账户信息 API Account

两种鉴权粒度

⚠️ 调用令牌 sk- 与 账号访问令牌 是两种不同凭据：sk- 只能打 /v1/* 生成接口与 /api/usage/token/；账号访问令牌 / 登录 JWT 才能打 /api/user/* 账号接口（用 sk- 打账号接口会返回 401）。

账号凭据怎么拿（两选一）

BASE_URL="https://aihubcc.cc"

# 方式②：账号密码换令牌（返回 data.access_token）
curl -sS -X POST "$BASE_URL/api/user/login" \
  -H "Content-Type: application/json" \
  -d '{"username":"你的账号","password":"你的密码"}'
# => {"success":true,"data":{"access_token":"eyJhbGci...","user":{...}}}

拿到的账号访问令牌 / access_token 都作为 Authorization: Bearer <它> 打下面的账号级接口。账号访问令牌等于账号钥匙，请妥善保管、勿写进前端、勿泄露；泄露可在后台重置。

① 令牌级：模型 + 额度（用 sk-）

# 令牌可见模型
curl -sS "$BASE_URL/v1/models" -H "Authorization: Bearer sk-你的令牌"

# 令牌额度（人民币余额 = 数值 / 500000；unlimited_quota=true 表示不限额）
curl -sS "$BASE_URL/api/usage/token/" -H "Authorization: Bearer sk-你的令牌"
# => {"data":{"total_available":..., "total_used":..., "unlimited_quota":false, "model_limits":[...], "expires_at":...}}

② 账号级：已开启模型 + 总余额（用账号令牌）

PAT="账号访问令牌或登录返回的 access_token"

# 账号已开启的全部模型（跨该账号所有可用分组、去重）
curl -sS "$BASE_URL/api/user/models" -H "Authorization: Bearer $PAT"
# => {"success":true,"data":["gemini-3-flash","claude-sonnet-4-6","flow-omni-1.1-flash", ...]}

# 账号总余额（人民币余额 = data.quota / 500000）
curl -sS "$BASE_URL/api/user/self" -H "Authorization: Bearer $PAT"
# => {"success":true,"data":{"username":"...","group":"...","quota":...,"used_quota":..., ...}}
#    quota=... → 人民币余额 = quota / 500000

模型价格

GET /api/pricing 返回全部模型的价格目录。匿名即可调用（返回基准价）；带账号令牌调用则反映该账号的分组倍率与专属折扣——要拿"这个账号真实到手价"请带账号令牌打。

# 未鉴权 = 公开价格目录；带账号令牌 = 账号有效价格
curl -sS "$BASE_URL/api/pricing" -H "Authorization: Bearer $PAT"

价格算法：按次（quota_type=1）每次价格（人民币） = model_price × group_ratio[该模型分组]；按量（quota_type=0）按 token 计费、倍率 = model_ratio × group_ratio，有 published_price 时直接用它更直观。用 sk- 打此接口不触发账号鉴权（按匿名基准价返回），要专属价请用账号令牌。若账号有专属折扣（用户级倍率覆盖分组倍率），以 published_price / 控制台为准。

Python 完整示例（账号级：余额 + 模型 + 价格）

import requests

BASE = "https://aihubcc.cc"
PAT  = "账号访问令牌"          # 或用账号密码登录换 access_token（见上）
H = {"Authorization": f"Bearer {PAT}"}

# 账号总余额
me = requests.get(f"{BASE}/api/user/self", headers=H, timeout=30).json()["data"]
print("账号:", me["username"], "| 分组:", me["group"], "| 余额（人民币）: %.2f" % (me["quota"] / 500000))

# 账号已开启的全部模型
models = requests.get(f"{BASE}/api/user/models", headers=H, timeout=30).json()["data"]
print("已开启模型数:", len(models))

# 模型价格目录（账号专属价）
pr = requests.get(f"{BASE}/api/pricing", headers=H, timeout=30).json()
prices, group_ratio = pr["data"], pr.get("group_ratio", {})
for m in prices[:5]:
    if m["quota_type"] == 1:                       # 按次
        g = (m.get("enable_groups") or [""])[0]
        print(m["model_name"], "≈ %.4f 人民币/次" % (m["model_price"] * group_ratio.get(g, 1)))

单位与注意事项

• 额度换算：人民币余额 = quota / 500000。
• 只读、不计费：以上都是查询接口，不产生任何生成费用，可轮询（建议间隔 ≥ 数秒）。
• 两类凭据不互通：sk- 打不了 /api/user/*（401）；账号令牌也不用来打 /v1/* 生成。
• 令牌级 vs 账号级：sk- 可被设 model_limits 只放行部分模型、可单独限额；账号级看的是整个账号（跨所有分组）已启用模型与共享钱包。
• 价格以本站 / 控制台为准，接口数值供程序对账。

通用说明 & FAQ

接入地址（两条独立线路，同一账号）

两条线路是同一个平台、同一个账号、同一个令牌、同一份余额——只是网络入口不同，不需要重新注册、不需要换令牌、不需要重新充值，模型列表与价格完全一致。
哪条更快因地区 / 运营商而异，我方不做承诺；若主线路不通或延迟偏高，把域名换成备用线路再试一次即可。
历史地址 https://aihubcc.cc/v1 仍然可用（与主线路同一入口），老代码无需改动。

鉴权

所有请求需携带 Authorization: Bearer sk-你的令牌 请求头。令牌在后台「令牌」页创建，分组必须与模型匹配（错误分组会返回"无可用渠道"）。

错误码

FAQ

Q: 视频生成需要多久？

Omni 视频约 1-5 分钟，Grok 视频约 30s-3 分钟（时长越长越慢）。建议客户端超时 ≥300 秒。

Q: 失败会扣费吗？

不会。所有模型失败一律不扣费，仅成功出片/出图才计费。

Q: 参考图被内容策略拒绝怎么办？

包含可识别真人面孔的参考图可能触发 Gemini 内容策略。系统会自动尝试处理并重试。如仍失败，建议：使用非写实风格、虚构人物、侧面/背影/远景，或使用已授权的素材。

Q: 有多个接入地址，该用哪个？它们是不同账号吗？

不是不同账号——所有地址指向同一个平台，账号、令牌、余额、模型完全通用，随时可以互换，不需要重新注册、也不需要重新充值。默认用主线路 aihubcc.cc；若你所在网络连不上或延迟偏高，改用备用线路 aihubcc.cc（美东入口）再试一次。两条线路对不同地区 / 运营商各有优劣，我方不承诺哪条更快。

视频生成 · 内容审查避坑指南

适用于 omni-fast / veo 系列视频模型 · 帮你避开 Google 内容审查，提高一次出片成功率

一、先看这条报错

如果你收到：

This request didn't pass content review (e.g. an identifiable real person, unsafe content, or protected IP). Retrying or switching accounts won't help. Try a non-photorealistic style, a non-identifiable or fictional subject (back/side/distant view), or rights-cleared content, then resubmit.

中文意思：请求没通过内容审查（可能涉及：可识别真人 / 不安全内容 / 受保护版权）。

二、六大高危雷区（命中必拒）

三、安全改写对照表

四、万能保险公式

不确定会不会被拒时，套这个组合最稳：

非写实风格 (non-photorealistic / 3D cartoon / illustration / anime)
+ 虚构、不具名的主体 (fictional, non-identifiable subject)
+ 脸部不可识别 (背面 / 侧面 / 远景)
+ 内容健康、无版权

五、提交前自检清单

Flow · Veo 3.1 视频

当前对外提供两个视频别名：flow-veo-3-1（标准）与 flow-veo-3-1-fast（Fast）。两者均为异步任务，固定按次计费；失败任务不计费。

⚠️ 图生视频（要用参考图）必看 —— 上传图片只有一种正确姿势：

✅ 用 application/json 请求体，图片放进 image（单图）或 images（多图数组）字段，值必须是 base64（data URI，形如 data:image/jpeg;base64,....）。 经我方实测，只有这两个字段+base64 会真正被系统采用。

❌ 以下方式图片会被静默忽略，成片直接退化成"文生视频"（这就是"生成的视频没用到参考图"的原因）：

• 用 multipart/form-data 表单上传（含 Sora 风格的 input_reference / input_reference[0]）；
• 用 image_url / first_image_url / first_image / last_image_url 字段（无论传 URL 还是 base64，均实测不生效）；
• 传图片 URL（系统要自行抓取，外部图床/带鉴权的链接大多抓不到 → 当没传处理）。所以一律转 base64。

模型

价格是固定任务价，不是按秒价。即使传入 seconds，本组仍只扣一次对应模型的价格。失败任务不计费。

接口信息

核心参数

画幅与清晰度映射（已实测）：官网式 size=16:9 + video_resolution=720p 等价于 1280x720；竖屏对应 720x1280。⚠️ 官方已取消 1080p，当前仅支持 720p；不能传 1080p / 4k 或其他未支持比例。

图片数量边界（已实测）：单图用 image（1 张）；多图参考用 images，最多 3 张，第 4 张会在执行阶段返回 INVALID_ARGUMENT。首尾帧（first/last）当前无可用字段。

提交方式

当前唯一生效的图片传法：Content-Type: application/json + image/images 字段 + base64（data URI）。不要用 multipart 文件上传，也不要传图片 URL（系统抓不到 → 图被忽略、退化为文生视频）。先把本地图片转成 data URI 再放进 image：

IMAGE_B64=$(base64 < ./start.jpg | tr -d '\n')
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d "{
    \"model\": \"flow-veo-3-1-fast\",
    \"prompt\": \"让图片中的主体自然运动\",
    \"seconds\": \"4\",
    \"resolution\": \"720p\",
    \"image\": \"data:image/jpeg;base64,$IMAGE_B64\"
  }"

示例请求

文生视频（最低已验证参数）

BASE_URL="https://aihubcc.cc"
TOKEN="sk-你的Flow令牌"

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "flow-veo-3-1",
    "prompt": "一只橘猫在窗边抬头，阳光缓慢移动，固定机位，电影感",
    "seconds": "4",
    "size": "16:9",
    "video_resolution": "720p"
  }'

Fast 版把 model 改为 flow-veo-3-1-fast。竖屏把 size 改为 9:16。

单图生视频（I2V）—— 用 image + base64（唯一生效）

IMG=$(base64 < ./start.jpg | tr -d '\n')
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d "{
    \"model\": \"flow-veo-3-1-fast\",
    \"prompt\": \"保持人物外观和服装一致，让人物自然回头并向镜头走来\",
    \"seconds\": \"4\", \"resolution\": \"720p\",
    \"image\": \"data:image/jpeg;base64,$IMG\"
  }"

多图参考（最多 3 张）—— 用 images + base64

A=$(base64 < ./character.jpg | tr -d '\n'); B=$(base64 < ./scene.jpg | tr -d '\n')
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d "{
    \"model\": \"flow-veo-3-1-fast\",
    \"prompt\": \"把图 1 的人物置于图 2 的场景，镜头缓慢推进\",
    \"seconds\": \"4\", \"resolution\": \"720p\",
    \"images\": [\"data:image/jpeg;base64,$A\", \"data:image/jpeg;base64,$B\"]
  }"

❌ 首尾帧过渡（first / last frame）当前不可用：first_image_url / first_image / last_image_url 实测均不生效，请改用单图 image 或多图 images。

轮询取片

TASK_ID="task_xxx"
# shell 轮询示例（每 5 秒一次）
while :; do
  BODY=$(curl -fsS "$BASE_URL/v1/videos/$TASK_ID" -H "Authorization: Bearer $TOKEN") || exit 1
  STATUS=$(printf '%s' "$BODY" | jq -r '.status // "unknown"')
  echo "status=$STATUS"
  case "$STATUS" in
    completed|success|succeeded) break ;;
    failed|error) printf '%s\n' "$BODY" | jq .; exit 1 ;;
  esac
  sleep 5
done
VIDEO_URL=$(printf '%s' "$BODY" | jq -r '.video_url // .data[0].url // empty')
curl -fL "$VIDEO_URL" -o flow-veo-result.mp4

完成任务通常返回顶层 video_url；客户端应同时兼容 data[0].url。下载地址是临时地址，请及时转存。

Python 完整请求

import time, requests
BASE = "https://aihubcc.cc"
H = {"Authorization": "Bearer sk-你的Flow令牌", "Content-Type": "application/json"}
# 提交
task = requests.post(f"{BASE}/v1/videos", headers=H, json={
    "model": "flow-veo-3-1-fast",
    "prompt": "一只橘猫在窗边抬头，阳光缓慢移动，固定机位，电影感",
    "seconds": "4", "size": "16:9", "video_resolution": "720p",
}).json()
tid = task["task_id"]
# 轮询
while True:
    r = requests.get(f"{BASE}/v1/videos/{tid}", headers=H).json()
    if r["status"] in ("completed", "success", "succeeded", "failed"):
        break
    time.sleep(5)
# 取 URL 下载（兼容顶层 video_url 与 data[0].url）
url = r.get("video_url") or (r.get("data") or [{}])[0].get("url")
open("flow-veo.mp4", "wb").write(requests.get(url).content)

注意事项

// 提交
{ "task_id": "task_xxx", "status": "queued", "progress": 0 }
// 轮询完成
{ "task_id": "task_xxx", "status": "completed", "progress": 100,
  "video_url": "https://sd.oaibox.xyz/d/dl/video/xxxx.mp4" }
// 失败
{ "task_id": "task_xxx", "status": "failed", "error": { "code": "...", "message": "..." } }

• queued/in_progress：继续轮询，不要重复 POST。
• completed：优先下载 video_url。若立刻请求 /content 得 409 video_not_ready，再查询一次任务后下载返回的 URL。
• failed：本次任务不计费；修改提示词 / 图片 / 参数后再提交。
• 成片实际时长、宽高可能与请求的 seconds/resolution/aspect_ratio 不完全相同，以完成任务和媒体探测为准。

建议

• 当前最低已验收组合：seconds="4" + 720p。成片可能被归一化（如 4 秒→8 秒），不是可依赖的固定规格。
• 图生视频只认 image（单图）/ images（多图，≤3 张）+ base64；image_url/first_image_url/input_reference/multipart 均实测不生效（图被忽略→变文生视频）。首尾帧当前不可用。
• 图片用 JPEG/PNG/WebP，务必转成 base64 data URI（不要传 URL，系统要自行抓取，外链/带鉴权的大多抓不到）。
• 提示词写清"图 1 是谁 / 做什么""首帧到尾帧如何过渡"，比堆素材更稳定。
• 示例中的令牌 / URL / 任务 ID 均为占位符，勿把真实令牌提交到前端或公开仓库。

Flow · Omni 1.1 Flash Video

模型

按次计费：文生视频、多图参考图生视频 ；视频编辑（v2v，请求里带参考视频 input_reference）。时长可选 4 / 6 / 8 / 10 秒（不传默认 8 秒），四档同价，720p，失败不计费。

三种模式（按素材自动切换）

选档优先级：带参考视频（input_reference）→ 视频编辑；否则带参考图（images）→ 图生视频；都不带 → 文生视频。三种模式同一模型名 flow-omni-1.1-flash；文生 / 图生 ，视频编辑（v2v）。

接口信息

核心参数

⚠️ 时长用 seconds 传「字符串」：可选 "4" / "6" / "8" / "10"，不传默认 8 秒，四档同价、不加钱。写成数字（10）会直接报 invalid_json；duration 字段不生效；档位以外的值（如 "7"）按 8 秒出片、不报错。朝向用 aspect_ratio（或 size），清晰度恒 720p。

时长档位（实测对照 · 务必只传这四个值）

⚠️ 这是本接口最容易踩的坑：传错档位不会报错。平台对 seconds 不做档位校验，四档以外的值会直接按默认 8 秒出片，且不返回任何警告或提示。所以：
① 只传 "4" / "6" / "8" / "10" 四个字符串之一，别传 "5" / "7" / "12" 这类值；
② 若时长对你的流程重要（剪辑对轨、投放平台时长限制、按秒二次计费等），请在拿到成片后自行核验实际时长（播放器属性，或 ffprobe -v error -show_entries format=duration -of csv=p=0 out.mp4），不要以请求参数为准。
上表时长为实测值，各档位误差在 ±0.02 秒内。

画幅与朝向（横屏 / 竖屏怎么定）

比例不是必填：不传默认出横屏 16:9（1280×720）；要竖屏传 aspect_ratio:"9:16"，或用 size 传竖版 WxH（如 720x1280、1080x1920——超过 720p 会自动缩放到 720p）。同时传 size 和 aspect_ratio 时以 size 为准。清晰度恒 720p；图生视频同样用 aspect_ratio / size 指定朝向。

示例请求（curl）

BASE_URL="https://aihubcc.cc"
TOKEN="sk-你的令牌"

# 1) 文生视频（720p 横屏，默认）
# seconds 可选 "4"/"6"/"8"/"10"（字符串），不传默认 8 秒，四档同价
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"flow-omni-1.1-flash","prompt":"日出时分平静的湖面雾气升腾，电影感镜头","seconds":"10"}'

# 2) 文生视频（竖屏 9:16）
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"flow-omni-1.1-flash","prompt":"竖屏短视频：城市夜景延时，霓虹流光","aspect_ratio":"9:16"}'

# 3) 图生视频（参考图，URL 或 base64）
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"flow-omni-1.1-flash","prompt":"参考这些图片生成连贯运镜","images":["https://img1.jpg","https://img2.jpg"]}'

# 4) 视频编辑 v2v（传参考视频 input_reference：公网 URL 或 base64 data-uri，≤15 秒）
curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"flow-omni-1.1-flash","prompt":"给这段视频加上飘雪，保持原画面","input_reference":"https://your-public-video.mp4"}'
# 或把参考视频转 base64（本站自动托管为中国可达链接，无需公网地址）：把 input_reference 换成 "data:video/mp4;base64,<BASE64>"
# => {"task_id":"task_xxx","status":"queued",...}

Python 完整示例（提交 → 轮询 → 下载）

import time, requests

BASE = "https://aihubcc.cc"
TOKEN = "sk-你的令牌"
H = {"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"}

# 提交：文生 720p 横屏。
#   竖屏 -> 加 "aspect_ratio": "9:16"
#   图生 -> 加 "images": ["https://.../a.jpg", "https://.../b.jpg"]（也支持 base64）
#   视频编辑 -> 加 "input_reference": "https://.../clip.mp4"（也支持 base64: data:video/mp4;base64,）  # 参考视频 ≤15s
payload = {
    "model": "flow-omni-1.1-flash",
    "prompt": "日出时分平静的湖面雾气升腾，电影感镜头",
    "aspect_ratio": "16:9",     # 16:9 横屏 / 9:16 竖屏
}
r = requests.post(f"{BASE}/v1/videos", headers=H, json=payload, timeout=60)
r.raise_for_status()
task = r.json()
task_id = task.get("task_id") or task.get("id")
print("task_id:", task_id)

# 轮询直到完成（通常 1-2 分钟，与时长档位无关）
while True:
    time.sleep(5)
    d = requests.get(f"{BASE}/v1/videos/{task_id}", headers=H, timeout=30).json()
    status = str(d.get("status", "")).lower()
    print("status:", status, d.get("progress"))
    if status == "completed":
        video_url = d.get("video_url") or (d.get("data") or [{}])[0].get("url")
        print("成片:", video_url)
        break
    if status == "failed":
        raise RuntimeError(d.get("error") or d)

# 下载成片：用轮询返回的 video_url（地址已脱敏、我方域名）
mp4 = requests.get(video_url, timeout=180)
open("out.mp4", "wb").write(mp4.content)
print("已保存 out.mp4")

Python 示例：图 + 视频同时参考（全能模式）

flow-omni-1.1-flash 支持同时传参考视频（input_reference，1 段）+ 参考图（images，可多张）。⚠️ images 必须是数组 ["u1","u2"]，不要写成 images0 / images1（部分客户端会把数组拆成索引键，导致参考图不生效）。参考视频只支持 1 段；参考图建议 ≤6 张。带参考视频即按视频编辑（v2v）计费。

import time, base64, requests

BASE = "https://aihubcc.cc"
TOKEN = "sk-你的令牌"
H = {"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"}

def data_url(path, mime):            # 本地文件转 base64 data-uri（可选）
    b64 = base64.b64encode(open(path, "rb").read()).decode()
    return f"data:{mime};base64,{b64}"

# 全能模式：参考视频（input_reference，1 段） + 参考图（images，可多张）同时用。
# ⚠ images 必须是【数组】["u1","u2"]，不要写成 images0 / images1（会导致参考图不生效）。
payload = {
    "model": "flow-omni-1.1-flash",
    "prompt": "参考这段视频的运动，把主体换成参考图里的形象，平滑运镜，电影感",
    "aspect_ratio": "16:9",
    "seconds": "10",            # "4"/"6"/"8"/"10"，字符串；不传默认 8 秒，四档同价
    # 参考视频：1 段，公网 URL（≤15 秒、中国可访问）或 base64（本站自动托管）
    "input_reference": "https://你的公网视频.mp4",   # 或 data_url("clip.mp4", "video/mp4")
    # 参考图：数组，建议 ≤6 张；URL 或 base64
    "images": [
        "https://你的图1.jpg",
        data_url("图2.png", "image/png"),
    ],
}

r = requests.post(f"{BASE}/v1/videos", headers=H, json=payload, timeout=60)
r.raise_for_status()
task_id = r.json().get("task_id") or r.json().get("id")
print("task_id:", task_id)

while True:                          # 轮询直到完成（通常 1-2 分钟，与时长档位无关）
    time.sleep(5)
    d = requests.get(f"{BASE}/v1/videos/{task_id}", headers=H, timeout=30).json()
    print("status:", d.get("status"), d.get("progress"))
    if str(d.get("status", "")).lower() == "completed":
        video_url = d.get("video_url") or (d.get("data") or [{}])[0].get("url")
        break
    if str(d.get("status", "")).lower() == "failed":
        raise RuntimeError(d.get("error") or d)

open("out.mp4", "wb").write(requests.get(video_url, timeout=180).content)
print("成片:", video_url)

⚠️ 当参考视频是内容很强的真实视频（v2v 编辑）时，模型会偏向保留原视频、参考图影响被弱化；想让参考图更明显，把 prompt 写清楚（例如“把画面主体换成参考图里的形象”）。参考视频须公网可访问、中国可下载、≤15 秒，或用 base64（本站自动托管为中国可达链接）。

轮询取片

# 轮询直到 status=completed
curl -sS "$BASE_URL/v1/videos/task_xxx" -H "Authorization: Bearer $TOKEN"
# => {"status":"completed","video_url":"https://sd.oaibox.xyz/d/dl/xxx.mp4",...}

# 下载成片：用上面返回的 video_url（mp4，地址已脱敏、我方域名）
curl -sSL "<上面返回的 video_url>" -o out.mp4

轮询间隔建议 3–5 秒、客户端超时 ≥ 300 秒；勿重复提交同一任务。

注意事项

• 一个模型名 flow-omni-1.1-flash、自动切换：带参考视频（input_reference）= 视频编辑；带参考图（images）= 图生视频；不带 = 文生视频。文生 / 图生 ，视频编辑（v2v）。
• 朝向用 aspect_ratio（16:9 横屏默认 / 9:16 竖屏），也可用 size 的 WxH；清晰度恒 720p。
• 比例非必填：不传默认横屏 16:9；要竖屏传 aspect_ratio:"9:16"。
• 无水印、时长 4 / 6 / 8 / 10 秒可选（默认 8 秒、四档同价）；文生 / 图生 、视频编辑（v2v）；按次计费、失败不计费。
• ⚠️ 时长只传 "4" / "6" / "8" / "10"（字符串）：传四档以外的值不会报错，会静默按 8 秒出片；写成数字（没加引号）会报 invalid_json。时长要紧的场景请核验成片实际时长，见上方「时长档位」一节。
• 多图参考 images：参考图须公网可直接下载或用 base64（需登录 / 内网 / 拦爬虫的链接会失败）。
• 视频编辑 input_reference：参考视频 ≤15 秒。可传 base64（data:video/mp4;base64, 或裸 base64；本站自动托管为中国可达链接，mp4/mov、解码后 ≤64MB）或公网 URL（须中国可直接下载；国外 / 需登录的 URL 会取不到→退化为文生）。
• 生成约 1–2 分钟；轮询取片、勿重复提交同一任务。
• 提示词与参考图 / 视频避免暴露 / 未成年 / 血腥暴力等敏感内容，否则被内容安全拦截（不计费）。

Omni 视频生成

基于 Gemini Veo 的视频生成服务，支持文生视频、图生视频（最多 5 张参考图）、视频转视频（V2V，最多 2 个参考视频）。

模型

无水印模型输出经过自动清洗处理，完成前可能多一个 processing 阶段，稍慢。失败不计费。

接口信息

核心参数

Multipart 提交（支持文件上传）

示例：文生视频

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-fast",
    "prompt": "雨夜霓虹街道，镜头缓慢推进，电影感光影",
    "aspect_ratio": "16:9"
  }'

让它照着念台词（只有文生视频做得到）

omni-fast 文生 / 图生视频会把你写的英文台词一字不差地念出来——把台词用引号写进提示词即可。8 个不同场景实测逐字 8/8，按序命中率 1.00。

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-fast",
    "prompt": "A woman in a bright studio holds up a wireless earbud case to the camera. She speaks clearly to camera and says, \"This one lasts nine hours on a single charge.\" Bright commercial product-ad look.",
    "aspect_ratio": "16:9"
  }'

三组用的是同样 8 个场景、同一句台词，只换模型 / 写法这一个变量。
所以：要精确台词 → 文生视频；要保住真人和商品细节 → 续写 + 后期配音。两者不可兼得，请按需求选一边。

示例：图生视频

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-fast",
    "prompt": "保持人物一致，缓慢走动",
    "image_url": "https://your-cdn.com/photo.jpg",
    "aspect_ratio": "16:9"
  }'

示例：视频转视频（V2V）

# Multipart 文件上传
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -F "model=omni-fast-v2v" \
  -F "prompt=将画面风格转换为赛博朋克风" \
  -F "input_video=@source.mp4"

示例：双视频 V2V（2 个参考视频）

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-fast-v2v",
    "prompt": "融合两段素材，保持连续运动",
    "videos": ["https://your-cdn.com/a.mp4", "https://your-cdn.com/b.mp4"],
    "aspect_ratio": "16:9"
  }'

也可用 multipart/form-data 上传两个视频文件（字段 input_video + input_video2）：

# 双视频 · multipart 文件上传
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -F "model=omni-fast-v2v" \
  -F "prompt=第一个视频的人和第二个视频的人一起跳舞" \
  -F "input_video=@person1.mp4" \
  -F "input_video2=@person2.mp4"

视频续写（omni-extend-20s）

把你自己的一段短视频接长：上传 12 秒以内的视频，返回「原片 + 约 8~10 秒新画面」。10 秒素材约得 18~20 秒成片，原片内容原样保留，只在后面自然接上。

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-extend-20s",
    "videos": ["https://your-cdn.com/clip.mp4"],
    "prompt": "continue naturally"
  }'

也可用 multipart/form-data 上传本地文件：-F "model=omni-extend-20s" -F "input_video=@clip.mp4"

示例：续写时用一张商品图控制画面中出现的商品——

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-extend-20s",
    "videos": ["https://your-cdn.com/host.mp4"],
    "images": ["https://your-cdn.com/product.jpg"],
    "prompt": "continue naturally"
  }'

用 URL 传参考视频和参考图

不想传 base64、也不想走 multipart，可以直接给公网 URL，视频和图片都支持。服务端会替你下载（经代理，不暴露你我的 IP），你只要保证链接能被匿名 GET 到。

# 参考视频 + 参考图,全部用 URL
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omni-extend-20s",
    "prompt": "continue naturally",
    "videos": ["https://your-cdn.com/clip.mp4"],
    "images": ["https://your-cdn.com/product.jpg"]
  }'

字段对照

同一个字段里 URL 和 data:...;base64, 可以混着写，服务端按前缀自己分辨。multipart 也能混用：视频用 -F "input_video=@clip.mp4" 上传文件，图片同时用 -F "image_url=https://..." 给链接。

URL 必须满足

一个容易踩的坑：把视频 URL 放进 input_reference / reference 这类混合字段时，是靠扩展名判断它是不是视频的（.mp4 .mov .webm .m4v .avi .mkv .mpeg .ogv，查询串会先被剥掉）。
所以形如 https://cdn.example.com/asset/9f3a1c 这种没有扩展名的直链会被当成图片，请求就退化成了「图生视频」。
解决办法：视频一律用 videos / video_url 明确指定，这两个字段不看扩展名。

题材决定成败（实测 140 次）

我们用 7 组不同的提示词写法 × 20 条不同题材的源片各跑了一遍。结论很干脆：提示词怎么写几乎不影响成功率，源片是什么题材才是决定性因素。

七组提示词的成功率全部落在 10~13 / 20，差异在噪声范围内：

所以直接用最短的 continue naturally 就行，把精力花在选素材上。

「纯动作无对白」要特别小心：它不报错、状态是 completed，但实测 5 次全部是等长重拍，而且画幅被翻转。一定要按时长校验，别直接交付。

不同失败的处理方式是相反的

做 20 秒以上：尾部窗口链式

失败率是跟着你喂进去的参考视频长度走的，不是跟着输出长度走的：

所以想接到 30 秒、60 秒，千万不要把整条成片喂回去，而是每轮只截最后 10 秒：

第 1 轮：一段 10 秒素材                              → 成片 10 秒
第 2 轮：截成片最后 10 秒 → 续写 → 返回 20 秒
        只保留新增的后 10 秒，接到片尾                → 成片 20 秒
第 3 轮：再截最后 10 秒 → 续写 → 只留新增的后半段     → 成片 30 秒
...依此类推

这样喂进去的参考永远停在 10 秒，一直待在高成功率区间。实测这样连做 8 轮做到 79 秒，全程画幅、人物、旁白语种都保持一致。

三条硬规则：
① 每轮都必须能原地重试——链式的风险是累乘的，链式重拍率约 27%，高于用原始素材的 11%。
② 每轮都要按时长校验重拍，重拍的那一轮不能接进成片。
③ 建议控制在 6~8 轮以内；轮次越多，画面漂移越明显。

多角色内容：身份要在每一段里重申

续写对原片是逐帧保真的，但如果你是用「参考图 + 图生视频」起头再链式接长，要注意：参考图锁得住「长什么样」（构图、服装、场景、光线），锁不住「是谁」。实测同一套参考图，第二段里的白人角色会被重新生成成亚洲面孔。

做法：把人种、发色、年龄、体型、服装写进每一段的提示词，逐字重复，不要用「她」「那个女人」这类指代。

轮询取片

curl https://aihubcc.cc/v1/videos/{task_id} \
  -H "Authorization: Bearer sk-xxx"

# 完成后（优先读顶层 video_url，兼容 data[0].url；均为完整下载直链）:
# {"status":"completed",
#  "video_url":"https://download.oaibox.xyz/v1/videos/vid-xxxx/content",
#  "data":[{"url":"https://download.oaibox.xyz/v1/videos/vid-xxxx/content"}]}

Veo-Clean 去水印

上传带水印的视频，系统自动去除水印后返回去水印成片。异步任务，流程与视频生成一致。

模型

按视频实际时长计费，例如 10 秒视频 = 。失败不计费，不消耗 Gemini 生成配额。

接口信息

核心参数

提交方式

仅支持 multipart/form-data（必须上传视频文件，不支持 JSON / URL 传视频）。字段 input_video 放本地文件。

示例请求

# Multipart 上传去水印
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -F "model=veo-clean" \
  -F "prompt=remove watermark" \
  -F "input_video=@watermarked.mp4"

轮询取片

curl https://aihubcc.cc/v1/videos/{task_id} \
  -H "Authorization: Bearer sk-xxx"
# 完成后:
# {"status":"completed","data":[{"url":"/v1/videos/{task_id}/content"}]}

Python 完整请求

import time, requests
BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx"}
# 提交(multipart)
with open("watermarked.mp4", "rb") as f:
    task = requests.post(f"{BASE}/videos", headers=H,
        data={"model": "veo-clean", "prompt": "remove watermark"}, files={"input_video": f}).json()
tid = task["task_id"]
# 轮询
while True:
    r = requests.get(f"{BASE}/videos/{tid}", headers=H).json()
    if r["status"] in ("completed", "failed"):
        break
    time.sleep(3)
# 下载
url = r["data"][0]["url"]
if url.startswith("/"):
    url = "https://aihubcc.cc" + url
open("clean.mp4", "wb").write(requests.get(url, headers=H).content)

注意事项

• 仅支持 multipart/form-data 提交（需上传视频文件）。
• 视频文件大小限制 20MB。
• 处理时间通常 20–60 秒（取决于视频长度），清洗前可能多一个 processing 阶段。
• 不涉及 Gemini 视频生成，不消耗生成配额；失败不计费。

建议

• 源视频尽量 ≤20MB、时长越短处理越快。
• 清晰源视频去水印效果更好；严重压缩 / 低清源可能残留痕迹。

Gemini 高速文本模型

高速分组的文本 / 多模态对话模型，支持 OpenAI Chat 兼容接口。

模型

AIHUB Gemini 高速分组（gemini-fast）

以上 7 个模型走同一条服务链路，多模态附件行为一致。同分组还有 gemini-image / gemini-image-pro（图像生成）与 gemini-music（音乐），见各自章节。不同客户分组倍率可能不同，实际单价以账号「模型广场」为准。

接口信息

核心参数

提示词长度上限 = 模型上下文窗口（走 Gemini 官方，可容纳很长文本），无我方硬性字符限制。

提交方式

标准 OpenAI Chat JSON。可直接用 OpenAI SDK：把 base_url 指向网关、api_key 用你的令牌即可。

示例请求

# 基础对话（非流式）
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [
      {"role": "user", "content": "用一句话介绍你自己"}
    ]
  }'

# 流式输出（stream: true，SSE 实时打字效果）
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [
      {"role": "user", "content": "用三点总结人工智能的发展趋势"}
    ],
    "stream": true
  }'

# 多模态图文对话（图片传公网 URL 或 base64 Data URI）
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "描述这张图片中的主体内容"},
          {"type": "image_url", "image_url": {"url": "https://your-public-image.jpg"}}
        ]
      }
    ]
  }'

# Gemini 原生格式（非流式）
curl "https://aihubcc.cc/v1beta/models/gemini-4-argon:generateContent" \
  -H "x-goog-api-key: sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {"parts": [{"text": "用一句话介绍你自己"}]}
    ]
  }'

多模态附件（图片 / 视频反推 / 音频）

在 messages[].content 里挂附件即可。附件由平台自动下载并转交给模型，你只要给一个公网可访问的 URL（或 base64），不需要自己转存。典型用途是视频反推：丢一段片子进去，让模型描述画面、还原分镜或倒推提示词。

支持的写法

类型以文件内容为准，不以你写的字段名为准：把 mp4 塞进 image_url 也会被正确识别成视频并按视频计费。

限制

上传失败、格式不支持、超限都会直接返回错误，不会「忽略附件照常回答」——否则你会拿到一个看起来正常、实际上没看过文件的回答。

计费：附件按实际体量计入 prompt_tokens

与 Google 官方多模态计量口径一致，图片按实际像素分块、视频与音频按实际时长，不是固定一口价。返回的 usage 就是实际扣费依据（流式模式下随 [DONE] 前最后一个 chunk 返回）。

文本部分照常计入，附件 token 是叠加上去的。无法读出时长或尺寸的文件（例如编码异常）按保守固定值计，不会按 0 计。

示例：视频反推

# 传公网 URL，平台会自动下载并转交给模型
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "逐镜头描述这段视频：画面内容、镜头运动、节奏，并倒推出一段可以复现它的提示词"},
          {"type": "video_url", "video_url": "https://your-cdn.com/clip.mp4"}
        ]
      }
    ]
  }'

# 传 base64（无公网 URL 时）
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "这个视频里出现了什么文字？"},
          {"type": "video_url", "video_url": "data:video/mp4;base64,AAAAGGZ0eXBpc29t..."}
        ]
      }
    ]
  }'

示例：图片理解 / 音频

# 图片
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [{"role":"user","content":[
      {"type":"text","text":"这张图里的文字是什么？"},
      {"type":"image_url","image_url":{"url":"https://your-public-image.jpg"}}
    ]}]
  }'

# 音频
curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-app",
    "messages": [{"role":"user","content":[
      {"type":"text","text":"把这段音频转写成文字"},
      {"type":"input_audio","input_audio":{"data":"<BASE64>","format":"mp3"}}
    ]}]
  }'

Python（OpenAI SDK）

from openai import OpenAI
client = OpenAI(base_url="https://aihubcc.cc/v1", api_key="sk-xxx")

resp = client.chat.completions.create(
    model="gemini-3.8-flash-app",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "逐镜头描述这段视频，并倒推出提示词"},
        {"type": "video_url", "video_url": "https://your-cdn.com/clip.mp4"},
    ]}],
)
print(resp.choices[0].message.content)
print(resp.usage)   # prompt_tokens 已包含视频 token（时长 x 263）

说明

• 图片与视频已在生产链路实测稳定（同一素材连续 5 次全部正确识别附件内容）。
• 音频模型对压缩容器（mp3/m4a）的识别不稳定，平台会在转交前统一转成 16kHz 单声道 WAV，并在检测到「模型没收到附件」时自动重试一次；实测转换 + 重试后 8/8 命中。纯合成音（正弦音等）模型的描述会比较发散，语音 / 环境音场景更可靠。
• 附件只在 role: "user" 轮上传；多轮对话里重复贴同一个 URL 不会重复上传，也不会重复计费。

响应说明（同步即返，无需轮询）

本接口为同步对话接口，无需轮询。一次 POST 即可在 choices[0].message.content 取得完整回复；设置 stream: true 时按 SSE 标准流式增量推送。

Python 完整请求

from openai import OpenAI
client = OpenAI(base_url="https://aihubcc.cc/v1", api_key="sk-xxx")
resp = client.chat.completions.create(
    model="gemini-3.8-flash-app",
    messages=[{"role": "user", "content": "用一句话介绍杭州"}],
)
print(resp.choices[0].message.content)

联网来源引用（annotations）

当回答触发了联网搜索，我们会把 Gemini 实际引用的网页按 OpenAI 官方 annotations / url_citation 规范一并返回，同时正文里的 markdown 链接原样保留（不会被压成裸域名）。GEO / AEO 监测、引用溯源、竞品可见度分析可直接消费该字段。

上表模型走同一套服务体系，行为一致。反重力 gemini-anti 分组（gemini-3.1-pro-low / gemini-3.8-flash 等）是另一条独立源站线路，不返回 annotations。需要引用来源请务必用上表中的模型。

非流式：在 choices[].message 下

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "…**来源网址**：[semrush.com](https://www.semrush.com/) …",
      "annotations": [
        {
          "type": "url_citation",
          "url_citation": {
            "url": "https://www.da-vinci.com.tw/cn/seo-tools",
            "title": "2026年SEO人必看！最新、最齐全的32个SEO软体介绍！"
          }
        }
      ]
    },
    "finish_reason": "stop"
  }]
}

流式：在最后一个带 finish_reason 的 chunk 上

stream:true 时正文照常增量下发，完整的 annotations 随收尾 chunk 一次性给出（该 chunk finish_reason 非空、delta.content 为空）。中间 chunk 不会携带引用。

data: {"choices":[{"delta":{"content":"…正文…"},"finish_reason":null}]}

data: {"choices":[{"delta":{"annotations":[{"type":"url_citation","url_citation":{"url":"https://…","title":"…"}}]},"finish_reason":"stop"}]}

data: [DONE]

字段说明

未触发联网搜索的普通问答不会带 annotations 键（是省略，不是空数组），请按「键存在与否」判断，不要假设它一定存在。

取引用示例（Python）

from openai import OpenAI
client = OpenAI(base_url="https://aihubcc.cc/v1", api_key="sk-xxx")
resp = client.chat.completions.create(
    model="gemini-3.1-pro",
    messages=[{"role": "user", "content": "2026年最好用的SEO工具有哪些？请给出来源网址"}],
)
msg = resp.choices[0].message
print(msg.content)
for a in (getattr(msg, "annotations", None) or []):
    c = a["url_citation"] if isinstance(a, dict) else a.url_citation
    print(c.get("title", ""), c["url"])

想稳定拿到引用，提示词里明确要求「请给出来源网址」之类的联网意图，命中率更高。

注意事项

• 模型名不带 -fast 后缀（如 gemini-3.8-flash-app）。早期带 -fast 后缀的旧名称已下线，继续使用会直接报模型不存在。
• 按 token 计费，分组倍率不同单价不同，以模型广场为准。
• 支持多模态附件：图片、视频（视频反推）、音频，见上方「多模态附件」一节；附件按实际体量计入 prompt_tokens。
• 需要联网引用来源时，见上方「联网来源引用（annotations）」——注意反重力分组不支持。

建议

• 直接用 OpenAI SDK（改 base_url + api_key）接入最省事。
• 大输出 / 长响应建议开 stream 改善体验。

Gemini 图像生成

基于 Gemini 的图像生成服务。

模型

接口信息

通过 POST /v1/images/generations 调用，参数与 GPT-Image-2 类似。

示例请求

curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-image",
    "prompt": "赛博朋克风格的东京夜景",
    "size": "1024x1024"
  }'

核心参数

提交方式

画幅与方向（size）

size 决定出图方向。现已支持任意像素尺寸与方向关键词，网关会据此让模型生成对应画幅：

说明：只传单一数字（如 1024）或清晰度名（如 2k/4k）不含方向信息，此时按模型默认方向出图。竖屏为尽力而为（Gemini 侧对画幅遵循为概率性），带明确的 宽x高 或方向关键词可显著提高竖屏命中率。/v1/images/edits（图生图）同样支持 size 控制方向。

参考图（图生图 / 编辑）

附带参考图即可进行图生图 / 编辑。image 字段同时支持字符串与数组两种写法，取值可为公网 URL 或 data:image Base64：

curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-image",
    "prompt": "把这两张图融合成一张海报",
    "image": ["https://cdn.example.com/a.jpg", "https://cdn.example.com/b.jpg"]
  }'

兼容说明：image 传单张用字符串、传多张用数组均可。早期部分客户端把图片写成数组会报 cannot unmarshal array into ... image of type string，现已兼容修复，无需改动客户端。参考图最多 5 张、每张 ≤5MB。

轮询取片

本模型为同步接口，请求成功后直接在响应 data[] 返回图片，无需轮询。

Python 完整请求

import requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 文生图（size 传 宽x高 控制方向，竖屏尽力而为）
r = requests.post(f"{BASE}/images/generations", headers=H, json={
    "model": "gemini-image",
    "prompt": "赛博朋克风格的东京夜景",
    "size": "1024x1824"
}).json()
print(r["data"][0].get("url") or "b64")

# 图生图：image 传单张字符串或多张数组（URL 或 base64）
r2 = requests.post(f"{BASE}/images/generations", headers=H, json={
    "model": "gemini-image",
    "prompt": "把这两张图融合成一张海报",
    "image": ["https://cdn.example.com/a.jpg", "https://cdn.example.com/b.jpg"]
}).json()

注意事项

• 竖屏为尽力而为：Gemini 对画幅遵循是概率性的，带明确 宽x高 或方向关键词（portrait / landscape）可显著提高竖屏命中率。
• 参考图：image 传单张字符串或多张数组均可（已兼容早期数组报错），公网 URL 或 base64；最多 5 张、每张 ≤ 5MB。
• 只传单一数字 / 清晰度名（如 1024 / 2k）不含方向信息，按模型默认方向出图。

建议

• 要竖屏 / 横屏直接传 宽x高（如 720x1280）或方向关键词，命中率更高。
• pro 更强：复杂构图 / 细节用 gemini-image-pro（），常规用 gemini-image（）。
• 图生图多图用 image 数组一次传多张融合。

Gemini 音乐生成

通过 Chat Completions 接口生成音乐。同步返回（约 40–70 秒），结果是一个可直接下载的 MP3 链接（无需鉴权即可 GET 下载）。

模型

令牌分组必须为 gemini-fast，否则返回"无可用渠道"。失败不计费。

时长档位

提供两个档位，用 length 参数选择：

⚠️ 时长是「目标」不是「约定」，我们不保证精确长度。 服务模型把长度当作创作参考，同一档位多次生成的成品长度会浮动 —— 这是模型行为，不是故障，也无法通过参数消除。

带人声的曲子会明显更长。模型会为了把歌词唱完而突破目标时长：同样是 short 档，纯音乐基本贴着 60 秒，带人声的中位数也是 60 出头，但约 10% 的样本会超过 90 秒，最长实测到 155 秒（唱整首古诗、日语歌词这类需要唱完长段落的情形）。歌词越长，成品越长。

上表区间来自 2026-09 的 43 次实测采样，可能随服务模型更新而变化。
如果你的业务需要精确时长（卡点、广告位、循环 BGM），请把成品当素材，自行裁剪或循环到目标长度。

关于歌词

默认不会返回歌词文本，只会返回一句生成说明。实测 38 个默认用例中，只有 1 个自带了歌词。

想要歌词就在提示词里明确要求，例如「请在回复里把完整歌词逐行写出来」或指定结构：

In your text reply, output the lyrics in this structure:
[Verse 1] ... [Chorus] ... [Verse 2] ...
Write the actual lyric lines, not a description.

加了这类要求后，6 个用例中有 5 个返回了带 [Verse]/[Chorus] 结构的完整歌词。歌词出现在 chat 返回正文的分隔线之后，或结构化接口的 message 字段里。

⚠️ 中文提示词里不要用命令式的「把歌词写成文字给我」。 实测这类措辞会把请求推向纯文本模型，服务直接回一段文字歌词甚至一段 Python 代码，完全不产出音乐。 改用温和的「顺便把歌词也附上」，或者干脆用英文下这条指令（主题仍可以是中文歌），都能正常出歌。

涉及现当代诗词/歌词时服务会以版权为由拒绝复刻，转而生成「意境相近」的原创作品 —— 实测连已进入公有领域的唐诗也会先声明一句再照唱。这是服务的策略，我们无法绕过。

请求示例（Chat Completions）

curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-music",
    "messages": [{"role":"user","content":"创作一首轻快的电子风格BGM，适合科技产品广告"}]
  }'

Chat 接口没有结构化参数，系统会从你的文字里读取意图：

• 写「3分钟」「90秒」「3 minutes」→ 归入最接近的档位（不写则按 short）
• 写「纯音乐」「不要人声」「instrumental」→ 不带人声
• 写「要有人声」「有歌词」「with vocals」→ 带人声演唱
• 都不写 → 交给模型自己决定

请求示例（结构化接口）

需要显式控制时用 POST /v1/audio/generations：

curl https://aihubcc.cc/v1/audio/generations \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-music",
    "prompt": "大气的电影配乐，弦乐为主",
    "length": "standard",
    "vocals": false
  }'

返回体里会回显 length、target_seconds 和 duration_is_exact: false，后者就是在提醒你：那是目标值，不是成品长度。

返回示例

下载链接在 choices[0].message.content 里（Markdown 链接 + 纯 URL 各一份）：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "✅ 音乐生成完成\n\n[⬇️ 点击下载音乐](https://download.oaibox.xyz/v1/audio/aud-xxxx.mp3)\n\nhttps://download.oaibox.xyz/v1/audio/aud-xxxx.mp3"
    },
    "finish_reason": "stop"
  }]
}

从 content 中取出形如 .../v1/audio/aud-xxxx.mp3 的 URL，直接 GET 即可下载（无需带 Authorization）。响应头为 Content-Type: audio/mpeg + Content-Disposition: attachment，浏览器、curl、ffmpeg、下载工具都能直接当文件处理。也支持 "stream": true，链接会在流式结束的那条消息里返回。

请原样使用返回的 URL，不要自己拼域名。下载域名由服务端决定，手工拼接的地址可能取不到文件。
旧版 .../v1/audio/aud-xxxx/content 形式的链接仍然有效，无需改造既有集成。
链接为生成后即时缓存，建议尽快下载保存。

关于成品格式

交付的一定是 MP3（立体声 44.1kHz）。服务同时会产出一段带封面动画的 MP4，我们不把它作为音乐成品返回；若服务本次未直接提供 MP3，系统会从该 MP4 中提取音轨转成 MP3 后再交付，对你是透明的。

Gemini 语音合成（TTS）

OpenAI 兼容的文字转语音接口 POST /v1/audio/speech。同步返回音频字节流（mp3/opus/pcm 边合成边下发，首包约 0.3–0.5 秒），直接把响应体当音频文件保存即可，无需二次下载。

模型

按输入字符数计费（中英文都按字符/码点数算），不按音频时长。失败不计费。令牌分组需为 gemini-fast，否则返回"无可用渠道"。

请求示例

curl https://aihubcc.cc/v1/audio/speech \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-tts",
    "input": "你好，欢迎使用语音合成服务。",
    "voice": "Capella",
    "response_format": "mp3"
  }' --output speech.mp3

参数

音色列表

9 个音色，跨语言通用（中文、英文等都用同一组名字）：

也可直接用 OpenAI 的音色名：alloy→Vega、nova→Capella、shimmer→Ursa、coral→Eclipse、sage→Lyra（女声）；echo→Orbit、ash→Dipper、fable→Nova、onyx/ballad→Pegasus（男声）。方便从 OpenAI 迁移。
注意：OpenAI 的 nova（小写，女声）与 Gemini 的 Nova（大写，男声）是两个不同音色，按大小写区分。

说明

• 响应体就是音频本身：mp3/opus/pcm 为流式下发，wav/aac/flac 合成完再整体返回。
• 速度参考：约 30–40ms/字符。4000 字英文约 36 秒、1800 字中文约 65 秒合成完毕。
• 语速、音高这类字段官方源站一律忽略；speed 由平台用变速后处理保证可用。

Gemini 语音识别（STT）

OpenAI 兼容的语音转文字接口 POST /v1/audio/transcriptions（multipart/form-data 上传音频文件）。同步返回转写文本，任意常见音频容器都接受，平台会自动转码。

模型

按音频时长计费（每分钟 1000 token）。单文件上限 25MB。失败不计费。令牌分组需为 gemini-fast。

请求示例

curl https://aihubcc.cc/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-xxx" \
  -F model=gemini-stt \
  -F file=@audio.mp3 \
  -F language=zh \
  -F response_format=json

参数

返回示例

{ "text": "你好，这是一段语音识别测试。" }

verbose_json 额外返回 task、language、duration（音频秒数）字段；text 则直接返回纯文本。无语音内容时返回空串，不算失败。

Gemini 语音对话（Voice Chat）

把语音识别（STT）→ 对话（Chat）→ 语音合成（TTS）合成一次调用：说一句话进去，得到一段语音回答。一问一答（turn-based）、支持中英文、跑在同一个号池上。

两种用法，推荐第一种（能直接套用 OpenAI 语音 SDK，改个 base_url 就能跑）。

价格

按所用对话模型的文本计费（即你在 model 里填的那个 Gemini 对话模型的价格）。语音识别与语音合成这两段不额外收费。失败不计费。

语音回答的音色读的就是对话模型的回复原文，建议用速度快的 Flash 对话模型（如 gemini-3.5-flash）体验更自然；推理型模型可能会把代码块、公式也一起"读"出来。

用法一：OpenAI 兼容（/v1/chat/completions）

在普通对话请求里加 modalities:["text","audio"] 和 audio 两个字段即可，和 OpenAI 的 gpt-4o-audio 完全一致。用你现有的对话模型，无需申请新模型。

curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.5-flash",
    "modalities": ["text", "audio"],
    "audio": { "voice": "nova", "format": "mp3", "input_mode": "stt" },
    "messages": [
      { "role": "user", "content": [
        { "type": "input_audio", "input_audio": { "data": "<base64音频>", "format": "mp3" } }
      ]}
    ]
  }'

返回里，文字回答在 choices[0].message.content，语音回答在 choices[0].message.audio：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "2 加 3 等于 5。",
      "audio": {
        "id": "audio_xxxx",
        "data": "<base64 的 mp3>",
        "transcript": "2 加 3 等于 5。",
        "format": "mp3"
      }
    }
  }]
}

语音输出只在非流式（stream=false）下返回。stream=true 时文字照常流式返回，但不带语音。

用法二：直连语音端点（/v1/audio/chat）

给原生音频应用准备的精简端点：multipart 上传音频，直接吐回音频字节流。此端点需直连网关使用。

curl https://aihubcc.cc/v1/audio/chat \
  -H "Authorization: Bearer sk-xxx" \
  -F model=gemini-voice \
  -F file=@question.mp3 \
  -F voice=Capella \
  -F response_format=mp3 \
  -F input_mode=stt \
  -F language=zh \
  --output answer.mp3

默认返回音频文件，识别文本与回答文本在响应头 X-Transcript / X-Reply-Text（都做了 base64 编码，避免中文乱码）。传 response_format=json 则返回 { "transcript": "...", "text": "...", "audio": { "data": "<base64>", "format": "mp3" } }。可选 messages 字段（JSON 数组）带对话上下文，speed 调语速（0.25–4.0）。

音色列表

也可直接用 OpenAI 音色名：alloy/nova/shimmer/coral/sage（女声）、echo/ash/fable/onyx/ballad（男声），会按性别映射。

官方 Key（Google AI Studio 原生模型）

直连 Google AI Studio 的官方标准模型，模型名与官方完全一致。令牌分组 gemini-official。文本 / 图像走 /v1/chat/completions；音乐为异步按次任务。价格 = 官方价 × 分组倍率。

模型

三类模型（文本 / 图像 / 音乐），价格 = 官方价 × 分组倍率（当前 1.6）：

文本模型（按 token）

图像模型

按 token 的图像模型，生成图像本身计入输出 token（故输出单价看似高）。

音乐（异步按次）

接口信息

核心参数

提交方式

示例：官方文本

curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-2.5-pro",
    "messages": [{"role":"user","content":"你好"}]
  }'

示例：官方出图

curl https://aihubcc.cc/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-pro-image",
    "messages": [{"role":"user","content":"赛博朋克风格的城市夜景"}]
  }'

示例：官方音乐（lyria，异步任务）

curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "lyria-3-pro-preview",
    "prompt": "轻快的钢琴爵士，适合咖啡馆"
  }'
# 轮询取片同上（GET /v1/videos/{task_id}）

轮询取片

文本 / 图像为同步对话接口，直接返回、无需轮询。音乐（lyria）为异步任务：POST /v1/videos 提交拿 task_id，再 GET /v1/videos/{task_id} 轮询到 completed 取结果（同「Omni 视频生成」板块）。

Python 完整请求

from openai import OpenAI

client = OpenAI(api_key="sk-xxx", base_url="https://aihubcc.cc/v1")

# 官方文本
resp = client.chat.completions.create(
    model="gemini-2.5-pro",
    messages=[{"role": "user", "content": "你好"}],
)
print(resp.choices[0].message.content)

# 官方音乐（lyria，异步：用 requests 提交 /v1/videos 后轮询）
import time, requests
BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "lyria-3-pro-preview", "prompt": "轻快的钢琴爵士，适合咖啡馆"}).json()
tid = task.get("task_id") or task.get("id")
while True:
    time.sleep(6)
    s = requests.get(f"{BASE}/videos/{tid}", headers=H).json()
    if s.get("status") == "completed": break
    if s.get("status") == "failed": break

注意事项

• 令牌需在 gemini-official 分组下
• 模型名与 Google 官方一致，价格 = 官方价 × 分组倍率（当前 1.6）
• 音乐（lyria）为异步按次任务，提交与轮询方式见「Omni 视频生成」板块
• 图像模型部分按 token、部分按次，见上表

建议

• 要官方原生模型名就用本组：模型名与 Google AI Studio 完全一致，价格 = 官方价 × 分组倍率（当前 1.6）。
• 图像模型分两类：按 token 的（生成图计入输出 token）与按次的（gemini-3-pro-image-*k，；按需选。
• 音乐 lyria 走异步 /v1/videos，提交后轮询取片，别用 chat 端点。

Adobe Firefly · Veo 3.1

Adobe Firefly 视频生成现已提供 Veo 3.1 标准版、Veo 3.1 Fast（静音档，无音频）与 Veo 3.1 Fast Direct（含音频）。两者均使用 OpenAI 兼容的异步视频接口：提交任务后轮询，完成时从响应中的 video_url 获取成片。

本页仅列出当前已开放的 VEO 模型；请勿以模型名或参数猜测方式调用未列出的模型。

模型

⚠️ 音频说明（重要）：firefly-veo-3.1-fast 是无音频的静音档，成片不含任何音频轨。如需带音频，请改用 firefly-veo-3.1-fast-direct（同为 Fast、含音频）或 firefly-veo-3.1 标准版（含音频）。

实际计费、模型可见性和可用额度以控制台模型列表及你的 API 令牌权限为准。

接口信息

核心参数

size 支持两种传法：① 像素尺寸（如 1280x720），画幅与清晰度自动识别，无需 video_resolution；② 官网式纵横比（16:9/9:16）+ 必填 video_resolution（720p/1080p），对齐 Adobe 官网“画幅 + 分辨率”两栏。两套输出完全一致。音频区分：firefly-veo-3.1（标准版）与 firefly-veo-3.1-fast-direct 默认含音频；而 firefly-veo-3.1-fast 为静音档、无音频轨。

size 取值与输出

官网式取值（size 纵横比 + video_resolution）

提交方式

纯文字走 JSON；一旦带任何参考图 / 首尾帧 / 多图，整个请求用 multipart 表单提交（字段用 -F）。首尾帧模式与多参考图模式互斥，不可同一请求混用。

示例：提交 6 秒 Fast 视频

BASE_URL="https://aihubcc.cc"
TOKEN="sk-xxx"

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-veo-3.1-fast",
    "prompt": "日出时一盏彩色纸灯笼缓缓飘过安静的湖面，水面泛起微光，电影感镜头，无文字无标志。",
    "seconds": "6",
    "size": "1280x720"
  }'

示例：官网式参数（纵横比 + 分辨率）

与像素式输出完全一致，区别只是把画幅和清晰度拆成 size（纵横比）+ video_resolution 两栏，对齐 Adobe 官网 UI。size 传纵横比时 video_resolution 必填。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-veo-3.1-fast",
    "prompt": "日出时一盏彩色纸灯笼缓缓飘过安静的湖面，水面泛起微光，电影感镜头，无文字无标志。",
    "seconds": "6",
    "size": "16:9",
    "video_resolution": "720p"
  }'

示例：图生视频（带参考图 input_reference）

在文生的基础上，用 multipart 表单额外带一张参考图作为首帧，其余参数（seconds、size）一致。input_reference 支持本地文件、图片 URL 或 base64 三种传法。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-veo-3.1' \
  -F 'prompt=让画面里的主体自然动起来，镜头缓慢向前推进，保持构图。' \
  -F 'seconds=6' \
  -F 'size=1280x720' \
  -F 'input_reference=@frame.jpg;type=image/jpeg'

用图片 URL：把最后一行换成 -F 'input_reference=https://your-cdn.com/frame.jpg'；用 base64：换成 -F 'input_reference=data:image/jpeg;base64,<...>'。提交后与文生一样轮询 GET /v1/videos/{task_id}，完成后取顶层 video_url。

首尾帧（First / Last Frame）

用 first_frame（起始帧）和 last_frame（结束帧）两张图，引导 Veo 从首帧画面过渡到尾帧画面。两个字段都支持图片 URL、base64（data:image/...;base64,）或 multipart 文件。只传 first_frame 等同于用首帧做图生视频（与上面的 input_reference 首帧一致）。首尾帧模式与下方“多参考图”模式互斥，不能同一请求混用（Adobe 官方规则，混传会在生成前返回 400、不计费）。

⚠️ Veo 的首尾帧按两张参考图处理（首帧、尾帧各作为一个参考引导），过渡的具体表现由模型把控、未必是逐帧线性插值，实际以成片为准。参考图请用真实、合规的照片（勿用随机占位图 / 纯色图；含可识别真人面孔可能触发内容策略）。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-veo-3.1",
    "prompt": "镜头从清晨薄雾笼罩的湖面缓缓推进，雾气逐渐散去，远处倒影渐渐清晰",
    "seconds": "8",
    "size": "16:9",
    "video_resolution": "720p",
    "first_frame": "https://your-cdn.com/first.jpg",
    "last_frame":  "https://your-cdn.com/last.jpg"
  }'

首尾帧也可走 multipart 文件：改成 -F 'model=firefly-veo-3.1' -F 'first_frame=@first.jpg;type=image/jpeg' -F 'last_frame=@last.jpg;type=image/jpeg'（prompt/seconds/size 同样用 -F 传）。

多参考图（Reference Images）

用 reference_images 传入多张参考图，引导角色、风格与构图。Veo 取用前若干张作参考（标准版 firefly-veo-3.1 最多 3 张、Fast 版最多 2 张），支持图片 URL、base64 或 multipart（重复字段名传多张）。与首尾帧模式互斥：同一请求不能同时传 first_frame/last_frame，混传在生成前返回 400、不计费。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-veo-3.1' \
  -F 'prompt=保持这几张参考图的人物形象与画面风格，让主体自然动起来' \
  -F 'seconds=6' \
  -F 'size=1280x720' \
  -F 'reference_images=@char.jpg;type=image/jpeg' \
  -F 'reference_images=@style.jpg;type=image/jpeg'

参考图须为真实合规照片；超量或与首尾帧字段混用会在生成前返回 400（不扣积分）。

成功提交会返回异步任务，例如：

{
  "id": "task_xxx",
  "status": "queued",
  "model": "firefly-veo-3.1-fast",
  "progress": 0
}

轮询取片

curl -sS "$BASE_URL/v1/videos/task_xxx" \
  -H "Authorization: Bearer $TOKEN"

当响应中的 status 为 completed 时，读取 video_url：

{
  "id": "task_xxx",
  "status": "completed",
  "model": "firefly-veo-3.1-fast",
  "video_url": "https://..."
}

video_url 是短期签名下载地址，请在有效期内下载或转存。当前请直接使用完成任务返回的 video_url，不要依赖 /v1/videos/{task_id}/content。

Python 完整请求

import time, requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 提交（文生；图生改用 multipart 带 input_reference）
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "firefly-veo-3.1",
    "prompt": "日出时一盏彩色纸灯笼缓缓飘过安静的湖面，电影感镜头",
    "seconds": "6",
    "size": "1280x720"
}).json()
task_id = task.get("id") or task.get("task_id")

# 轮询
while True:
    time.sleep(6)
    s = requests.get(f"{BASE}/videos/{task_id}", headers=H).json()
    if s.get("status") == "completed":
        print("下载:", s["video_url"]); break
    if s.get("status") == "failed":
        print("失败:", s); break

注意事项

• 提交成功但还没有视频：继续查询同一个任务 ID，直到状态变为 completed 或 failed。
• 模型不可见或返回权限错误：确认 API 令牌已开通 Firefly VEO 模型权限。
• 任务失败：保留任务 ID 与错误响应，提交给技术支持排查；不要为同一任务并发重复提交。

建议

• 要带音频用 firefly-veo-3.1 或 firefly-veo-3.1-fast-direct；firefly-veo-3.1-fast 是静音档、无音轨。
• 画幅两套任选：像素式 size（如 1280x720）自动识别清晰度；官网式纵横比 16:9 需同时传 video_resolution。
• 首尾帧与多参考图互斥：要过渡用 first_frame+last_frame，要角色 / 风格一致用 reference_images，别混用。
• 参考图用真实合规照片，含可识别真人面孔可能触发内容策略。

Adobe Firefly · Seedance 2.0

Adobe Firefly 的 Seedance 2.0 与 Seedance 2.0 Fast 视频模型。支持文生视频与单图生视频，使用 OpenAI 兼容的异步视频接口：提交任务后轮询，完成时读取 video_url 获取成片。四档均原生自带音频（对白 / 音效 / 环境音同步生成），无需额外参数。

本页仅适用于 firefly 分组的 Adobe Firefly Seedance 模型；与导航中另一套 Seedance 服务是独立通道、独立模型和独立素材协议，不能混用模型名或多图参数。

模型

视频默认带音频（AAC 音轨）：Seedance 2.0 是 Adobe 官方原生音频模型，一次生成即同步产出对白 / 音效 / 环境音；四档（标准 / Fast × 480p / 720p）全部自带音频，无需额外参数、也不额外计费。

模型名已固定输出分辨率；video_resolution 只能填写与所选模型一致的值，不能用 480p SKU 请求 720p 输出。

接口信息

已支持规格

核心参数

提交一张首帧参考图即可启用图生视频；不带图片则为文生视频。input_reference 为单张首帧图。若需首尾帧或多图 / 视频 / 音频参考，见下方“首尾帧”“全能参考（Omni）”两节。可上传 JPEG/JPG、PNG、WebP。服务会按目标画幅进行居中裁切、缩放并转为 PNG 后提交；建议先按目标画幅准备主体清晰的图片，以免裁掉重要内容。

提交方式

参考图可走公网 URL 或 base64（JSON 亦可）；参考视频 / 音频仅接受 multipart 文件或 base64，不收 http URL。首尾帧模式与全能参考模式互斥。

示例：文生视频

BASE_URL="https://aihubcc.cc"
TOKEN="sk-xxx"

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-Seedance-2.0-fast-480p",
    "prompt": "一盏纸灯笼在夜色湖面上缓缓漂过，水面反射暖色灯光，电影感镜头。",
    "seconds": 5,
    "video_resolution": "480p",
    "size": "854x480"
  }'

示例：单图生视频

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=让画面中的山间云雾缓慢流动，镜头轻微向前推进。' \
  -F 'seconds=5' \
  -F 'video_resolution=480p' \
  -F 'size=854x480' \
  -F 'input_reference=@frame.jpg;type=image/jpeg'

参考图含真人脸 · image_style 风格化（可选）

先分清你要哪种结果，再决定用不用这个参数：

• 要真人输出（真人参考 → 生成的仍是真人）：不要用 image_style。请改用三视图 / 多角度参考的方式——把同一人物的正面、侧面、背面等多张清晰照片作为多图参考传入（见下方“全能参考（Omni）”的仅多图参考示例），既能提高“真人脸”过审率，又能保持真人形象。
• 要漫剧 / 动漫角色脸型（真人参考 → 生成动漫角色）：传可选参数 image_style=anime。网关会在提交 Adobe 前把你的真人参考图整图风格化（动漫化），从而通过 Adobe 的“真人脸”内容审核，产出漫剧风格的角色视频。

一句话：真人要真人 → 用三视图多图参考，别传 image_style；真人要漫剧脸 → 传 image_style=anime。不传该参数时行为完全不变（原图直发），主动权在你。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=参考图中的人物，转成漫剧角色在城市街头行走，日系动漫画风' \
  -F 'seconds=5' \
  -F 'video_resolution=480p' \
  -F 'size=854x480' \
  -F 'input_reference=@person.jpg;type=image/jpeg' \
  -F 'image_style=anime'

参考图门过了之后，Adobe 输出侧的内容 / 版权审核仍是概率性的，个别任务可能要重试 1–2 次才出片；失败不计费。想保留真人、不要漫剧脸时，用上面“三视图多图参考”的做法，别传 image_style。

首尾帧（First / Last Frame）

提供起始帧和结束帧图片，Seedance 生成从首帧平滑过渡到尾帧的视频。用 first_frame、last_frame 两个字段，支持 multipart 文件、图片 URL 或 base64（data:image/...;base64,）。只传 first_frame 即为单首帧动画。首尾帧模式与下方“全能参考”模式互斥，不能同一请求混用（Adobe 官方规则）。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=镜头从第一张画面平滑过渡到第二张画面，电影感运镜' \
  -F 'seconds=5' \
  -F 'size=854x480' \
  -F 'first_frame=@first.jpg;type=image/jpeg' \
  -F 'last_frame=@last.jpg;type=image/jpeg'

全能参考（Omni · 图 / 视频 / 音频）

Seedance 2.0 的核心能力：一次最多提供 9 张图 + 3 段视频 + 3 段音频（总计 ≤ 9 个参考资产）作为风格、角色、构图、运镜、音效的引导。用 reference_images、reference_videos、reference_audios 传入，可在 prompt 里用文字说明各参考的作用。参考视频引导运动与氛围（不是直接动画化）。与首尾帧模式互斥。

三类合计 ≤ 9 个；多值用重复字段名传（如 -F 'reference_images=@a.jpg' -F 'reference_images=@b.jpg'）。超量、超大、或与首尾帧字段混用会返回 400（生成前拦截，不扣积分）。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=参考图片的色调、视频的运镜、音频的节奏，生成一段电影感镜头' \
  -F 'seconds=5' \
  -F 'size=854x480' \
  -F 'reference_images=@style.jpg;type=image/jpeg' \
  -F 'reference_videos=@motion.mp4;type=video/mp4' \
  -F 'reference_audios=@beat.mp3;type=audio/mpeg'

更多参考用法示例

① 仅多图参考（角色/风格一致性，最多 9 张，重复字段名传多张）：

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=保持这几张参考图的人物形象与画面风格，让主体自然走动' \
  -F 'seconds=6' \
  -F 'size=854x480' \
  -F 'reference_images=@char1.jpg;type=image/jpeg' \
  -F 'reference_images=@char2.jpg;type=image/jpeg' \
  -F 'reference_images=@style.jpg;type=image/jpeg'

② 图 + 参考视频（用视频引导运镜/氛围，不直接动画化）：

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-720p' \
  -F 'prompt=参考图片的主体，沿用参考视频的镜头运动方式生成' \
  -F 'seconds=5' \
  -F 'size=1280x720' \
  -F 'reference_images=@subject.jpg;type=image/jpeg' \
  -F 'reference_videos=@camera-move.mp4;type=video/mp4'

③ 图 + 参考音频（用音频引导节奏/情绪）：

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=参考图片的场景，随音乐的舒缓节奏缓慢运镜' \
  -F 'seconds=8' \
  -F 'size=854x480' \
  -F 'reference_images=@scene.jpg;type=image/jpeg' \
  -F 'reference_audios=@music.mp3;type=audio/mpeg'

④ 仅首帧动画（只给起始帧，让静图动起来）：

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Seedance-2.0-fast-480p' \
  -F 'prompt=让画面中的云雾缓慢流动，镜头轻微向前推进' \
  -F 'seconds=5' \
  -F 'size=854x480' \
  -F 'first_frame=@start.jpg;type=image/jpeg'

⑤ 标准版 720p + 图片 URL（JSON）——参考图支持公网 URL / base64；视频、音频仅支持 multipart 文件或 base64（不接受 URL）：

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-Seedance-2.0-720p",
    "prompt": "参考这张图的色调，生成一段唯美空镜",
    "seconds": 8,
    "size": "1280x720",
    "reference_images": ["https://example.com/ref1.jpg", "https://example.com/ref2.jpg"]
  }'

轮询取片

curl -sS "$BASE_URL/v1/videos/task_xxx" \
  -H "Authorization: Bearer $TOKEN"

任务状态依次为 queued、in_progress、completed 或 failed。当状态为 completed 时，读取响应中的 video_url；建议每 5-10 秒轮询一次，不要为同一请求并发重复提交。

Python 完整请求

import time, requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 提交（文生；图生改用 multipart 带 input_reference）
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "firefly-Seedance-2.0-fast-480p",
    "prompt": "一盏纸灯笼在夜色湖面上缓缓漂过，电影感镜头",
    "seconds": 5,
    "video_resolution": "480p",
    "size": "854x480"
}).json()
task_id = task.get("id") or task.get("task_id")

# 轮询
while True:
    time.sleep(6)
    r = requests.get(f"{BASE}/videos/{task_id}", headers=H).json()
    if r.get("status") == "completed":
        print("下载:", r["video_url"]); break
    if r.get("status") == "failed":
        print("失败:", r); break

注意事项

• 四档全带音频（AAC），原生同步生成对白 / 音效 / 环境音，无需额外参数、不额外计费。
• 模型名已固定分辨率：480p SKU 不能请求 720p 输出；video_resolution 须与模型一致。
• 参考素材：图支持 URL / base64 / 文件；视频、音频仅接受文件或 base64，不收 http URL；三类合计 ≤ 9 个。
• 首尾帧模式与全能参考模式互斥；超量 / 超大 / 混用在生成前返回 400、不计费。

建议

• 真人要真人用三视图多图参考、别传 image_style；真人要漫剧脸传 image_style=anime。
• 按目标画幅裁好图再传（服务端会居中裁切缩放），避免主体被裁掉。
• 输出侧审核为概率性，个别任务重试 1–2 次即可，失败不计费。

Adobe Firefly · Kling 3.0

Adobe Firefly 的 Kling 3.0 与 Kling 3.0 Omni 视频模型。支持文生视频、图生视频（首帧参考图）与 Omni 多主体参考（@元素，单次最多 3 个），使用 OpenAI 兼容的异步视频接口：提交任务后轮询，完成时读取顶层 video_url 获取成片。

模型名区分大小写（Kling 首字母大写、Omni 首字母大写），请严格按下表填写，否则会报 model_not_found。

模型 · 按秒计费

按秒计费 = 单价 × 时长。例如 Kling 3.0 720p 10 秒 = 。失败不计费。

视频默认带音频（AAC 音轨）：Kling 3.0 标准与 Omni 均自带生成音效，无需额外参数。

接口信息

核心参数（参考 Adobe 官方）

Adobe 官方 Kling 支持三种画幅：16:9（横）/ 1:1（方）/ 9:16（竖）；也可用 aspect_ratio 传 16:9 / 1:1 / 9:16。

提交方式

示例：文生视频

BASE_URL="https://aihubcc.cc"
TOKEN="sk-xxx"

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-Kling-3.0-720p",
    "prompt": "一只雄鹰在金色夕阳下掠过雪山之巅，电影感镜头，缓慢推进。",
    "seconds": "5",
    "size": "1280x720"
  }'

示例：图生视频（首帧参考图 input_reference）

用 multipart 表单带一张参考图作为首帧，其余参数一致。input_reference 支持本地文件、图片 URL 或 base64。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-Kling-3.0-720p' \
  -F 'prompt=让画面中的主体自然动起来，镜头缓慢向前推进，保持构图。' \
  -F 'seconds=5' \
  -F 'size=1280x720' \
  -F 'input_reference=@frame.jpg;type=image/jpeg'

用图片 URL：把最后一行换成 -F 'input_reference=https://your-cdn.com/frame.jpg'；用 base64：换成 -F 'input_reference=data:image/jpeg;base64,<...>'。

示例：Omni 多主体参考（@元素，最多 3 个）

Kling 3.0 Omni 支持把参考图作为命名“元素”（主体/角色/物体/场景），在 prompt 中用 @元素名 引用，让生成画面保持该主体的一致性。单个视频请求最多引用 3 个元素（第 4 个起会被系统拒绝：reference_elements: List should have at most 3 items）。分两步：

第 1 步：创建元素（POST /v1/entities）

每个元素用 1~4 张参考图构建（建议 4 张不同角度，效果更稳）。type 取 character（角色）/ object（物体）/ location（场景）。

curl -sS -X POST "$BASE_URL/v1/entities" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Alice",
    "type": "character",
    "images": [
      "https://your-cdn.com/alice_front.jpg",
      "https://your-cdn.com/alice_side.jpg"
    ]
  }'

图片可传图片 URL或 base64（data:image/...;base64,）；每个元素 1~4 张。可重复调用创建多个元素（如 Alice、Bob、Cafe）。用 GET /v1/entities 查看已建元素，DELETE /v1/entities/{id} 删除。

第 2 步：生成时用 @元素名 引用（最多 3 个）

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-Kling-3.0-Omni-720p",
    "prompt": "@Alice 和 @Bob 在 @Cafe 里相视而笑，暖色灯光，电影感镜头。",
    "seconds": "5",
    "size": "1280x720"
  }'

上限：单次最多 3 个 @元素（本网关经 Adobe Firefly，硬上限为 3；超过报 reference_elements: at most 3 items）。被引用的元素须已通过第 1 步创建；同一请求引用的多个元素需属于同一账号（网关自动路由，无需手动指定）。此功能仅 firefly-Kling-3.0-Omni-720p / firefly-Kling-3.0-Omni-1080p 支持。

轮询取片

curl -sS "$BASE_URL/v1/videos/task_xxx" \
  -H "Authorization: Bearer $TOKEN"

当响应中的 status 为 completed 时，读取顶层 video_url（短期签名下载地址，请在有效期内下载或转存）。

Python 完整请求

import time, requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 提交（文生；图生改用 multipart 带 input_reference）
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "firefly-Kling-3.0-720p",
    "prompt": "一只雄鹰在金色夕阳下掠过雪山之巅，电影感镜头",
    "seconds": "5",
    "size": "1280x720"
}).json()
task_id = task.get("id") or task.get("task_id")

# 轮询
while True:
    time.sleep(6)
    r = requests.get(f"{BASE}/videos/{task_id}", headers=H).json()
    if r.get("status") == "completed":
        print("下载:", r["video_url"]); break
    if r.get("status") == "failed":
        print("失败:", r); break

注意事项

• model_not_found：检查大小写，必须是 firefly-Kling-3.0-720p / firefly-Kling-3.0-Omni-1080p 等（Kling/Omni 首字母大写）。
• 时长不支持：标准版与 Omni 均支持 5–15 秒任意整数。
• 任务失败：保留任务 ID 与错误响应交技术支持；不要为同一任务并发重复提交。

建议

• 要多主体一致用 Omni 版：先 POST /v1/entities 建元素（每个 1–4 张、建议 4 张不同角度），再在 prompt 里 @元素名 引用。
• 清晰度按预算选：720p 便宜、1080p 更清晰；画幅用像素 size 或 aspect_ratio 均可。
• 模型名区分大小写（Kling / Omni 首字母大写），否则报 model_not_found。

Adobe Firefly · Gemini Omni Flash

Google Gemini Omni Flash 视频模型，经 Adobe Firefly 接入。同一个模型名支持三种模式，按你传入的素材自动切换：只传 prompt = 文生视频（T2V）；额外带一张参考图 = 图生视频（I2V）；额外带一段参考视频 = 视频生视频（V2V）。OpenAI 兼容异步接口：提交任务后轮询，完成时从响应顶层 video_url 获取成片。

成片无音频（静音输出）。三种模式的规格、时长档、计费完全一致。

模型

按秒计费，三种模式同价：4 秒 、6 秒 、8 秒 、10 秒 。实际计费、模型可见性与可用额度以控制台模型列表及你的 API 令牌权限为准。

接口信息

核心参数

模式互斥优先级：同时传图和视频时按 视频生视频 处理。input_reference（图）与 input_video（视频）都是可选，都不传即为文生视频。

size 取值与输出

提交方式

同时传图和视频时按 V2V 处理；都不传即文生。

示例一：文生视频（T2V，JSON）

BASE_URL="https://aihubcc.cc"
TOKEN="sk-xxx"

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-gemini-omni-720p",
    "prompt": "日出时一只金毛小狗在草地上奔跑，柔和晨光，电影感镜头。",
    "seconds": "4",
    "size": "1280x720"
  }'

示例二：图生视频（I2V，带参考图 input_reference）

在文生的基础上，用 multipart 表单额外带一张参考图作为首帧，其余参数（seconds、size）一致。input_reference 支持本地文件、图片 URL 或 base64 三种传法。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-gemini-omni-720p' \
  -F 'prompt=让画面里的小狗自然转头看向镜头并摇尾巴，镜头缓慢推进。' \
  -F 'seconds=4' \
  -F 'size=1280x720' \
  -F 'input_reference=@frame.jpg;type=image/jpeg'

用图片 URL：把最后一行换成 -F 'input_reference=https://your-cdn.com/frame.jpg'；用 base64：换成 -F 'input_reference=data:image/jpeg;base64,<...>'。

示例三：视频生视频（V2V，带参考视频 input_video）

用 multipart 表单带一段参考视频，模型在其基础上按 prompt 重新演绎（改风格、加动作等）。input_video 仅支持本地文件（@clip.mp4）或 base64，不支持纯 http URL。

curl -sS -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $TOKEN" \
  -F 'model=firefly-gemini-omni-720p' \
  -F 'prompt=把这段片子改成水彩画风格，保留原有的运动。' \
  -F 'seconds=4' \
  -F 'size=1280x720' \
  -F 'input_video=@clip.mp4;type=video/mp4'

用 base64：把最后一行换成 -F 'input_video=data:video/mp4;base64,<...>'。

轮询取片

三种模式提交后都返回异步任务，轮询方式一致：

curl -sS "$BASE_URL/v1/videos/task_xxx" \
  -H "Authorization: Bearer $TOKEN"

当响应中的 status 为 completed 时，读取顶层 video_url：

{
  "id": "task_xxx",
  "status": "completed",
  "model": "firefly-gemini-omni-720p",
  "video_url": "https://..."
}

video_url 是短期签名下载地址，请在有效期内下载或转存。当前请直接使用完成任务返回的 video_url，不要依赖 /v1/videos/{task_id}/content。

Python 完整请求

import time, requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 提交（文生；I2V 用 multipart 带 input_reference，V2V 带 input_video）
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "firefly-gemini-omni-720p",
    "prompt": "日出时一只金毛小狗在草地上奔跑，柔和晨光",
    "seconds": "4",
    "size": "1280x720"
}).json()
task_id = task.get("id") or task.get("task_id")

# 轮询
while True:
    time.sleep(6)
    r = requests.get(f"{BASE}/videos/{task_id}", headers=H).json()
    if r.get("status") == "completed":
        print("下载:", r["video_url"]); break
    if r.get("status") == "failed":
        print("失败:", r); break

注意事项

• 时长仅四档：seconds 只接受 4/6/8/10，其它值会报错。
• V2V 视频来源：input_video 只收 multipart 文件或 base64 data URL，不会下载 http 链接；传 http 链接会被忽略、退化为文生。
• I2V 参考图：首发支持单张参考图作首帧。
• 无音频：成片为静音输出，不含音频轨。
• 模型权限：确认 API 令牌已开通 Firefly 分组权限；任务失败请保留任务 ID 与错误响应交技术支持，勿对同一任务并发重复提交。

建议

• 一模型三模式：只给 prompt=文生；加 input_reference=图生；加 input_video=视频生视频（同时给图和视频按 V2V）。
• V2V 视频只走文件 / base64，不下载 http 链接；传 http 会退化成文生。
• 成片无音频（静音输出）；时长仅 4/6/8/10 四档。

Adobe Firefly · GPT Image 2

Adobe Firefly 的 GPT Image 2 文生图模型。客户侧只选择画布尺寸（1K / 2K / 4K），服务端统一使用 medium 质量（Adobe detailLevel=3）。接口使用 OpenAI 兼容的异步视频任务契约：提交任务后轮询，完成时从 video_url 下载 PNG 图片。

本页为 firefly 分组的 Adobe Firefly GPT Image 2，与导航中 gpt-fast 分组的 GPT-Image-2 是独立通道、独立线路，模型名不同、不能混用。

模型

质量策略

客户请求不需要传 quality；网关统一按 medium 提交。当前先按画布尺寸提供 1K / 2K / 4K，实际 Adobe 扣点以账号控制台结算记录为准，平台会持续观察质量档的真实扣费。

实际输出像素

重点：质量不会改变像素尺寸。Adobe 有总像素和最小像素硬限制，所以宽幅 1K 的最长边可能大于 1024，这不是质量档变化。

画幅

通过 aspect_ratio（或 size）选画幅，支持：auto、1:1、16:9、9:16、5:4、4:3、3:2、4:5、3:4、2:3、21:9。不传默认 1:1。

接口信息

核心参数

提交方式

⚠️ 本通道不支持 /v1/images/edits（会 404、不计费）；图生图 / 编辑同样走 /v1/videos 异步契约。参考图只接受 base64 内联，不支持 multipart 文件。

curl 示例：提交与轮询

# 提交任务：1K + 16:9（质量由服务端固定为 medium）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-1k","prompt":"a red apple on a white ceramic plate, studio daylight, no text","aspect_ratio":"16:9"}'

# 提交任务：1K + 1:1
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-1k","prompt":"a ceramic tea set on a wooden table, editorial product photo","aspect_ratio":"1:1"}'

# 提交任务：2K + 9:16
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-2k","prompt":"a quiet mountain lake at sunrise, natural colors","aspect_ratio":"9:16"}'

# 提交任务：2K + 16:9
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-2k","prompt":"a modern glass office beside a tree-lined street","aspect_ratio":"16:9"}'

# 提交任务：4K + 21:9
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-4k","prompt":"a cinematic coastal road under soft evening light","aspect_ratio":"21:9"}'

# 提交任务：4K + 16:9
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-4k","prompt":"a premium watch on black stone, controlled studio lighting","aspect_ratio":"16:9"}'

# 提交任务：4K + 4:3
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"firefly-gpt-image-4k","prompt":"a botanical still life in a glass vase","aspect_ratio":"4:3"}'

# 轮询：把 task_xxx 替换成提交响应中的 id
curl https://aihubcc.cc/v1/videos/task_xxx \
  -H "Authorization: Bearer $TOKEN"
# 完成时读取响应中的 video_url（PNG 图片直链）

Python 完整请求

依赖：python -m pip install requests。脚本只提交一次任务；提交成功后持续轮询同一个任务 ID，完成后把 PNG 保存到本地。不要在客户端超时后重新提交同一张图。

#!/usr/bin/env python3
import os
import time
from pathlib import Path

import requests

BASE_URL = "https://aihubcc.cc"
TOKEN = os.environ["AIHUB_TOKEN"]

request_body = {
    "model": "firefly-gpt-image-2k",
    "prompt": "a red apple on a white ceramic plate, studio daylight, no text",
    "aspect_ratio": "16:9",
}
headers = {"Authorization": f"Bearer {TOKEN}"}

with requests.Session() as client:
    # Submit exactly once. quality is intentionally omitted; the service uses medium.
    response = client.post(
        f"{BASE_URL}/v1/videos",
        headers={**headers, "Content-Type": "application/json"},
        json=request_body,
        timeout=60,
    )
    response.raise_for_status()
    submitted = response.json()
    task_id = submitted.get("id") or submitted.get("task_id")
    if not task_id:
        raise RuntimeError(f"submit response has no task id: {submitted}")
    print(f"submitted task={task_id}")

    started = time.monotonic()
    while True:
        if time.monotonic() - started > 900:
            raise TimeoutError(f"task {task_id} is still running; keep polling it")
        task = client.get(
            f"{BASE_URL}/v1/videos/{task_id}", headers=headers, timeout=30
        )
        task.raise_for_status()
        body = task.json()
        status = str(body.get("status") or body.get("state") or "").lower()
        print(f"status={status}")
        if status in {"failed", "failure", "error", "cancelled", "canceled"}:
            raise RuntimeError(f"task {task_id} failed: {body}")
        if status in {"completed", "succeeded", "success", "done"}:
            image_url = body.get("video_url") or body.get("url")
            if not image_url:
                raise RuntimeError(f"completed task has no video_url: {body}")
            break
        time.sleep(5)

    output = Path("firefly-2k-16x9.png")
    with client.get(image_url, headers=headers, stream=True, timeout=60) as download:
        download.raise_for_status()
        with output.open("wb") as file:
            for chunk in download.iter_content(1024 * 1024):
                if chunk:
                    file.write(chunk)
    print(f"saved {output} ({output.stat().st_size} bytes)")

运行前设置令牌：export AIHUB_TOKEN="sk-你的令牌"。把 model 改成 firefly-gpt-image-1k 或 firefly-gpt-image-4k 即可切换画布档位；aspect_ratio 可替换为本页支持的其它画幅。

shell 自动轮询

TASK_ID="task_xxx"
while true; do
  BODY=$(curl -fsS "https://aihubcc.cc/v1/videos/$TASK_ID" \
    -H "Authorization: Bearer $TOKEN") || exit 1
  STATUS=$(printf '%s' "$BODY" | jq -r '.status // empty')
  printf 'status=%s\n' "$STATUS"
  case "$STATUS" in
    completed|succeeded)
      printf '%s\n' "$BODY" | jq -r '.video_url // .data[0].url'
      break ;;
    failed|failure|error|cancelled|canceled)
      printf '%s\n' "$BODY" | jq . >&2
      exit 2 ;;
  esac
  sleep 10
done

不要重复提交已被接受的任务。如果客户端超时，继续轮询原 task；任务失败后再根据错误信息修改请求。任务失败是否计费以控制台账单为准，仍应保留 task ID 供后台定位。

图生图 / 图片编辑（i2i）

⚠️ 本通道不支持 OpenAI 的 /v1/images/edits 端点。firefly-gpt-image-* 的文生图与图片编辑都走上面同一套异步 /v1/videos 契约。若客户端按 OpenAI 习惯调 /v1/images/edits 做图片编辑，网关会返回 404 Not Found——请求在路由层即被拒，不会创建任务、平台后台查不到记录、也不计费。需要图片编辑请改用下面的 /v1/videos 写法。

本通道支持两种带图用法，都走同一套 /v1/videos：图生图（传 1-6 张参考图，参考其风格 / 主体生成新图）与图片编辑（传原图，改背景 / 换元素 / 局部修改）。两者请求格式完全一样，区别只在参考图张数与 prompt 的意图——都是在 JSON 请求体里加一个 reference_images 参考图数组；其余字段（model / aspect_ratio）、轮询方式、从 video_url 下载 PNG，都与文生图一致。

# ① 图生图：参考图 + 描述 → 生成新图（参考风格 / 主体，可传 1-6 张）
REF1="data:image/png;base64,$(base64 < ref1.png | tr -d '\n')"
REF2="data:image/png;base64,$(base64 < ref2.png | tr -d '\n')"
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-gpt-image-2k",
    "prompt": "参考这些图的画风，画一只戴宇航头盔的柴犬，居中构图",
    "aspect_ratio": "1:1",
    "reference_images": ["'"$REF1"'", "'"$REF2"'"]
  }'

# ② 图片编辑：原图 + 描述 → 改后的图（reference_images 为 Base64 data URI 数组，单张也用数组）
IMG_B64="data:image/png;base64,$(base64 < input.png | tr -d '\n')"
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{
    "model": "firefly-gpt-image-2k",
    "prompt": "把背景换成海边日落，人物主体保持不变",
    "aspect_ratio": "1:1",
    "reference_images": ["'"$IMG_B64"'"]
  }'

# 提交返回 {"id":"task_xxx", ...}；随后轮询（与文生图完全相同）：
curl https://aihubcc.cc/v1/videos/task_xxx \
  -H "Authorization: Bearer $TOKEN"
# status=completed 后，读响应里的 video_url —— 即改后图片的 PNG 直链

参考图只接受 Base64（data:image/...;base64,）内联，不支持 multipart 文件上传（-F "image=@file" 是 /v1/images/edits 的用法，本通道不适用）。参考图含真人脸会被 Adobe 审核拒绝，解法见「错误码」页的 image_style 风格化。

注意事项

• 质量固定 medium（Adobe detailLevel=3），客户端不传 quality；质量不改变输出像素。
• 宽幅 1K 的最长边可能大于 1024（Adobe 总像素 / 最小像素硬限制），非质量档变化。
• 图生图 / 编辑参考图只接受 base64 内联，不支持 multipart 文件；含真人脸会被 Adobe 审核拒绝（解法见错误码页 image_style）。
• 不要重复提交已被接受的任务；客户端超时继续轮询原 task，失败按控制台账单为准。

建议

• 按画布档选价：1K / 2K / 4K 只改画布尺寸、质量恒 medium；实际扣点以控制台结算为准。
• 要精确构图先用 aspect_ratio 定画幅（默认 1:1），对照「实际输出像素」表核对最终尺寸。
• 图生图 / 编辑把参考图转 data:image/...;base64, 放进 reference_images 数组（单张也用数组）。

Adobe Firefly · 错误码 & 审核问题归档

Adobe Firefly 的内容审核较严格，视频任务失败大多来自 Adobe 侧的内容审核或输入不合规，而非网关故障。收到失败后请先看错误类型判断能否重试：内容审核 / 参数类属确定性失败（同样输入重试必然再失败，需改输入）；账号 / 过载类属可自动恢复（网关会自动换号或重试，通常自愈）。失败不计费。

⚠️ Adobe 审核严（重点）：真人脸参考图、涉敏/名人/品牌等提示词、生成结果被判不安全、生成音频疑似版权 都会被 Adobe 拒绝。这类是确定性拒绝——同一张图 / 同一句提示词重试永远失败，必须更换输入，请勿对同一失败任务反复重试。

一、内容审核类（Adobe 拒绝 · 重试无效 · 需改输入）

参考图含真人脸的解法 · image_style 风格化（可选）

参考图真人脸是最常见的审核拒绝之一。确需用真人照片做图生视频（i2v）时，可加一个可选参数 image_style：网关会在提交 Adobe 前把你的参考图整图风格化（转成明显非真实照片的画风），从而通过 Adobe 的“真人脸”内容审核。不传 image_style 时行为完全不变（原图直发）——是否风格化的主动权在你。

作为顶层字段传（与 prompt / model / seconds 同级）。示例（multipart）：

curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -F model=firefly-Seedance-2.0-fast-480p -F seconds=4 -F "size=9:16" \
  -F prompt="镜头缓缓推近，人物自然微笑" \
  -F input_reference=@person.jpg \
  -F image_style=anime

⚠️ 用前须知：① 输出会是动漫 / 绘画风（不再是写实真人），请按需使用；② 风格化能过“真人脸参考门”，但 Adobe 的输出侧审核（video_unsafe / 音频版权）仍是概率性的，个别任务可能要重试 1-2 次才出片（失败不计费）；③ 这是把真人变风格化的绕行方案，不适用需要保留写实真人的场景。

二、输入 / 参数不合规（确定性失败 · 需改请求）

三、账号 / 权限 / 配额（多为可自动恢复）

四、临时 / 基础设施（网关自动重试 · 通常自愈）

📌 排查建议：失败时请保留 任务 ID（task_xxx） 与完整错误响应再联系我们——凭任务 ID 可在后台定位到具体那一条。内容审核 / 参数类属确定性失败，请勿对同一任务反复重试（既不会成功，也占用账号请求配额）。

Seedance 2.0 / 2.5 · 官方直连 Video

模型

质量 mini < fast < pro（满血）< 2.5；4K 仅 pro 档有。模型名全部小写。失败不计费。
「特惠线」四款（seedance-2.0-720p / seedance-2.0-fast-720p / seedance-2.0-mini-720p / seedance-2.5-720p）只提供 720p，传入分辨率更高的参考视频会被拒绝。
fast 与 mini 档官方没有 1080p 规格，这两档的 1080p 由本平台提供。
✅ 可用性：默认 auto 智能令牌已可直接调用上述全部档位（含四款特惠线）。若某档位不在你令牌的 /v1/models 列表中，说明该令牌设了模型白名单或未含 Doubao 分组，联系我们开通即可。

接口信息

核心参数规范

⚠️ 素材互斥与使用约束：
1. 首尾帧互斥：首帧（first_frame）与尾帧（last_frame）模式不能与全能参考（参考视频/参考音频）同时混用；
2. 音频依附性：2.0 系列参考音频不能单独使用，必须搭配至少一张参考图或一段参考视频；2.5 系列放宽允许仅音频驱动；
3. 音色与人物绑定：generate_audio 生成的同步配音音色/性别跟随画面人物设定；参考音频主要作为对白语速、动作节奏与配乐氛围参考；
4. 视频规格：参考视频分辨率不得超过所选档位（480p 档 ≤480p、720p 档 ≤720p、1080p 档 ≤1080p），单个时长 4–30 秒。

提交方式与玩法自动切换

标准 JSON 请求。服务端根据传入的素材字段自动判定并路由最佳玩法：

示例请求

# 1. 标准调用格式（指定 12 秒 + 9:16 竖屏 + 生成原生音频）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0-fast-720p",
    "prompt": "一只穿红大衣的小猫在雪地里抓雪花，电影微距",
    "duration": 12,
    "aspect_ratio": "9:16",
    "resolution": "720p",
    "generate_audio": true
  }'

# 2. 图生视频（单图首帧，8 秒）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0-fast-720p",
    "prompt": "镜头缓慢平滑推进，光线逐渐变亮",
    "duration": 8,
    "aspect_ratio": "16:9",
    "image_url": "https://your-domain.com/start_frame.jpg"
  }'

# 3. 首尾帧平滑过渡（6 秒）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0-mini-720p",
    "prompt": "从白天的宁静城市平滑过渡到夜晚霓虹闪烁",
    "duration": 6,
    "first_image_url": "https://your-domain.com/day.jpg",
    "last_image_url": "https://your-domain.com/night.jpg"
  }'

# 4. 全能多模态参考（多图 + 参考视频 + 参考音频）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0-fast-720p",
    "prompt": "参考给定素材的风格与运镜动作生成",
    "duration": 10,
    "images": ["https://your-domain.com/char_1.jpg", "https://your-domain.com/char_2.jpg"],
    "videos": ["https://your-domain.com/camera_ref.mp4"],
    "audios": ["https://your-domain.com/bgm_ref.mp3"]
  }'

# 5. 原生 content 数组直通透传（官方格式）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.5-720p",
    "content": [
      {"type": "text", "text": "现代都市街道，细雨霏霏，电影质感"},
      {"type": "image_url", "image_url": {"url": "https://your-domain.com/ref.jpg"}, "role": "reference_image"}
    ],
    "duration": 5,
    "aspect_ratio": "16:9"
  }'

轮询取片与成片预览

# 1. 轮询任务状态（双端点兼容）
curl -sS https://aihubcc.cc/v1/videos/TASK_ID -H "Authorization: Bearer $TOKEN"

# 2. 成片下载（完成后响应中返回 video_url 官方直链）
curl -L "VIDEO_URL" -o result.mp4

# 3. 视频直出预览（支持网关流式直出）
curl -L -H "Authorization: Bearer $TOKEN" https://aihubcc.cc/v1/videos/TASK_ID/content -o preview.mp4

返回的 video_url 为官方高速下载直链，稳定不过期。失败不计费。

Python 完整请求示例（全生命周期）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-你的令牌"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 1. 提交视频生成任务（指定时长 12 秒 + 9:16 竖屏 + 开启原生音频）
payload = {
    "model": "seedance-2.0-fast-720p",
    "prompt": "一只穿红大衣的小猫在雪地里抓雪花，电影微距镜头，毛发飞雪细节生动",
    "duration": 12,
    "aspect_ratio": "9:16",
    "resolution": "720p",
    "generate_audio": True
}

resp = requests.post(f"{BASE_URL}/v1/videos", headers=HEADERS, json=payload, timeout=60)
resp.raise_for_status()
task_id = resp.json()["task_id"]
print(f"任务已提交，Task ID: {task_id}")

# 2. 轮询直到生成完毕
start_time = time.time()
while time.time() - start_time < 900:
    poll_res = requests.get(f"{BASE_URL}/v1/videos/{task_id}", headers=HEADERS, timeout=30).json()
    status = poll_res.get("status")
    print(f"当前状态: {status} (耗时: {int(time.time() - start_time)}s)")
    if status == "completed":
        video_url = poll_res.get("video_url") or poll_res["data"][0]["url"]
        # 3. 下载保存成片
        content = requests.get(video_url, timeout=120).content
        with open("seedance_output.mp4", "wb") as f:
            f.write(content)
        print("成片已成功下载至本地 seedance_output.mp4！")
        break
    elif status in ("failed", "canceled"):
        raise RuntimeError(f"任务失败: {poll_res.get('error')}")
    time.sleep(5)

注意事项

• 时长与画幅严格生效：现已全面修复时长与画幅传递机制，传 duration: 12 即出真实 12 秒成片；显式传 aspect_ratio: "9:16" 严格出竖屏，不会被素材强制改为横屏。
• 音频与水印规范：本站默认开启原生同步音频（generate_audio: true），默认关闭水印（watermark: false，交付干净成品）。
• 双端点全面兼容：支持 /v1/videos 与 /v1/video/generations 双提交/轮询端点，支持 /content 视频直出预览。
• 多模态素材格式：参考图 / 参考音频除公网 URL 外，也支持 data:...;base64, 编码；官方 content[] 结构亦直接支持透传。

多模态输入 · 官方素材规格要求

以下为官方多模态素材规格约束。建议素材使用公网可直接下载的稳定直链或 Base64 Data URI。

图片要求

视频要求

音频要求

Seedance 2.5 官方直连 Video

模型

分辨率由模型名决定（720p / 1080p），模型名全小写。文生 / 图生（无参考视频）单价高于视频编辑（带参考视频）；失败不计费。

三种模式

接口信息

核心参数

参考媒体统一放 metadata 里、用公网 URL 或 base64 data-URI，不支持 multipart 文件上传（URL 须无需登录即可下载）。单次最多 30 图 + 10 视频 + 10 音频，超出报错、不产任务、不计费。

提交方式

JSON（POST /v1/videos）。三种模式由素材自动切换：不带参考素材 = 文生视频；metadata.reference_images 带图 = 图生视频；metadata.reference_videos 带视频 = 视频编辑。所有参考媒体（图 / 视频 / 音频）都放 metadata，用公网 URL 或 base64 data-URI，不支持 multipart 文件上传（URL 须无需登录即可下载）。默认生成音频。

示例请求

# ① 文生视频：只传 prompt + seconds（字符串）+ 模型名（分辨率自带）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"doubao-seedance-2.5-720p","prompt":"一只橘猫在草地上奔跑，阳光明媚","seconds":"8"}'

# ② 图生视频：metadata.reference_images 放参考图（公网 URL 或 base64）
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"doubao-seedance-2.5-720p","prompt":"镜头缓慢推进，光线渐暗","seconds":"8",
       "metadata":{"reference_images":["https://你的图/first.jpg"]}}'

# ③ 视频编辑：metadata.reference_videos 放参考视频；seconds 必须=参考视频时长
curl -X POST https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"doubao-seedance-2.5-1080p","prompt":"把画面改成水彩画风格，柔和色调","seconds":"8",
       "metadata":{"reference_videos":["https://你的视频/clip.mp4"]}}'

轮询取片

curl https://aihubcc.cc/v1/videos/TASK_ID -H "Authorization: Bearer $TOKEN"
# status=completed 后用 video_url 下载
curl -L "VIDEO_URL" -o result.mp4

返回的 video_url 为官方高速下载直链，有时效请及时保存。失败不计费。

Python 完整请求

import time, requests
BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-你的Seedance令牌", "Content-Type": "application/json"}
# 文生视频；图生 / 视频编辑：在 metadata 里加 reference_images / reference_videos
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "doubao-seedance-2.5-720p",
    "prompt": "一只橘猫在草地上奔跑，阳光明媚",
    "seconds": "8",   # 字符串；视频编辑时必须 = 参考视频时长
    # "metadata": {"reference_images": ["https://你的图/first.jpg"]},   # 图生视频
    # "metadata": {"reference_videos": ["https://你的视频/clip.mp4"]},  # 视频编辑
}).json()
tid = task["task_id"]
while True:
    r = requests.get(f"{BASE}/videos/{tid}", headers=H).json()
    if r["status"] in ("completed", "failed"):
        break
    time.sleep(5)
url = r.get("video_url") or (r.get("data") or [{}])[0].get("url")
open("seedance25.mp4", "wb").write(requests.get(url).content)

注意事项

• 三种模式一个模型名：不带参考素材 = 文生视频；metadata.reference_images = 图生视频；metadata.reference_videos = 视频编辑。分辨率由模型名（720p / 1080p）决定。
• ⚠️ 视频编辑时 seconds 必须等于参考视频时长，否则报错并提示正确秒数（不产任务、不计费）；文生 / 图生的 seconds 在 4–30 自选。seconds 传字符串。
• 参考媒体统一放 metadata、用公网 URL 或 base64 data-URI，不支持 multipart 文件上传；URL 须无需登录即可下载。单次上限 30 图 + 10 视频 + 10 音频。
• 参考视频须 mp4、单个 4–30 秒、分辨率不超过档位（720p ≤1280×720、1080p ≤1920×1080），超出被拒；编辑高清源选 1080p 档。
• ⚠️ 价格分两档：文生 / 图生（无参考视频）单价高于视频编辑（带参考视频）；以实际返回的 token 用量结算，可在控制台任务详情核对。
• ⚠️ 配音音色 / 性别跟随画面人物，不跟随上传的参考音频：generate_audio 为画面人物合成配音，上传女声不会把男性角色改成女声；想要女声请让画面人物为女性。

多模态输入 · 官方素材要求

以下为官方对素材的技术约束（格式 / 尺寸 / 编码 / 保存）。各素材的数量与时长上限以本页「核心参数」为准（≤30 图 + ≤10 视频·单个 4–30s + ≤10 音频）。「素材 ID」经本站中转不适用；请把参考媒体放 metadata、用公网 URL 或 Base64 data-URI。

参考图要求

参考视频要求

参考音频要求

保存时间

建议

• 文生 / 图生：seconds 在 4–30 自选；想要更稳的风格 / 主体，用 metadata.reference_images 带 1–2 张参考图。
• 视频编辑：先截好要编辑的关键片段（4–30 秒），seconds 填该片段实际秒数；1080p 高清源用 doubao-seedance-2.5-1080p，720p 源用 720p 档更省。
• 提示词写清"要什么风格 / 保留什么"，编辑 / 图生类配参考图能更稳定地锁定风格。

Seedream 图像生成 Image

模型

📌 提示说明：平台对 doubao-seedream-5-0-pro 实施单一模型智能计费。调用标准 POST /v1/images/generations 时，无需在 model 后加 -1k、-2k 等冗余后缀，只需在请求体中传入目标 size，系统将根据实际像素规格自动扣除对应档位费用。每次调用返回 1 张图，按张计费，失败不计费。

接口信息

核心参数

分辨率范围与档位说明（实测）：

doubao-seedream-5-0-pro 支持从 1024×1024 到 4K 超高清全画幅生成，根据请求 size 自动匹配计费阶梯（≤ 261万像素为 1K 档 ，> 261万像素为高清档 ）。基础版 4-5 与 5-0 同样支持到 4096×4096。输出格式 JPEG。

提交方式

JSON（同步）。image 字段传单张字符串或多张数组即进入图生图 / 多图融合；参考图支持 URL / 多图 / Base64 三种（已实测）。加 "response_format":"b64_json" 可拿 base64 内嵌。

示例请求

# 1. 默认 1K 标清生成（
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0-pro",
    "prompt": "一只可爱的金毛幼犬在阳光草坪上奔跑，微距写实摄影",
    "size": "1024x1024"
  }'

# 2. 2K 高清生成（
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0-pro",
    "prompt": "电影感雪山日出全景，光影通透细腻，壁纸级质感",
    "size": "2048x2048"
  }'

# 3. 16:9 宽画幅高清生成（2560x1440，
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0-pro",
    "prompt": "电影感雪山日出全景，宽画幅",
    "size": "2560x1440"
  }'

# 4. 图生图：单张参考图（URL）
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-4-5",
    "prompt": "把背景换成落日海边",
    "size": "2048x2048",
    "image": "https://example.com/ref.jpg"
  }'

# 5. 多图融合：image 传数组（参考图最多 14 张，参考图 + 产图 ≤ 15）
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0",
    "prompt": "把这两张融合成一张海报",
    "size": "2048x2048",
    "image": ["https://example.com/a.jpg", "https://example.com/b.jpg"]
  }'

# 6. 编辑 / 二次编辑（5.0 Pro）：编辑与文生图同一接口，多带 image 字段（填上一轮产图的 URL）；可反复迭代
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0-pro",
    "prompt": "给这只柴犬戴上一顶红色圣诞帽，狗和纯白背景保持不变",
    "image": "https://<上一轮产图URL>",
    "size": "2048x2048"
  }'

# 7. 组图（5.0 Pro）：sequential_image_generation=auto，一次连续生成一组相关图（产图 + 参考图 ≤ 15）
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-5-0-pro",
    "prompt": "柴犬的圣诞四联漫画，风格一致",
    "sequential_image_generation": "auto",
    "size": "2048x2048"
  }'

# 8. 返回 base64
curl -X POST https://aihubcc.cc/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "doubao-seedream-4-5",
    "prompt": "极简红色圆形，纯白背景",
    "size": "2048x2048",
    "response_format": "b64_json"
  }'

轮询取片

同步接口，无需轮询：请求返回即拿到结果。默认 data[0].url 为可直接下载 / 内嵌的图片直链（有有效期，请及时保存）；需 base64 内嵌时加 "response_format":"b64_json" 取 data[0].b64_json。

# 默认 url 返回结构：
# {"created":1786957747,"data":[{"url":"https://<官方签名直链>/xxx.jpeg"}]}
curl -L "IMAGE_URL" -o result.jpeg

Python 完整请求

1. 标准 OpenAI SDK 调用（推荐）

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的令牌",
    base_url="https://aihubcc.cc/v1"
)

# 生成 2K 高清图像（系统自动按 2K 档位  计费）
response = client.images.generate(
    model="doubao-seedream-5-0-pro",
    prompt="超写实未来赛博朋克城市雨夜，霓虹倒影，电影质感",
    size="2048x2048",
    response_format="url"
)

print("生成成功，图片直链:", response.data[0].url)

2. requests 库原生调用

import requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-你的令牌", "Content-Type": "application/json"}

r = requests.post(f"{BASE}/images/generations", headers=H, json={
    "model": "doubao-seedream-5-0-pro",
    "prompt": "一只橘猫坐在窗台上，午后阳光洒落，超写实摄影",
    "size": "1024x1024",
}).json()

url = r["data"][0]["url"]
open("seedream.jpeg", "wb").write(requests.get(url).content)

注意事项

• doubao-seedream-5-0-pro 智能阶梯计费：无需切换模型名，总像素 ≤ 261 万（如 1024x1024, 1920x1080）按 1K 档 计费；> 261 万（如 2048x2048, 2560x1440, 3840x2160, 2K, 4K）按高清档 计费。
• 编辑 / 二次编辑：与文生图同一接口 /v1/images/generations，多带 image 字段（填参考图或上一轮产图 URL）即进入编辑；产图 URL 可反复回传迭代。
• 本线路 n=1 每次 1 张；要一次一组相关图用 sequential_image_generation:"auto"（组图，data 多张，产图 + 参考图 ≤ 15）。
• 参考图 ≤10MB、JPEG/PNG、单边 ≤4096、最多 14 张（参考图 + 产图 ≤ 15）；非法参考图返回 400 不计费。输出格式 JPEG。

建议

• 旗舰首选 doubao-seedream-5-0-pro：官方最新架构，支持 1K 到 4K 全画幅；高性价比日常出图可选 5-0。
• 16:9 推荐 2560x1440 或 3840x2160、9:16 推荐 1440x2560 或 2160x3840、1:1 推荐 1024x1024 或 2048x2048。
• 多图融合把主体图放前、风格图放后，提示词点明"融合成一张"。

Grok 视频

基于 xAI Grok Imagine 官方接口的视频生成，OpenAI 兼容异步接口。三个模型：grok-imagine-video（1.0，文生 / 图生视频）、grok-imagine-video-1.5-preview（1.5 代，画面质感更好）、grok-imagine-video-6s（固定 6 秒 / 480p，最省钱）。带参考图即图生视频，不带图则为纯文生视频（1.5 建议带图）。

📌 模型已精简，分辨率不再外显成模型名：以前按分辨率拆出的一堆模型（…-480p / …-720p / …-1080p）已合并——现在 1.0 / 1.5 的分辨率由请求里的 resolution 参数决定，你只需记住 3 个模型名。想要多少清晰度，在请求体传 resolution 即可，不用换模型。

模型与价格倍率

价格倍率：表中固定以 grok-imagine-video 480p（默认）为 1×，同一时长下可直接比较不同档位的价格倍率。未对客户发布的模型不会出现在表中，实际扣费以控制台为准。1.0 / 1.5 的分辨率由 resolution 控制。全系失败不计费，成功出片才扣。

接口信息

核心参数

提交方式（传图 · 单张首帧 vs 多张参考图）

i2v 的参考图通过 image 字段传入，支持两种写法：

图片格式 JPG / PNG / WebP。

单张首帧 vs 多张参考图

• 单张首帧：用 image（字符串，一个 URL 或 base64）。
• 多张参考图：用 reference_images（URL 数组），grok-imagine-video-1.5-preview 最多 7 张，模型综合多张参考出片。示例："reference_images": ["https://.../a.jpg", "https://.../b.jpg"]

⚠️ grok-imagine-video-1.5-preview 的 1080p 仅支持单张首帧（image 模式）：不能用多图 reference_images——若传了多张，只有第一张作首帧生效。需要多张参考图请用 480p / 720p。

字段名兼容：单图推荐 image、多图用 reference_images；image_url / image_reference / images / image_urls / input_reference 等写法也已兼容（服务端自动识别为参考图，不会退化成纯文生视频）。

示例请求

# 文生视频（grok-imagine-video，不带图）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-video",
    "prompt": "灯塔在日落时分，海浪拍打礁石，电影感镜头",
    "seconds": "6",
    "aspect_ratio": "16:9",
    "resolution": "720p"
  }'
# => {"task_id":"task_xxx","status":"queued",...}

# 图生视频（grok-imagine-video-1.5-preview + resolution=720p，带 image）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-video-1.5-preview",
    "resolution": "720p",
    "prompt": "轻微镜头推移，画面自然生动",
    "image": "https://your-public-image.jpg",
    "seconds": "6"
  }'

# 多图参考（grok-imagine-video-1.5-preview + resolution=720p，最多 7 张；1080p 不支持多图）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-video-1.5-preview",
    "resolution": "720p",
    "prompt": "融合多张参考图的场景，电影感转场",
    "reference_images": ["https://img-a.jpg", "https://img-b.jpg"],
    "seconds": "6"
  }'

轮询取片

# 轮询直到 status=completed，取 video_url
curl https://aihubcc.cc/v1/videos/task_xxx \
  -H "Authorization: Bearer sk-xxx"
# => {"status":"completed","video_url":"https://.../xxx.mp4",...}

轮询到 completed 后取 video_url 直接下载成片；下载地址已脱敏，不暴露源站域名。轮询间隔建议 3-5 秒。

Python 完整请求

import time, requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 提交（图生视频，1.5 代 720p）
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "grok-imagine-video-1.5-preview",
    "resolution": "720p",
    "prompt": "轻微镜头推移，画面自然生动",
    "image": "https://your-public-image.jpg",
    "seconds": "6"
}).json()
task_id = task["task_id"]

# 轮询
while True:
    time.sleep(4)
    s = requests.get(f"{BASE}/videos/{task_id}", headers=H).json()
    if s.get("status") == "completed":
        print("下载:", s["video_url"])
        break
    if s.get("status") == "failed":
        print("失败:", s.get("error"))
        break

注意事项

• 计费：grok-imagine-video（1.0）与 grok-imagine-video-1.5-preview 按秒计费；grok-imagine-video-6s 固定 6 秒、按次计费。不同档位的相对消耗见上表，失败不计费。
• seconds 取 1~15；1.5-preview 分辨率由 resolution 参数决定（480p / 720p / 1080p）
• 多张参考图：grok-imagine-video-1.5-preview（480p / 720p）用 reference_images 数组，最多 7 张；单张首帧用 image
• ⚠️ 1080p 仅支持单张首帧 image，不支持多图 reference_images（传了也只取第一张作首帧）
• 图生视频的 image 须为公网可直接抓取的 URL 或 base64 Data URI；需登录 / 内网 / 拦爬虫（如部分维基）的链接会失败
• grok-imagine-video 不带图为文生视频；grok-imagine-video-1.5-preview 为图生视频，建议带 image
• 客户端超时建议 ≥ 300 秒；轮询间隔建议 3-5 秒
• ⚠️ 视频画幅与生图不同：Grok 生图支持 3:4 / 4:3 / 2:3 等画幅，但 Grok 视频官方底层仅支持 16:9、9:16、1:1。如需 3:4 比例视频，建议设置 aspect_ratio: "9:16" 生成后在本地裁切，切勿传 3:4 以免官方自动回退至横屏。

建议

• 1.5 代优先带参考图：grok-imagine-video-1.5-preview 定位图生视频，带一张清晰首帧 image 出片更稳、质感更好；纯文生优先用 grok-imagine-video。
• 要 1080p 就别传多图：-1080p 只认单张首帧，需要多张参考时用 -720p + reference_images。
• 画幅用 aspect_ratio（三选一）：推荐直接使用 aspect_ratio（9:16 竖屏 / 16:9 横屏 / 1:1 方屏），避免使用非标准比例；size 仅为兼容旧客户端保留。
• 内容合规：避开暴露 / 未成年 / 血腥暴力等敏感内容，否则被内容安全拦截（不计费）。

grok-imagine-video-6s · 6 秒定档（最省钱）专项说明

grok-imagine-video-6s：Grok Imagine 的单段短视频，固定输出 6 秒 / 480p 档、按次计费 。文生（只给提示词）与图生（带参考图、运动跟随提示词）都支持；与其它 Grok 视频同一 /v1/videos 通道，JSON body 与 multipart 表单均可提交。

• 时长固定 6 秒、分辨率固定 480p 档；传 seconds / resolution 均被忽略。
• 画幅用 size（只决定竖 / 横 / 方，不决定清晰度）：720x1280(竖 9:16，默认) / 1280x720(横 16:9) / 960x960(方 1:1)；实际输出分别约 416×752 / 752×416 / 560×560（均 480p 档，数字仅为画幅代号，不代表出 720p）。
• 参考图：image_url（公网 URL / base64 Data URI / 本地 @file 仅 multipart），字段名 image / images / reference_images / input_reference 亦兼容，最多 7 张，multipart 每张 ≤ 5MB。
• 按次计费 、失败不计费；令牌分组 xAI / auto；客户端超时建议 ≥ 180 秒、轮询 3-5 秒。

# 文生视频（只给提示词，JSON body）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" -H "Content-Type: application/json" \
  -d '{"model":"grok-imagine-video-6s","prompt":"红色复古跑车在霓虹夜街疾驰，电影感","size":"1280x720"}'

# 图生视频（带参考图：image_url 为公网 URL 或 base64 Data URI）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer sk-xxx" -H "Content-Type: application/json" \
  -d '{"model":"grok-imagine-video-6s","prompt":"人物轻轻转头微笑，柔光","image_url":"https://your-public-image.jpg","size":"720x1280"}'

Grok 图像生成（文生图 / 图生图）

OpenAI 兼容的同步图像接口，请求成功后直接返回图像、无需轮询。文生图三档质量任选；图生图 / 图片编辑用 grok-imagine-image 或 grok-imagine-image-2.0 打 /v1/images/edits 传参考图即可，同名同价、由接口区分。

用法总览（选场景 → 端点 + 模型）

⚠️ grok-imagine-image 与 -2.0 都是一名两用：打 /v1/images/generations = 文生图、打 /v1/images/edits（带参考图）= 图生图 / 编辑，同名同价。-2.0（新版，质感更好）现已支持图生图 / 编辑；仅 -lite（basic 档，最省）只做文生图。
三档怎么选：-lite 最省，适合批量草图；grok-imagine-image 为标准档；-2.0 是新版、质感最好且是唯一支持 2K 的一档，推荐默认用它；grok-imagine-image-quality 是另一代质感档，风格取向不同、仅 1K，可在 -2.0 出图不合意时作为备选。

画幅（size / aspect_ratio · 按模型）

size 与 aspect_ratio 二选一；其它取值可能报错。
2K 仅 grok-imagine-image-2.0 支持（传 size="2048x2048" 或 resolution="2k"）。其它模型传 2K 会返回明确报错并提示改用 grok-imagine-image-2.0，不会悄悄按 1K 出图。

模型

按张计费：每张图片按模型价格计费；生成失败不扣费。

鉴权与分组

核心参数

提交方式（传图 · 图生图）

示例请求

# 文生图
curl https://aihubcc.cc/v1/images/generations \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-image-lite",
    "prompt": "一座漂浮在云海上的未来城市，清晨柔光，电影感",
    "n": 1,
    "response_format": "url"
  }'

# 图生图：JSON 单张公网图片
curl https://aihubcc.cc/v1/images/edits \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-image",
    "prompt": "保留主体构图，将背景改为雨后的霓虹街道",
    "image": "https://your-public-image.jpg",
    "response_format": "url"
  }'

# 图生图：multipart 多张文件
curl https://aihubcc.cc/v1/images/edits \
  -H "Authorization: Bearer sk-xxx" \
  -F "model=grok-imagine-image" \
  -F "prompt=融合两张参考图的风格，生成商品展示图" \
  -F "image[]=@reference-a.png" \
  -F "image[]=@reference-b.jpg" \
  -F "response_format=url"

轮询取片（同步返回，无需轮询）

本模型为同步接口：请求成功后直接在响应里返回图像，无需轮询 task_id。返回结构如下：

{
  "created": 1786675686,
  "data": [
    {
      "url": "https://aihubcc.cc/v1/images/proxy/<encrypted-token>"
    }
  ]
}

response_format=url 时返回平台下载代理地址，浏览器或程序可直接访问；地址不暴露源站下载域名和签名参数，默认有效期 30 天。需要自行保存图片数据时用 response_format=b64_json 并读取 data[].b64_json。

Python 完整请求

import requests

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 文生图（同步，直接拿结果）
r = requests.post(f"{BASE}/images/generations", headers=H, json={
    "model": "grok-imagine-image-lite",
    "prompt": "一座漂浮在云海上的未来城市，清晨柔光，电影感",
    "n": 1,
    "response_format": "url"
}).json()
print("图片:", r["data"][0]["url"])

# 图生图：单张公网图片
r2 = requests.post(f"{BASE}/images/edits", headers=H, json={
    "model": "grok-imagine-image",
    "prompt": "保留主体构图，将背景改为雨后的霓虹街道",
    "image": "https://your-public-image.jpg",
    "response_format": "url"
}).json()
print("图片:", r2["data"][0]["url"])

Python 示例：文生图 → 图生图（base64 参考图闭环）

先文生图拿到一张图，再把它当参考图做编辑——同一个 grok-imagine-image，只换接口（/generations → /edits）；用 b64_json 免下载直接复用，参考图传完整的 data:image/...;base64, Data URI。

import requests, base64

BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}

# 1) 文生图：生成一张参考图（取 b64_json，方便直接复用，无需下载）
gen = requests.post(f"{BASE}/images/generations", headers=H, json={
    "model": "grok-imagine-image",
    "prompt": "一只黄色小鸭子，居中，纯白背景",
    "n": 1,
    "response_format": "b64_json",
}).json()
b64 = gen["data"][0]["b64_json"]
open("duck.jpg", "wb").write(base64.b64decode(b64))

# 2) 图生图 / 编辑：把上一步的图当参考图（完整 data URI），只加一顶圣诞帽、其余不变
edit = requests.post(f"{BASE}/images/edits", headers=H, json={
    "model": "grok-imagine-image",
    "prompt": "给鸭子头上戴一顶红色圣诞帽，保持同一只鸭子和纯白背景不变",
    "image": "data:image/jpeg;base64," + b64,
    "response_format": "b64_json",
}).json()
open("duck_hat.jpg", "wb").write(base64.b64decode(edit["data"][0]["b64_json"]))
print("done: duck.jpg -> duck_hat.jpg")

注意事项

• 接口为同步接口，请等待响应中的 data 返回后再处理结果。
• 参考图公网 URL 必须能被服务端直接下载（含中国境内可访问），否则会失败或被忽略；需要登录、内网、访问受限或境外不可达的链接，请改用 base64（data:image/...;base64,）内联。
• 使用 JSON 多图时传 images 数组；使用 multipart 多图时重复传 image[] 字段。
• url 与 b64_json 二选一：前者适合直接展示或下载，后者适合本地持久化或二次处理。

建议

• 一次请求出一张：n 建议传 1，需要多张分多次请求，稳定性更好。
• 直接展示用 url，落库用 b64_json：前者拿代理下载地址（30 天有效），后者拿 Base64 便于本地持久化。
• 图生图选清晰参考：参考图主体清晰、无遮挡，改风格 / 换背景类指令效果最稳。

MiniMax H3 · 按秒计费（768P / 2K）

MiniMax H3 按秒计费，两档清晰度、原生音频。支持文生 / 图生 / 首尾帧 / 参考图 / 参考音频；需参考视频驱动用 Pro 档。同一套 /v1/videos 接口：异步创建 → 轮询 → 下载。

模型

按秒计费 = 单价 × 时长（例：minimax-h3-2k 10 秒 = ）。全能参考数字 = 图·视频·音频张数上限：标准档 503（5 图 + 0 视频 + 3 音频），Pro 档 913（9 图 + 1 视频 + 3 音频，额外支持参考视频）。如需 933 全能参考请联系客服。失败不计费。

接口信息

核心参数

提交方式

JSON，参考素材支持 公网 URL 或 base64。按传入素材自动判定模式：

示例请求

# 文生视频
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"minimax-h3-2k","prompt":"A calm ocean wave at golden sunset, cinematic","duration":5,"ratio":"16:9"}'

# 图生视频（参考图 · URL）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"minimax-h3-768p","prompt":"角色转身微笑，镜头缓慢推近","duration":6,
       "referenceImages":["https://你的公网图片地址/ref1.jpg"]}'

# 图生视频（参考图 · base64，任何图片都可用、最稳妥）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"minimax-h3-768p","prompt":"角色转身微笑，镜头缓慢推近","duration":6,
       "referenceImages":["data:image/jpeg;base64,/9j/4AAQ...（整段图片 base64）"]}'

# 参考视频驱动（Pro，1 段 2-5 秒）
curl https://aihubcc.cc/v1/videos \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"model":"minimax-h3-pro-768p","prompt":"角色跟随参考视频的动作与镜头运动","duration":5,
       "referenceVideos":["https://.../ref.mp4"]}'

参考素材用 URL 时必须公网可直接访问。若图片 / 视频托管在访问受限或不稳定的站点，可能返回 cannot download media URL（不产任务、不计费）。此时改用 base64（data:image/jpeg;base64,...）即可，任何素材都能用、最稳妥。

轮询取片

curl https://aihubcc.cc/v1/videos/TASK_ID -H "Authorization: Bearer $TOKEN"
# status=completed 后用响应里的 video_url 下载
curl -L "VIDEO_URL" -o result.mp4

轮询到 completed/failed 停止；video_url 为直链；失败不计费。

Python 完整请求

import time, requests
BASE = "https://aihubcc.cc/v1"
H = {"Authorization": "Bearer sk-你的minimax令牌", "Content-Type": "application/json"}
task = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "minimax-h3-2k",
    "prompt": "A calm ocean wave at golden sunset, cinematic",
    "duration": 5, "ratio": "16:9",
}).json()
tid = task["task_id"]
while True:
    r = requests.get(f"{BASE}/videos/{tid}", headers=H).json()
    if r["status"] in ("completed", "failed"):
        break
    time.sleep(5)
url = r.get("video_url") or (r.get("data") or [{}])[0].get("url")
open("minimax.mp4", "wb").write(requests.get(url).content)

注意事项

• 严格内容审核：违规提示词直接 400（不产任务、不计费），屡犯可能致模型临时不可用。
• prompt ≤7000 字符，超出静默截断——长提示词请自行精简，别指望超出部分生效。
• 用 ratio 字段控画幅（不是 size/aspect_ratio）；文生视频不支持 adaptive。
• first_image/last_image 与 referenceImages 互斥；参考音频须配参考图。
• 参考素材 URL 必须公网可直接访问；访问受限的地址会报 cannot download media URL——改用 base64（data:...;base64,）即可，任何图 / 视频都行。
• 参考视频仅 Pro 档、1 段 2–5 秒；2K / 参考视频出片较慢，高峰期偶发排队请重试。

建议

• 走量用 768P，画质优先用 2K；需要视频驱动动作 / 运镜才用 Pro 档。
• 竖屏传 ratio":"9:16"；参考视频请截取你要的关键 2–5 秒片段。
• 提示词全英文或中文均可，但务必合规、避免任何擦边表述。

通义万相 3.0 视频 Video

模型与价格倍率

按秒 × 分辨率计费：表中倍率以 wan3.0-video 480p（默认）的每秒消耗为 1×，同一时长下可直接比较不同档位的相对消耗；实际扣费以控制台为准。分辨率用 resolution 参数控制（480p / 720p / 1080p），不传默认 480p。失败不计费，成功出片才扣。
wan3.0-video-prime 为优速版（30fps、出片更快），相对消耗更高；两者能力一致，按预算 / 时效选。

五大参考场景速查（ABCDE 模式总览）

接口信息

核心参数规范

⚠️ 素材组合与互斥规则（调用前必读）：
1. 首尾帧互斥：首帧（first_frame）与尾帧（last_frame）为定点平滑补帧模式，严禁与参考视频、音频、文件、网页链接等参考类素材混合传入。
2. 音频依附性：参考音频（audios）不能作为孤立的唯一输入，必须配合至少一张参考图片或一段参考视频。
3. 多模态自愈机制：若你在传入参考视频/音频/文件/链接的同时传入了普通图片，系统会自动将图片转换为 reference_image 角色，避免官方底层误判为首尾帧导致冲突报错。
4. 素材公网可达性：所有 URL 素材必须能被公网直接 GET 访问，无需登录授权；图片亦可使用 data:image/...;base64,... 格式传参。

全场景调用详解与示例（ABCDE 全覆盖）

通义万相 3.0 支持双端点（/v1/video/generations 与 /v1/videos）。以下示例均以标准 OpenAI 规范给出完整的 curl 请求与 Python 异步生命周期完整脚本。

场景 A：文生视频（Text-to-Video）

只传文字描述，模型完全凭空渲染。支持自由指定分辨率（480p/720p/1080p）、画幅比例（16:9/9:16/1:1 等）与时长（5–30 秒）。

A-1. curl 示例（文生视频）

curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "一只金毛寻回犬在金色秋叶中奔跑，电影感慢镜头，阳光穿透树林，毛发细节清晰",
    "resolution": "720p",
    "ratio": "16:9",
    "duration": 5
  }'

A-2. Python 完整示例（文生视频 · 提交 + 轮询 + 下载成片）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-xxx"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 1. 提交文生视频任务
payload = {
    "model": "wan3.0-video",
    "prompt": "浩瀚宇宙中的星际飞船正在穿越瑰丽的紫色星云，科幻史诗感，超高清光影",
    "resolution": "720p",
    "ratio": "16:9",
    "duration": 5
}
resp = requests.post(f"{BASE_URL}/v1/video/generations", headers=HEADERS, json=payload, timeout=60)
resp.raise_for_status()
data = resp.json()
task_id = data.get("task_id") or data.get("id")
print(f"[A. 文生视频] 任务已提交，Task ID: {task_id}")

# 2. 轮询任务状态直至完成
start_time = time.time()
video_url = None
while time.time() - start_time < 600:
    poll_resp = requests.get(f"{BASE_URL}/v1/video/generations/{task_id}", headers=HEADERS, timeout=30)
    poll_resp.raise_for_status()
    poll_data = poll_resp.json()
    status = poll_data.get("status")
    print(f"当前状态: {status} (已等待 {int(time.time() - start_time)}s)")
    if status == "completed":
        video_url = poll_data.get("video_url") or (poll_data.get("data") and poll_data["data"][0].get("url"))
        break
    elif status in ("failed", "canceled"):
        raise RuntimeError(f"任务生成失败: {poll_data.get('error')}")
    time.sleep(5)

# 3. 下载视频文件
if video_url:
    print(f"成片下载地址: {video_url}")
    video_content = requests.get(video_url, timeout=120).content
    with open("wan_scene_a.mp4", "wb") as f:
        f.write(video_content)
    print("成片已成功保存至本地 wan_scene_a.mp4")

场景 B：图生视频（首帧 / 首尾帧）

包括单图首帧动效与双图首尾帧过渡：

• 单图首帧：传入 1 张图片，模型以该图作为视频起始画面，随提示词运镜演绎；
• 双图首尾帧：传入两张图分别标注 first_frame 与 last_frame，模型生成连接首尾两帧的自然运动轨迹。

B-1. curl 示例（单图首帧 & 双图首尾帧）

# ① 单图首帧动效（图片亦可传 base64）
curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "微风吹拂，人物发丝轻扬，眼波流转，面带微笑",
    "image_url": "https://your-domain.com/start_frame.jpg",
    "resolution": "720p",
    "duration": 5
  }'

# ② 双图首尾帧平滑过渡（精准转场）
curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "镜头由近景平滑拉远并旋转，画面由第一张日间场景自然过渡到第二张夜幕降临",
    "images": [
      { "url": "https://your-domain.com/day_view.jpg", "role": "first_frame" },
      { "url": "https://your-domain.com/night_view.jpg", "role": "last_frame" }
    ],
    "resolution": "720p",
    "duration": 5
  }'

B-2. Python 完整示例（双图首尾帧过渡）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-xxx"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

payload = {
    "model": "wan3.0-video",
    "prompt": "镜头缓慢平移推进，人物由低头沉思自然抬起头并露出微笑",
    "images": [
        {"url": "https://your-domain.com/head_down.png", "role": "first_frame"},
        {"url": "https://your-domain.com/look_up_smile.png", "role": "last_frame"}
    ],
    "resolution": "720p",
    "ratio": "16:9",
    "duration": 5
}

resp = requests.post(f"{BASE_URL}/v1/video/generations", headers=HEADERS, json=payload, timeout=60)
resp.raise_for_status()
task_id = resp.json()["task_id"]
print(f"[B. 首尾帧图生视频] 任务已提交: {task_id}")

while True:
    res = requests.get(f"{BASE_URL}/v1/video/generations/{task_id}", headers=HEADERS, timeout=30).json()
    st = res.get("status")
    if st == "completed":
        video_url = res.get("video_url") or res["data"][0]["url"]
        with open("wan_scene_b_keyframes.mp4", "wb") as f:
            f.write(requests.get(video_url, timeout=120).content)
        print("首尾帧过渡视频下载完成！")
        break
    elif st in ("failed", "canceled"):
        raise RuntimeError(f"失败: {res.get('error')}")
    time.sleep(5)

场景 C：多图参考生视频（Multi-Image Reference）

传入 3 张或更多参考图片（或显式指定 role: "reference_image"），模型综合提取所有参考图中的主体角色、服装配饰与环境风格，生成风格高度统一的连续视频，解决 AI 视频人物脸部不一致的问题。

C-1. curl 示例（多图参考保持主体一致）

curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "参考图片中的主角身着同一套战袍，在古代演武场上挥舞长剑，动作凌厉，保持脸部与服装一致",
    "images": [
      { "url": "https://your-domain.com/character_front.jpg", "role": "reference_image" },
      { "url": "https://your-domain.com/character_side.jpg", "role": "reference_image" },
      { "url": "https://your-domain.com/character_armor_detail.jpg", "role": "reference_image" }
    ],
    "resolution": "720p",
    "ratio": "16:9",
    "duration": 5
  }'

C-2. Python 完整示例（多图参考角色一致性）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-xxx"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 传入多张不同角度/细节的主体图片
ref_images = [
    "https://your-domain.com/hero_angle_1.png",
    "https://your-domain.com/hero_angle_2.png",
    "https://your-domain.com/hero_close_up.png"
]

payload = {
    "model": "wan3.0-video",
    "prompt": "主角在繁华的赛博朋克夜市街道穿行，霓虹倒影，画面忠实再现参考图中的人物外貌与发型细节",
    "images": [{"url": u, "role": "reference_image"} for u in ref_images],
    "resolution": "1080p",
    "ratio": "16:9",
    "duration": 5
}

r = requests.post(f"{BASE_URL}/v1/video/generations", headers=HEADERS, json=payload, timeout=60).json()
task_id = r["task_id"]
print(f"[C. 多图参考] 任务提交成功: {task_id}")

while True:
    data = requests.get(f"{BASE_URL}/v1/video/generations/{task_id}", headers=HEADERS).json()
    if data["status"] == "completed":
        url = data.get("video_url") or data["data"][0]["url"]
        with open("wan_scene_c_multiref.mp4", "wb") as f:
            f.write(requests.get(url, timeout=120).content)
        print("多图参考一致性视频已保存！")
        break
    elif data["status"] in ("failed", "canceled"):
        raise RuntimeError(data.get("error"))
    time.sleep(5)

场景 D：图 + 视频 + 音频多模态参考（Multimodal Reference）

跨越单一维度的多模态协同创作：传入角色主体图片、动作参考视频与节奏音频。模型将结合参考视频的镜头运动与运镜轨迹、参考音频的节拍/情绪，并映射到参考图的角色身上，输出高精度的动作与视听协同成片。

D-1. curl 示例（图 + 视频 + 音频多模态）

curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "让画面中的虚拟歌姬跟随参考视频的舞蹈动作起舞，动作节奏与参考音频的高潮卡点完全吻合",
    "images": [
      { "url": "https://your-domain.com/singer_character.png", "role": "reference_image" }
    ],
    "videos": [
      { "url": "https://your-domain.com/dance_motion_ref.mp4", "role": "reference_video" }
    ],
    "audios": [
      { "url": "https://your-domain.com/bgm_beat_ref.mp3", "role": "reference_audio" }
    ],
    "resolution": "1080p",
    "ratio": "16:9",
    "duration": 5
  }'

D-2. Python 完整示例（图视音频全模态协同）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-xxx"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 组装跨模态素材
payload = {
    "model": "wan3.0-video",
    "prompt": "角色身形与外貌严格参照图片，动作与运镜跟随参考视频，节奏与节拍跟随音频",
    "images": ["https://your-domain.com/actor_portrait.jpg"],
    "videos": ["https://your-domain.com/action_scene_ref.mp4"],
    "audios": ["https://your-domain.com/audio_tempo_ref.mp3"],
    "resolution": "1080p",
    "ratio": "16:9",
    "duration": 5
}

resp = requests.post(f"{BASE_URL}/v1/video/generations", headers=HEADERS, json=payload, timeout=60)
resp.raise_for_status()
task_id = resp.json()["task_id"]
print(f"[D. 全模态协同] 任务已提交: {task_id}")

while True:
    status_resp = requests.get(f"{BASE_URL}/v1/video/generations/{task_id}", headers=HEADERS).json()
    st = status_resp.get("status")
    print(f"生成进度: {st}")
    if st == "completed":
        url = status_resp.get("video_url") or status_resp["data"][0]["url"]
        with open("wan_scene_d_multimodal.mp4", "wb") as f:
            f.write(requests.get(url, timeout=180).content)
        print("多模态视听联动视频生成完毕！")
        break
    elif st in ("failed", "canceled"):
        raise RuntimeError(status_resp.get("error"))
    time.sleep(6)

场景 E：文件 / 网页链接参考（Doc & Link Reference）

支持将长文档（策划案、剧本、产品白皮书 PDF 等）或公开网页链接直接喂给模型。模型深度解析文档要点或网页的图文资产，生成专业的宣传解说、资讯播报或产品介绍视频。

E-1. curl 示例（文档 + 网页链接参考）

curl -sS -X POST "https://aihubcc.cc/v1/video/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video",
    "prompt": "根据所附产品策划文档与官网产品落地页的内容，制作一段具有科技感的新品发布概念视频",
    "files": [
      { "url": "https://your-domain.com/product_brief.pdf", "role": "file" }
    ],
    "links": [
      { "url": "https://your-domain.com/product_landing_page", "role": "link" }
    ],
    "resolution": "1080p",
    "ratio": "16:9",
    "duration": 5
  }'

E-2. Python 完整示例（文档与网页生视频）

import time
import requests

BASE_URL = "https://aihubcc.cc"
API_KEY = "sk-xxx"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

payload = {
    "model": "wan3.0-video",
    "prompt": "结合文档剧本大纲与参考网页的视觉设计风格，生成一段电影宣发概念预告片",
    "files": ["https://your-domain.com/movie_synopsis.pdf"],
    "links": ["https://your-domain.com/official_movie_site"],
    "resolution": "1080p",
    "ratio": "16:9",
    "duration": 5
}

r = requests.post(f"{BASE_URL}/v1/video/generations", headers=HEADERS, json=payload, timeout=60).json()
task_id = r["task_id"]
print(f"[E. 文档/网页参考] 任务提交: {task_id}")

while True:
    data = requests.get(f"{BASE_URL}/v1/video/generations/{task_id}", headers=HEADERS).json()
    if data["status"] == "completed":
        url = data.get("video_url") or data["data"][0]["url"]
        with open("wan_scene_e_doc_link.mp4", "wb") as f:
            f.write(requests.get(url, timeout=120).content)
        print("文档/网页参考生成视频已下载！")
        break
    elif data["status"] in ("failed", "canceled"):
        raise RuntimeError(data.get("error"))
    time.sleep(5)

异步轮询取片与成片下载

通义万相 3.0 为纯异步生成接口。提交任务后返回唯一的 task_id，客户端随后调用轮询接口查询任务状态：

# 查询任务状态（双端点兼容）
curl -sS "https://aihubcc.cc/v1/video/generations/task_xxx" \
  -H "Authorization: Bearer sk-xxx"

# 响应示例（已完成）：
{
  "id": "task_xxx",
  "task_id": "task_xxx",
  "status": "completed",
  "progress": 100,
  "video_url": "https://dashscope-result-sh.oss-cn-shanghai.aliyuncs.com/xxx.mp4?Expires=...",
  "data": [
    {
      "url": "https://dashscope-result-sh.oss-cn-shanghai.aliyuncs.com/xxx.mp4?Expires=..."
    }
  ]
}