3 系列は output_audio を省略すると既定で音声オンとして扱われます。モデルが音声制御に対応している場合は、output_audio で明示的に切り替えてください。camelCase の別名 outputAudio も互換性のため受け付けます。本番環境では、画像・動画・音声入力には公開アクセス可能な https URL を優先してください。互換モデルでは data: URL も利用できますが、大きな base64 は retry・観測・デバッグを難しくします。

リクエストボディ

model

string

デフォルト:"sora-2"

動画モデル ID。API の既定値は sora-2 です。現在の公開動画モデル一覧と対応機能は動画生成ガイドを参照してください。

prompt

string

必須

生成したい動画のテキスト説明です。大半の公開動画モデルで必須です。

operation

string

実行する動画操作です。公開契約では text-to-video、image-to-video、reference-to-video、start-end-to-video、video-to-video、video-extension、audio-to-video、motion-control を受け付けます。入力から自動推定もできますが、本番では明示指定を推奨します。

image_url

string

画像から動画生成に使う開始画像 URL です。最も広い互換性を得るには image_url を優先してください。

image

string

data:image/...;base64,... 形式のインライン画像です。互換モデルでは利用できますが、image_url の方が一般に扱いやすく安定します。

reference_images

array

reference-to-video フローで使う参照画像入力です。許容数はモデルごとに異なります。seedance-2.0 と seedance-2.0-fast では、TokenLab は現在最大 9 枚の参照画像に加えて、最大 3 本の参照動画と 3 本の参照音声をサポートします。公開 https URL を推奨し、互換モデルでは data: URL も利用できます。

reference_image_type

string

asset と style を区別するモデル向けの任意フィールドです。

kling_elements

array

kling-3.0-video の要素参照定義です。画像条件付きリクエストでのみ利用できます。1-3 個の要素を定義でき、各要素には name、任意の description、2-4 個の画像 URL を含む element_input_urls を指定します。prompt では @name で参照します。kling_elements と output_audio=true は併用できません。要素参照を使う場合は output_audio を省略するか false にしてください。

video_url

string

元動画の公開 URL です。現在の公開 video-to-video フローおよび motion-control モデルで必要です。

video_urls

array

マルチモーダル参照条件付けに対応したモデル向けの追加参照動画入力です。許容数はモデルごとに異なります。seedance-2.0 と seedance-2.0-fast では、TokenLab は現在最大 3 本の参照動画をサポートします。

audio_url

string

audio-to-video 系モデルで使う公開音声 URL です。

audio_urls

array

マルチモーダル参照条件付けに対応したモデル向けの追加参照音声入力です。許容数はモデルごとに異なります。seedance-2.0 と seedance-2.0-fast では、TokenLab は現在最大 3 本の参照音声をサポートします。

task_id

string

一部の継続・延長・派生フローで使うプロバイダー側の task ID です。

extend_at

integer

一部の video-extension フローで使うモデル固有の延長開始オフセットです。

extend_times

string

一部の video-extension フローで使うモデル固有の延長回数・倍率です。

duration

integer

生成される出力動画の長さ（秒）です。利用できる値はモデルごとに異なります。この項目は出力長のみを制御し、参照動画入力の長さ制限を表すものではありません。

aspect_ratio

string

アスペクト比です。例：16:9、9:16、1:1。

resolution

string

出力解像度です。例：720p、1080p、4k。対応可否はモデル依存です。

output_audio

boolean

モデル依存の音声出力トグルです。TokenLab では Veo 3 系列は省略時に true として扱われます。kling-3.0-video は要素参照を使わないリクエストでこの selector を受け付け、互換性のある upstream の sound 制御へマッピングします。Kling リクエストで省略した場合は無音が既定です。output_audio=true と kling_elements は併用できません。他の公開動画モデルはそれぞれのガバナンス済み既定動作に従います。camelCase の別名 outputAudio も受け付けます。

fps

integer

フレームレート（1〜120）。FPS を公開しているモデルのみ有効です。

negative_prompt

string

生成で避けたい内容です。

seed

integer

再現性のための乱数 seed です。

cfg_scale

number

プロンプト追従強度（0〜20）。対応モデルのみ有効です。

motion_strength

number

動きの強さ（0〜1）。対応モデルのみ有効です。

start_image

string

start-end-to-video で使う開始フレーム画像 URL または互換画像入力です。

end_image

string

start-end-to-video で使う終了フレーム画像 URL または互換画像入力です。

size

string

一部の OpenAI 互換動画モデルで使うサイズティアです。

watermark

boolean

一部モデルが公開しているウォーターマーク切り替えです。

effect_type

string

一部の編集・エフェクト系フローで使うモデル固有のエフェクト指定です。

user

string

エンドユーザーを識別する一意な ID です。

互換メモ

正式な公開フィールドは snake_case の reference_images、reference_image_type、output_audio です。
互換性のため referenceImages、referenceImageType、outputAudio も受け付けます。
operation を省略した場合、TokenLab は入力内容から自動推定しますが、本番では明示指定を推奨します。

入力のベストプラクティス

image_url、reference_images、video_url、audio_url には、公開アクセス可能な https URL を優先してください。
同一リクエスト内で base64 とリモート URL を混在させるのは避ける方が安全です。
署名付き URL を使う場合は、再試行や非同期タスク生成をカバーできる有効期限を確保してください。

レスポンス

string

正規の非同期タスク ID です。id と task_id の両方がある場合は、同じタスク識別子として扱ってください。

task_id

string

ポーリング用の一意なタスク ID です。

poll_url

string

このタスクに推奨されるポーリング URL です。状態確認にはこのパスをそのまま使ってください。

billing_transaction_id

string

決済がすでに完了している場合に返される TokenLab の請求トランザクション ID です。dashboard / 照合で使う取引識別子であり、非同期 id / task_id とは別物です。

status

string

初期ステータスは pending です。

created

integer

タスク作成時の Unix タイムスタンプです。

model

string

使用されたモデルです。

curl -X POST "https://api.tokenlab.sh/v1/videos/generations" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "sora-2",
    "prompt": "A cat walking through a garden, cinematic lighting",
    "operation": "text-to-video",
    "duration": 4,
    "aspect_ratio": "16:9"
  }'

{
  "id": "ldtask_aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
  "task_id": "ldtask_aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
  "poll_url": "/v1/tasks/ldtask_aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
  "status": "pending",
  "model": "sora-2",
  "created": 1706000000
}

画像から動画

response = requests.post(
    "https://api.tokenlab.sh/v1/videos/generations",
    headers={"Authorization": "Bearer sk-your-api-key"},
    json={
        "model": "hailuo-2.3-standard",
        "prompt": "The scene begins from the provided image and adds gentle natural motion.",
        "operation": "image-to-video",
        "image_url": "https://example.com/image.jpg",
        "duration": 6,
        "aspect_ratio": "16:9"
    }
)

Kling 3.0 Elements

kling_elements は、要素参照が必要な場合に kling-3.0-video と一緒に使います。画像条件付きリクエスト（image_url、image_urls、start_image、end_image）を指定し、各要素をプロンプト内で @name として参照します。kling_elements と output_audio=true は併用できません。要素参照を使う場合は output_audio を省略するか false にしてください。

response = requests.post("https://api.tokenlab.sh/v1/videos/generations",
    headers=headers,
    json={
        "model": "kling-3.0-video",
        "prompt": "Place @hero_bag on a studio turntable with soft product lighting.",
        "operation": "image-to-video",
        "image_url": "https://example.com/studio-start.png",
        "duration": 5,
        "resolution": "720p",
        "kling_elements": [
            {
                "name": "hero_bag",
                "description": "black leather handbag",
                "element_input_urls": [
                    "https://example.com/bag-front.png",
                    "https://example.com/bag-side.png"
                ]
            }
        ]
    }
)

参照画像から動画

モデルが専用の参照条件付けに対応している場合は operation=reference-to-video を使います。TokenLab の公開契約では、画像参照は reference_images、マルチモーダル参照動画と参照音声は video_urls と audio_urls を使います。seedance-2.0 と seedance-2.0-fast では、TokenLab は現在最大 9 枚の参照画像に加えて、最大 3 本の参照動画と 3 本の参照音声をサポートします。duration は生成される出力長のみを制御し、参照動画入力の長さ上限を個別に設定するものではありません。

response = requests.post(
    "https://api.tokenlab.sh/v1/videos/generations",
    headers={"Authorization": "Bearer sk-your-api-key"},
    json={
        "model": "veo3.1",
        "prompt": "Keep the same subject identity and palette while adding subtle motion.",
        "operation": "reference-to-video",
        "reference_images": [
            "https://example.com/ref-a.jpg",
            "https://example.com/ref-b.jpg"
        ],
        "reference_image_type": "asset",
        "duration": 8,
        "resolution": "720p",
        "aspect_ratio": "9:16"
    }
)

開始・終了フレーム制御

start_image と end_image を使って最初と最後のフレームを制御します。

response = requests.post(
    "https://api.tokenlab.sh/v1/videos/generations",
    headers={"Authorization": "Bearer sk-your-api-key"},
    json={
        "model": "viduq2-pro",
        "prompt": "Smooth transition from day to night",
        "operation": "start-end-to-video",
        "start_image": "https://example.com/day.jpg",
        "end_image": "https://example.com/night.jpg",
        "duration": 5,
        "resolution": "720p",
        "aspect_ratio": "16:9"
    }
)

動画から動画

既存の動画を主入力として使う場合は operation=video-to-video を使用します。

response = requests.post(
    "https://api.tokenlab.sh/v1/videos/generations",
    headers={"Authorization": "Bearer sk-your-api-key"},
    json={
        "model": "topaz-video-upscale",
        "operation": "video-to-video",
        "video_url": "https://example.com/source.mp4",
        "prompt": "Upscale the clip while preserving the original motion.",
        "resolution": "1080p"
    }
)

モーション制御

主体画像とモーション参照動画の両方を必要とするモデルでは operation=motion-control を使用します。TokenLab は公開リクエスト形の image_url と video_url を上流契約へ正規化します。

response = requests.post(
    "https://api.tokenlab.sh/v1/videos/generations",
    headers={"Authorization": "Bearer sk-your-api-key"},
    json={
        "model": "kling-3.0-motion-control",
        "operation": "motion-control",
        "prompt": "Keep the subject stable while following the motion reference.",
        "image_url": "https://example.com/subject.png",
        "video_url": "https://example.com/motion.mp4",
        "resolution": "720p"
    }
)

Audio-to-Video / Video Extension の公開可用性

TokenLab の公開契約は audio-to-video と video-extension を受け付けますが、このドキュメント時点の「一般公開かつ有効」モデル一覧には、これらを広く提供する公開モデルは含まれていません。統合前に Models API かモデルページで最新可用性を確認してください。

現在の公開モデル一覧

この一覧は、このドキュメントビルド時点で有効な公開動画モデルの在庫と揃えています。最新状態は Models API を参照してください。

OpenAI

モデル	公開オペレーション
`sora-2`	テキストから動画、画像から動画
`sora-2-pro`	テキストから動画、画像から動画
`sora-2-pro-storyboard`	画像から動画

Kuaishou

モデル	公開オペレーション
`kling-3.0-motion-control`	モーション制御
`kling-3.0-video`	テキストから動画、画像から動画、開始・終了フレームから動画、要素参照
`kling-v2.5-turbo-pro`	テキストから動画、画像から動画、開始・終了フレームから動画
`kling-v2.5-turbo-std`	テキストから動画、画像から動画
`kling-v2.6-pro`	テキストから動画、画像から動画、開始・終了フレームから動画
`kling-v2.6-std`	テキストから動画、画像から動画
`kling-v3.0-pro`	テキストから動画、画像から動画、開始・終了フレームから動画
`kling-v3.0-std`	テキストから動画、画像から動画、開始・終了フレームから動画
`kling-video-o1-pro`	テキストから動画、画像から動画、参考画像から動画、開始・終了フレームから動画、動画から動画
`kling-video-o1-std`	テキストから動画、画像から動画、参考画像から動画、開始・終了フレームから動画、動画から動画

Google

モデル	公開オペレーション
`veo3`	テキストから動画、画像から動画
`veo3-fast`	テキストから動画、画像から動画
`veo3-pro`	テキストから動画、画像から動画
`veo3.1`	テキストから動画、画像から動画、参考画像から動画、開始・終了フレームから動画
`veo3.1-fast`	テキストから動画、画像から動画、参考画像から動画、開始・終了フレームから動画
`veo3.1-pro`	テキストから動画、画像から動画、開始・終了フレームから動画

ByteDance

モデル	公開オペレーション
`seedance-1.5-pro`	テキストから動画、画像から動画

MiniMax

モデル	公開オペレーション
`hailuo-2.3-fast`	画像から動画
`hailuo-2.3-pro`	テキストから動画、画像から動画
`hailuo-2.3-standard`	テキストから動画、画像から動画

Alibaba

モデル	公開オペレーション
`wan-2.2-plus`	テキストから動画、画像から動画
`wan-2.5`	テキストから動画、画像から動画
`wan-2.6`	テキストから動画、画像から動画、参考画像から動画

Shengshu

モデル	公開オペレーション
`viduq2`	テキストから動画、参考画像から動画
`viduq2-pro`	画像から動画、参考画像から動画、開始・終了フレームから動画
`viduq2-pro-fast`	画像から動画、開始・終了フレームから動画
`viduq2-turbo`	画像から動画、開始・終了フレームから動画
`viduq3-pro`	テキストから動画、画像から動画、開始・終了フレームから動画
`viduq3-turbo`	テキストから動画、画像から動画、開始・終了フレームから動画

xAI

モデル	公開オペレーション
`grok-imagine-image-to-video`	画像から動画
`grok-imagine-text-to-video`	テキストから動画
`grok-imagine-upscale`	動画から動画

その他

モデル	公開オペレーション
`topaz-video-upscale`	動画から動画

Documentation Index

​概要

​ポーリング動作

​モデルとメディアの動作

​リクエストボディ

​互換メモ

​入力のベストプラクティス

​レスポンス

​画像から動画

​Kling 3.0 Elements

​参照画像から動画

​開始・終了フレーム制御

​動画から動画

​モーション制御

​Audio-to-Video / Video Extension の公開可用性

​現在の公開モデル一覧

​OpenAI

​Kuaishou

​Google

​ByteDance

​MiniMax

​Alibaba

​Shengshu

​xAI

​その他

概要

ポーリング動作

モデルとメディアの動作

リクエストボディ

互換メモ

入力のベストプラクティス

レスポンス

画像から動画

Kling 3.0 Elements

参照画像から動画

開始・終了フレーム制御

動画から動画

モーション制御

Audio-to-Video / Video Extension の公開可用性

現在の公開モデル一覧

OpenAI

Kuaishou

Google

ByteDance

MiniMax

Alibaba

Shengshu

xAI

その他