vidu/start-end-to-video-2.0

ภาพเป็นวิดีโอ

Vidu Start-End-to-Video 2.0 API by Vidu

vidu/start-end-to-video-2.0

Start-end-to-video-2.0

Open and Advanced Large-Scale Video Generative Models.

Vidu Start-End-to-Video 2.0 พัฒนาโดย ShengShu Technology โดย Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) เป็นผู้ให้บริการเข้าถึงโมเดลนี้ แต่ไม่ได้เป็นเจ้าของโมเดล เครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง

อินพุต

พรอมต์ *

รูปภาพ *(0/2)

ลากไฟล์มาวางที่นี่ หรือคลิกเพื่ออัปโหลด

MAX:2

ระยะเวลา

ระดับการเคลื่อนไหว

Seed

เอาต์พุต

รอดำเนินการ

วิดีโอที่สร้างจะแสดงที่นี่

ตั้งค่าพารามิเตอร์แล้วคลิกรันเพื่อเริ่มสร้าง

แต่ละครั้งจะใช้ $0.075 ด้วย $10 คุณสามารถรันได้ประมาณ 133 ครั้ง

คุณสามารถทำต่อได้:

Seedance 2.0 Kling v3 Vidu Wan2.7

พารามิเตอร์

ตัวอย่างโค้ด
import requests
import time

# Step 1: Start video generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "vidu/start-end-to-video-2.0",  # Required. model name
    "seed": 0,  # The random seed to use for the generation
    "images": [
        "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
        "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
    ],  # Required. Supports input of two images, with the first uploaded image considered as the start frame and the second image as the end frame. default: ["https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg","https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"]
    "prompt": "the iron man transform into the sport car ",  # Required. Text prompt: A textual description for video generation, with a maximum length of 1500 characters
    "duration": 4,  # The duration of the generated media in seconds. (min: 4). options: 4 | 8
    "movement_amplitude": "auto",  # The movement amplitude of objects in the frame. options: auto | small | medium | large
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] in ["completed", "succeeded"]:
            print("Generated video:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

video_url = check_status()

ติดตั้ง

ติดตั้งแพ็กเกจที่จำเป็น

pip install requests

การยืนยันตัวตน

คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud

export ATLASCLOUD_API_KEY="your-api-key-here"

HTTP Headers

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

รักษา API key ของคุณให้ปลอดภัย

อย่าเปิดเผย API key ของคุณในโค้ดฝั่งไคลเอนต์หรือที่เก็บข้อมูลสาธารณะ ให้ใช้ตัวแปรสภาพแวดล้อมหรือพร็อกซีฝั่งเซิร์ฟเวอร์แทน

ส่งคำขอ

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

ส่งคำขอ

ส่งคำขอสร้างแบบอะซิงโครนัส API จะส่งคืน prediction ID ที่คุณสามารถใช้ตรวจสอบสถานะและดึงผลลัพธ์ได้

POST/api/v1/model/generateVideo

เนื้อหาคำขอ

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "vidu/start-end-to-video-2.0",
    "prompt": "A beautiful sunset over the ocean with gentle waves"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['data']['id']}")
print(f"Status: {result['data']['status']}")

การตอบกลับ

{
  "code": 200,
  "data": {
    "id": "pred_abc123",
    "status": "processing",
    "model": "model-name",
    "created_at": "2025-01-01T00:00:00Z"
  }
}

ตรวจสอบสถานะ

ตรวจสอบสถานะปัจจุบันของคำขอด้วยการเรียก prediction endpoint เป็นระยะ

GET/api/v1/model/prediction/{prediction_id}

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

ค่าสถานะ

processingคำขอยังอยู่ระหว่างการประมวลผล

completedการสร้างเสร็จสมบูรณ์แล้ว ผลลัพธ์พร้อมใช้งาน

succeededการสร้างสำเร็จแล้ว ผลลัพธ์พร้อมใช้งาน

failedการสร้างล้มเหลว ตรวจสอบฟิลด์ error

การตอบกลับที่เสร็จสมบูรณ์

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.mp4"
    ],
    "metrics": {
      "predict_time": 45.2
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

อัปโหลดไฟล์

อัปโหลดไฟล์ไปยังที่เก็บข้อมูล Atlas Cloud และรับ URL ที่คุณสามารถใช้ในคำขอ API ของคุณ ใช้ multipart/form-data ในการอัปโหลด

POST/api/v1/model/uploadMedia

ตัวอย่างการอัปโหลด

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

การตอบกลับ

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Input Schema

พารามิเตอร์ต่อไปนี้ยอมรับในเนื้อหาคำขอ

ทั้งหมด: 6จำเป็น: 3ไม่บังคับ: 3

modelstringrequired

model name

Default: "vidu/start-end-to-video-2.0"

seedinteger

The random seed to use for the generation.

Default: 0

imagesarray[string]required

Supports input of two images, with the first uploaded image considered as the start frame and the second image as the end frame. The model will use these provided images to generate the video. For fields that accept images: Only accept 2 images; The pixel density of the start frame and end frame should be similar. The pixel of the start frame divided by the end frame should be between 0.8 and 1.25; Images Assets can be provided via URLs or Base64 encode; You must use one of the following codecs: PNG, JPEG, JPG, WebP; The aspect ratio of the images must be less than 1:4 or 4:1; All images are limited to 50MB; The length of the base64 decode must be under 50MB, and it must include an appropriate content type string.

Default: ["https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg","https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"]Min items: 2Max items: 2

promptstringrequired

Text prompt: A textual description for video generation, with a maximum length of 1500 characters.

Default: "the iron man transform into the sport car "

durationinteger

The duration of the generated media in seconds.

Default: 4Min: 4

movement_amplitudestring

The movement amplitude of objects in the frame. Defaults to auto, accepted value: auto small medium large.

Default: "auto"

autosmallmediumlarge

ตัวอย่างเนื้อหาคำขอ

{
  "model": "vidu/start-end-to-video-2.0",
  "seed": 0,
  "images": [
    "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
    "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
  ],
  "prompt": "the iron man transform into the sport car ",
  "duration": 4,
  "movement_amplitude": "auto"
}

Output Schema

API จะส่งคืนการตอบกลับ prediction พร้อม URL ของผลลัพธ์ที่สร้างขึ้น

idstring

Unique identifier for the prediction, the ID of the prediction to get.

modelstring

Model ID used for the prediction.

statusstring

Status of the task: created, processing, completed, or failed.

outputsarray

Array of URLs to the generated content (empty when status is not completed).

created_atstring

ISO timestamp of when the request was created (e.g., “2023-04-01T12:34:56.789Z”).

ตัวอย่างการตอบกลับ

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.mp4"
  ],
  "metrics": {
    "predict_time": 45.2
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

Atlas Cloud Skills เชื่อมต่อโมเดล AI กว่า 400+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM

ไคลเอนต์ที่รองรับ

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ ไคลเอนต์ที่รองรับ

ติดตั้ง

npx skills add AtlasCloudAI/atlas-cloud-skills

ตั้งค่า API Key

รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม

export ATLASCLOUD_API_KEY="your-api-key-here"

ความสามารถ

เมื่อติดตั้งแล้ว คุณสามารถใช้ภาษาธรรมชาติในผู้ช่วย AI ของคุณเพื่อเข้าถึงโมเดล Atlas Cloud ทั้งหมด

สร้างรูปภาพสร้างรูปภาพด้วยโมเดลเช่น Nano Banana 2, Z-Image และอื่นๆ

สร้างวิดีโอสร้างวิดีโอจากข้อความหรือรูปภาพด้วย Kling, Vidu, Veo เป็นต้น

สนทนา LLMสนทนากับ Qwen, DeepSeek และโมเดลภาษาขนาดใหญ่อื่นๆ

อัปโหลดสื่ออัปโหลดไฟล์จากเครื่องสำหรับการแก้ไขรูปภาพและเวิร์กโฟลว์รูปภาพเป็นวิดีโอ

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 400+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว

ไคลเอนต์ที่รองรับ

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ไคลเอนต์ที่รองรับ

ติดตั้ง

npx -y atlascloud-mcp

การกำหนดค่า

เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

เครื่องมือที่ใช้ได้

atlas_generate_imageสร้างรูปภาพจากข้อความ prompt

atlas_generate_videoสร้างวิดีโอจากข้อความหรือรูปภาพ

atlas_chatสนทนากับโมเดลภาษาขนาดใหญ่

atlas_list_modelsเรียกดูโมเดล AI กว่า 400+ ที่ใช้ได้

atlas_quick_generateสร้างเนื้อหาขั้นตอนเดียวพร้อมเลือกโมเดลอัตโนมัติ

atlas_upload_mediaอัปโหลดไฟล์จากเครื่องสำหรับเวิร์กโฟลว์ API

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/mcp-server

API Schema

{
  "info": {
    "title": "AtlasCloud API",
    "version": "1.0.0",
    "description": "The AtlasCloud API."
  },
  "paths": {
    "/api/v1/model/generateVideo": {
      "post": {
        "responses": {
          "200": {
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            },
            "description": "The request status."
          }
        },
        "requestBody": {
          "content": {
            "application/json": {
              "schema": {
                "$ref": "#/components/schemas/Input"
              }
            }
          },
          "required": true
        }
      },
      "x-api-name": "model_run"
    },
    "/api/v1/model/result/{request_id}": {
      "get": {
        "responses": {
          "200": {
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            },
            "description": "Result of the request."
          }
        },
        "parameters": [
          {
            "in": "path",
            "name": "request_id",
            "schema": {
              "type": "string",
              "description": "Request ID"
            },
            "required": true
          }
        ]
      },
      "x-api-name": "model_result"
    }
  },
  "openapi": "3.0.0",
  "servers": [
    {
      "url": "https://api.atlascloud.ai"
    }
  ],
  "components": {
    "schemas": {
      "Input": {
        "type": "object",
        "required": [
          "model",
          "prompt",
          "images"
        ],
        "properties": {
          "model": {
            "type": "string",
            "description": "model name",
            "default": "vidu/start-end-to-video-2.0"
          },
          "seed": {
            "type": "integer",
            "default": 0,
            "description": "The random seed to use for the generation."
          },
          "images": {
            "type": "array",
            "items": {
              "type": "string"
            },
            "default": [
              "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
              "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
            ],
            "maxItems": 2,
            "minItems": 2,
            "description": "Supports input of two images, with the first uploaded image considered as the start frame and the second image as the end frame. The model will use these provided images to generate the video. For fields that accept images: Only accept 2 images; The pixel density of the start frame and end frame should be similar. The pixel of the start frame divided by the end frame should be between 0.8 and 1.25; Images Assets can be provided via URLs or Base64 encode; You must use one of the following codecs: PNG, JPEG, JPG, WebP; The aspect ratio of the images must be less than 1:4 or 4:1; All images are limited to 50MB; The length of the base64 decode must be under 50MB, and it must include an appropriate content type string."
          },
          "prompt": {
            "type": "string",
            "default": "the iron man transform into the sport car ",
            "description": "Text prompt: A textual description for video generation, with a maximum length of 1500 characters."
          },
          "duration": {
            "enum": [
              4,
              8
            ],
            "step": 4,
            "type": "integer",
            "default": 4,
            "maximun": 8,
            "minimum": 4,
            "description": "The duration of the generated media in seconds."
          },
          "movement_amplitude": {
            "enum": [
              "auto",
              "small",
              "medium",
              "large"
            ],
            "type": "string",
            "default": "auto",
            "description": "The movement amplitude of objects in the frame. Defaults to auto, accepted value: auto small medium large."
          }
        },
        "x-order-properties": [
          "model",
          "images",
          "prompt",
          "duration",
          "movement_amplitude",
          "seed"
        ]
      },
      "PredictionResponse": {
        "type": "object",
        "properties": {
          "id": {
            "type": "string",
            "description": "Unique identifier for the prediction, the ID of the prediction to get."
          },
          "urls": {
            "type": "object",
            "description": "Object containing related API endpoints."
          },
          "model": {
            "type": "string",
            "description": "Model ID used for the prediction."
          },
          "status": {
            "type": "string",
            "description": "Status of the task: created, processing, completed, or failed."
          },
          "outputs": {
            "type": "array",
            "items": {
              "type": "string"
            },
            "description": "Array of URLs to the generated content (empty when status is not completed)."
          },
          "created_at": {
            "type": "string",
            "format": "date-time",
            "description": "ISO timestamp of when the request was created (e.g., “2023-04-01T12:34:56.789Z”)."
          }
        }
      }
    },
    "securitySchemes": {
      "apiKeyAuth": {
        "in": "header",
        "name": "Authorization",
        "type": "apiKey"
      }
    }
  }
}

เทมเพลต Prompt สำหรับ LLM

# vidu/start-end-to-video-2.0

> Open and Advanced Large-Scale Video Generative Models.


## Overview

- **Submit endpoint (POST)**: `https://api.atlascloud.ai/api/v1/model/generateVideo` — start an async generation; returns a `prediction_id`
- **Poll endpoint (GET)**: `https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}` — poll this until the prediction finishes
- **Model ID**: `vidu/start-end-to-video-2.0`


## API Information

This model can be used via our HTTP API or more conveniently via our client libraries.
See the input and output schema below, as well as the usage examples.


### Input Schema

The API accepts the following input parameters:

- **`model`** (`string`, _required_):
  model name
  - Default: `"vidu/start-end-to-video-2.0"`

- **`images`** (`array[string]`, _required_):
  Supports input of two images, with the first uploaded image considered as the start frame and the second image as the end frame. The model will use these provided images to generate the video. For fields that accept images: Only accept 2 images; The pixel density of the start frame and end frame should be similar. The pixel of the start frame divided by the end frame should be between 0.8 and 1.25; Images Assets can be provided via URLs or Base64 encode; You must use one of the following codecs: PNG, JPEG, JPG, WebP; The aspect ratio of the images must be less than 1:4 or 4:1; All images are limited to 50MB; The length of the base64 decode must be under 50MB, and it must include an appropriate content type string.
  - Default: `["https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg","https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"]`
  - Min items: 2
  - Max items: 2

- **`prompt`** (`string`, _required_):
  Text prompt: A textual description for video generation, with a maximum length of 1500 characters.
  - Default: `"the iron man transform into the sport car "`

- **`duration`** (`integer`, _optional_):
  The duration of the generated media in seconds.
  - Default: `4`
  - Options: 4, 8
  - Min: 4

- **`movement_amplitude`** (`string`, _optional_):
  The movement amplitude of objects in the frame. Defaults to auto, accepted value: auto small medium large.
  - Default: `"auto"`
  - Options: "auto", "small", "medium", "large"

- **`seed`** (`integer`, _optional_):
  The random seed to use for the generation.
  - Default: `0`



**Required Parameters Example**:

```json
{
  "model": "vidu/start-end-to-video-2.0",
  "prompt": "the iron man transform into the sport car ",
  "images": [
    "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
    "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
  ]
}
```


**Full Example**:

```json
{
  "model": "vidu/start-end-to-video-2.0",
  "images": [
    "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
    "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
  ],
  "prompt": "the iron man transform into the sport car ",
  "duration": 4,
  "movement_amplitude": "auto",
  "seed": 0
}
```


### Output Schema

The API returns the following output format:


- **`id`** (`string`, _optional_):
  Unique identifier for the prediction, the ID of the prediction to get.

- **`urls`** (`object`, _optional_):
  Object containing related API endpoints.

- **`model`** (`string`, _optional_):
  Model ID used for the prediction.

- **`status`** (`string`, _optional_):
  Status of the task: created, processing, completed, or failed.

- **`outputs`** (`array[string]`, _optional_):
  Array of URLs to the generated content (empty when status is not completed).

- **`created_at`** (`string`, _optional_):
  ISO timestamp of when the request was created (e.g., “2023-04-01T12:34:56.789Z”).



**Example Response**:

```json
{
  "id": "",
  "urls": {},
  "model": "",
  "status": "",
  "outputs": [
    ""
  ],
  "created_at": ""
}
```


## Usage Examples

### cURL

```bash
# Step 1: Start generation (async)
curl -X POST "https://api.atlascloud.ai/api/v1/model/generateVideo" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "vidu/start-end-to-video-2.0",
  "images": [
    "https://static.atlascloud.ai/media/images/1745494594983907143_liqlhd9u.jpg",
    "https://static.atlascloud.ai/media/images/1745494607637805608_31gIDzwr.jpg"
  ],
  "prompt": "the iron man transform into the sport car ",
  "duration": 4,
  "movement_amplitude": "auto",
  "seed": 0
}'

# Response will contain: {"code": 200, "data": {"id": "prediction_id", "status": "processing"}}

# Step 2: Poll for result (replace {prediction_id} with the id returned above)
curl -X GET "https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

# Keep polling until status is "completed", "succeeded" or "failed"
# When completed, outputs will contain the generated content URL(s)
```

## Additional Resources

### Documentation

- [Model Playground](https://www.atlascloud.ai/models/vidu/start-end-to-video-2.0)

ไม่มีตัวอย่าง

กำลังโหลด...

Vidu2.0 Start end to Video creates coherent video by adding motion between the start and end frames, and is an effective tool for scene transitions and storytelling.

Key Features

Bi-frame guided synthesis
Strong narrative continuity
Object-aware and human-aware motion interpolation
Adaptive to camera movement and layout shifts

Use Cases

Storyboarding and concept animation
Scene interpolation in long-form content
Instructional visual sequences
Film previsualization

Accelerated Inference

Our accelerated inference approach leverages advanced optimization technology from WaveSpeedAI. This innovative fusion technique significantly reduces computational overhead and latency, enabling rapid image generation without compromising quality. The entire system is designed to efficiently handle large-scale inference tasks while ensuring that real-time applications achieve an optimal balance between speed and accuracy. For further details, please refer to the blog post.

Vidu Start-End-to-Video 2.0 API by Vidu

อินพุต

เอาต์พุต

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

ส่งคำขอ

เนื้อหาคำขอ

การตอบกลับ

ตรวจสอบสถานะ

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

ค่าสถานะ

การตอบกลับที่เสร็จสมบูรณ์

อัปโหลดไฟล์

ตัวอย่างการอัปโหลด

การตอบกลับ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema

ตัวอย่างการตอบกลับ

Atlas Cloud Skills

ไคลเอนต์ที่รองรับ

ติดตั้ง

ตั้งค่า API Key

ความสามารถ

MCP Server

ไคลเอนต์ที่รองรับ

ติดตั้ง

การกำหนดค่า

เครื่องมือที่ใช้ได้

API Schema

เทมเพลต Prompt สำหรับ LLM

Key Features

Use Cases

Accelerated Inference

สำรวจโมเดลที่คล้ายกัน

Vidu Q3-Mix Reference to Video

Vidu Q3 Reference to Video

Vidu Q3-Pro Start-end-to-video

Vidu Q3-Turbo Image-to-video

Vidu Q3-Turbo Start-end-to-video

Vidu Q3-Turbo Text-to-video

Vidu Q3-Pro Image-to-video

Vidu Q3-Pro Text-to-video

Vidu Reference-to-Video Q1

Vidu Reference-to-Video 2.0

Image-to-video-2.0

Vidu Q2-Turbo Start-end-to-video

Vidu Q2-Pro Start-end-to-video

Vidu Q2-Pro-Fast Start-end-to-video

Vidu Q2 Reference-to-video

Vidu Q2-Pro Reference-to-video

API เดียวสำหรับ AI สื่อทุกประเภท

อินพุต

เอาต์พุต

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

ส่งคำขอ

เนื้อหาคำขอ

การตอบกลับ

ตรวจสอบสถานะ

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

ค่าสถานะ

การตอบกลับที่เสร็จสมบูรณ์

อัปโหลดไฟล์

ตัวอย่างการอัปโหลด

การตอบกลับ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema

ตัวอย่างการตอบกลับ

Atlas Cloud Skills

ไคลเอนต์ที่รองรับ