HI ▾
API कुंजी पाएँ

होमगाइड

अपडेट किया गया

एलएलएम एपीआई पर निर्मित एआई वीडियो स्क्रिप्ट जनरेटर

एक एआई वीडियो स्क्रिप्ट जनरेटर एक टेक्स्ट मॉडल है जिसके आसपास एक अच्छा प्रॉम्प्ट होता है। यह गाइड दिखाती है कि एक OpenAI-संगत API पर इसे कैसे बनाएं, एक Python टेम्पलेट और प्रति स्क्रिप्ट वास्तविक लागत के साथ।

टर्मिनल से फिल्म स्ट्रिप अनरोलिंग, प्रत्येक फ्रेम में एक दृश्य स्केच, एपीआई द्वारा स्क्रिप्ट जनरेशन को दर्शाता है
चमकते हुए ब्लॉकों के साथ एक कांच का पात्र भर रहा है जबकि एक तीलियों वाला लूप उसे घेर रहा है, जो एजेंट की कॉन्टेक्स्ट विंडो का चित्रण करता है

मुख्य बिंदु

  1. एपीआई केवल टेक्स्ट लिखता है: स्क्रिप्ट, शॉट लिस्ट और वॉयसओवर। यह वीडियो रेंडर नहीं करता है।
  2. JSON मांग करें ताकि प्रत्येक दृश्य एक ऐसे फ़ील्ड में आए जिसे आपका एडिटर या वीडियो टूल पढ़ सके।
  3. एक 60-सेकंड की स्क्रिप्ट, शॉट लिस्ट के साथ, लगभग एक दसवां सेंट के बराबर आती है, $0.15 और $0.50 प्रति 1M टोकन के हिसाब से।
  4. प्रॉम्प्ट में संक्षेप, टोन और पिछले दृश्य रखें; विंडो 100,000 टोकन की है।

कोई कार्ड आवश्यक नहीं। साइन-अप के बाद, एक क्लिक से $0.50 का मुफ़्त ट्रायल क्रेडिट क्लेम करें (प्रति व्यक्ति एक बार)।

API कुंजी पाएँ

एक स्क्रिप्ट जनरेटर वास्तव में क्या करता है

एक एआई वीडियो स्क्रिप्ट जनरेटर एक छोटा विचार लेता है और वीडियो के लिए आवश्यक टेक्स्ट लौटाता है: एक हुक, दृश्य, नैरेशन, स्क्रीन पर टेक्स्ट और विजुअल्स के लिए नोट्स। मॉडल लेखन करता है। आपका कोड बाकी सब करता है: यह प्रॉम्प्ट बनाता है, उसे भेजता है, उत्तर की जांच करता है और हिस्सों को उस टूल को सौंपता है जो छवियां बनाता है।

यह API केवल टेक्स्ट के लिए है। यह छवियां, ऑडियो या वीडियो जनरेट नहीं करेगा। यह काम के लिए अच्छा फिट बैठता है, क्योंकि स्क्रिप्ट वह चरण है जहां अधिकांश वीडियो प्रोजेक्ट रुक जाते हैं, और यह स्वचालित करने के लिए सबसे सस्ता चरण भी है। छवियां और आवाज़ें उन अन्य टूल्स से आती हैं जिन्हें आप पहले से उपयोग कर रहे हैं। मॉडल, जिसे एक स्वतंत्र प्रदाता चलाता है, कानूनी वयस्क उपयोग के लिए बिना सामग्री अस्वीकार के जवाब देने के लिए ट्यून्ड है, जो मायने रखता है यदि आपकी स्क्रिप्ट्स परिपक्क कथा, हॉरर, अपराध कहानियों या डार्क ह्यूमर कवर करती हैं। यदि आप यह देखना चाहते हैं कि टेक्स्ट वीडियो पाइपलाइन में कैसे फिट बैठता है, तो AI वीडियो API गाइड देखें।

एक कॉल में तीन आउटपुट मांगना मूल्यवान है: वॉयसओवर टेक्स्ट (नैरेटर क्या कहता है), शॉट लिस्ट (दर्शक क्या देखता है) और प्रति दृश्य टाइमिंग अनुमान। उन्हें अलग-अलग फ़ील्ड्स में विभाजित करने से बाद के चरण सरल हो जाते हैं।

क्लाइंट सेट करें

एंडपॉइंट OpenAI-संगत है, इसलिए मानक SDK काम करता है। API कुंजी पृष्ठ पर एक कुंजी प्राप्त करें, फिर क्लाइंट को बेस URL पर सेट करें और मॉडल ID uncensored का उपयोग करें।

from openai import OpenAI

client = OpenAI(
    base_url="https://api.aivideogenapi.com/v1",
    api_key="YOUR_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Write a 3-line hook for a video about night trains."}],
)
print(resp.choices[0].message.content)
print(resp.usage)

यही अनुरोध curl या Node में काम करता है, केवल base URL और कुंजी बदलने पर। API दस्तावेज़ में सभी पैरामीटर विवरण दिए गए हैं। नए खातों की कुंजी पृष्ठ पर एक क्लिक से $0.50 का मुफ़्त ट्रायल क्रेडिट दावा किया जा सकता है, जो इस लेख में सब कुछ कई बार परीक्षण करने के लिए पर्याप्त है।

एक प्रॉम्प्ट टेम्पलेट जो उपयोग योग्य दृश्य लौटाता है

एक अस्पष्ट अनुरोध अस्पष्ट स्क्रिप्ट देता है। एक अच्छा टेम्पलेट चार चीज़ें ठीक करता है: दर्शक, लंबाई, टोन और आउटपुट फ़ॉर्मेट। नियमों को सिस्टम संदेश में और विचार को यूज़र संदेश में डालें।

import json
from openai import OpenAI

client = OpenAI(base_url="https://api.aivideogenapi.com/v1", api_key="YOUR_KEY")

SYSTEM = """You write short video scripts.
Return JSON only, with this shape:
{"title": str, "hook": str,
 "scenes": [{"n": int, "seconds": int, "voiceover": str,
             "shot": str, "on_screen_text": str}]}
Rules:
- Total length matches the requested duration.
- Voiceover is spoken language: short sentences, no stage directions.
- 'shot' describes what the camera shows, in one sentence.
- First scene is a hook that works without sound."""

def make_script(idea, seconds=60, tone="dry, curious", audience="adults"):
    user = f"Idea: {idea}\nDuration: {seconds} seconds\nTone: {tone}\nAudience: {audience}"
    r = client.chat.completions.create(
        model="uncensored",
        temperature=0.8,
        response_format={"type": "json_object"},
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": user}],
    )
    return json.loads(r.choices[0].message.content), r.usage

script, usage = make_script("why night trains are coming back")
for s in script["scenes"]:
    print(s["n"], s["seconds"], s["voiceover"])

JSON मोड (response_format के साथ json_object) प्रतिक्रिया को पार्स योग्य बनाए रखता है। फिर भी json.loads को एक try ब्लॉक में लपेटें और विफलता पर एक बार पुनः प्रयास करें, क्योंकि कोई भी मॉडल कभी-कभी एक टूटी हुई स्ट्रिंग उत्पन्न कर सकता है। 0.7 से 0.9 का तापमान विविध शब्दावली देता है; जब आपको एक बैच में लगभग समान संरचना की आवश्यकता हो तो इसे 0.3 तक कम कर दें।

इस पर भरोसा करने से पहले लंबाई जाँचें

मॉडल सेकंड गिनने में कमजोर हैं। एक विश्वसनीय नियम शांत नैरेटर के लिए प्रति मिनट लगभग 150 बोले गए शब्दों का है, तेज़ सोशल क्लिप्स के लिए थोड़ा अधिक। प्रत्येक कॉल के बाद, सभी वॉइसओवर फ़ील्ड्स में शब्दों की गिनती करें और उन्हें टारगेट से तुलना करें।

def spoken_seconds(script, wpm=150):
    words = sum(len(s["voiceover"].split()) for s in script["scenes"])
    return round(words / wpm * 60)

est = spoken_seconds(script)
if abs(est - 60) > 8:
    print("Off target:", est, "seconds. Ask for a rewrite.")

यदि स्क्रिप्ट बहुत लंबी है, तो वास्तविक संख्याओं के साथ एक दूसरा संदेश भेजें: "वॉइसओवर लगभग 78 सेकंड का है; हुक को खोए बिना इसे 60 सेकंड तक काटें।" ठोस फीडबैक "इसे छोटा करो" से बेहतर काम करता है। संदेश सूची में पहला जवाब रखें ताकि मॉडल देख सके कि उसने क्या लिखा था।

शॉट लिस्ट और वॉइसओवर को अलग-अलग पास के रूप में

लंबे वीडियो के लिए, सब कुछ एक कॉल में पतला हो जाता है। इसके बजाय दो पास का उपयोग करें। पहले दृश्य शीर्षकों और एक-लाइन लक्ष्यों का एक आउटलाइन मांगें। फिर प्रत्येक दृश्य को अपनी कॉल में जनरेट करें, आउटलाइन और पिछले दृश्य के वॉइसओवर को पास करते हुए ताकि टोन बना रहे।

  • पास 1, रूपरेखा: 6 से 12 दृश्य, प्रत्येक में एक लक्ष्य और एक अनुमानित अवधि है।
  • पास 2, दृश्य: एक बार में एक दृश्य के लिए वॉइसओवर और शॉट, संदर्भ में आउटलाइन और पिछले दो दृश्य के साथ।
  • पास 3, पॉलिश: पूरा वॉइसओवर वाप पढ़ें और दोहराए गए वाक्यांशों को बदलने के लिए कहें।

प्रॉम्प्ट और प्रतिक्रिया के लिए कॉन्टेक्स्ट विंडो 100,000 टोकन है, इसलिए एक 20-मिनट के डॉक्यूमेंटरी स्क्रिप्ट की पूरी रूपरेखा के साथ एक ही कनवर्सेशन में फिट हो जाता है। लंबी सत्रों में मेमोरी के व्यवहार के बारे में, कॉन्टेक्स्ट विंडो पर पृष्ठ व्यावहारिक सीमाओं को कवर करता है। स्ट्रीमिंग (stream: true) उपयोगी है यदि आप स्क्रिप्ट को लिखे जाने पर ही किसी व्यक्ति को दिखाना चाहते हैं।

स्क्रिप्ट की लागत

मूल्य $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन है, जो प्रीपेड क्रेडिट से कटे हैं। एक सामान्य 60-सेकंड की स्क्रिप्ट लें जिसमें शॉट लिस्ट हो। मान लें कि प्रॉम्प्ट 1,200 टोकन है (नियम और विचार) और जवाब 1,800 टोकन है।

भागटोकनगणितलागत
इनपुट1,2001,200 / 1,000,000 x $0.15$0.00018
आउटपुट1,8001,800 / 1,000,000 x $0.50$0.0009
कुल3,000$0.00108

यह प्रति स्क्रिप्ट लगभग एक दसवां सेंट है। एक चैनल जो 1,000 स्क्रिप्ट बनाता है, उसे मॉडल शुल्क के रूप में लगभग $1.08 का भुगतान करना पड़ता है। रीट्राइज़ और पॉलिश पास इसमें जोड़ते हैं, लेकिन प्रति स्क्रिप्ट तीन कॉल होने पर भी लागत लगभग एक सेंट ही रहती है। विफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है। क्रेडिट कभी समाप्त नहीं होता है, और मूल्य निर्धारण पृष्ठ पर टॉप-अप राशियाँ $20 से $500 तक, और बोनस टियर सूचीबद्ध हैं।

प्रत्येक प्रतिक्रिया में usage फ़ील्ड सटीक टोकन गणना देती है, इसलिए आप अनुमान लगाने के बजाय प्रति स्क्रिप्ट वास्तविक लागत लॉग कर सकते हैं।

समय बचाने वाले लिमिट और आदतें

एक पूर्ण कुंजी 8 समानांतर अनुरोध और प्रति मिनट 300 अनुरोध की अनुमति देती है। एक ट्रायल कुंजी 2 समानांतर और प्रति मिनट 60 की अनुमति देती है। जब आप कई स्क्रिप्ट को बैच में भेजते हैं, तो 4 से 6 का छोटा वर्कर पूल उपयोग करें और HTTP 429 देखने पर बैकऑफ़ दें। त्रुटि कोड बताता है कि आपने कौन सा लिमिट पकड़ा: rate_limited प्रति मिनट अनुरोधों के लिए, concurrency एक साथ बहुत अधिक के लिए। अस्थायी ओवरलोड पर प्रतिक्रिया में Retry-After: 5 हेडर होता है, इसलिए पाँच सेकंड प्रतीक्षा करें और पुनः प्रयास करें।

  • प्रत्येक स्क्रिप्ट को अपने प्रॉम्प्ट के साथ सहेजें, ताकि आप एक अच्छे स्क्रिप्ट को पुन: उत्पन्न कर सकें। यदि आप दोहराव वाले रन चाहते हैं, तो seed पैरामीटर पास किया जाता है।
  • एक स्टाइल शीट (मना की गई वाक्यांश, दोहराए जाने वाले पात्रों के नाम, ब्रांड वॉइस) को सिस्टम प्रॉम्प्ट में रखें और इसे वीडियो के बीच पुनः उपयोग करें।
  • प्रत्येक प्रतिक्रिया से X-Request-Id लॉग करें; यह जब आप किसी विशिष्ट कॉल के बारे में सहायता से पूछते हैं तो मदद करता है।
  • प्रॉम्पट प्रशिक्षण के लिए उपयोग नहीं किए जाते हैं। नाबालिगों से जुड़ी यौन सामग्री अनुमत नहीं है, चाहे वह किसी भी ढंग से प्रस्तुत किया गया हो।
import time

def call_with_retry(fn, tries=4):
    for i in range(tries):
        try:
            return fn()
        except Exception as e:
            if "429" in str(e) and i < tries - 1:
                time.sleep(5 * (i + 1))
                continue
            raise

प्रॉम्पट प्रशिक्षण के लिए उपयोग नहीं किए जाते हैं। नाबालिगों से जुड़ी यौन सामग्री अनुमत नहीं है, चाहे वह किसी भी ढंग से प्रस्तुत किया गया हो।

प्रश्न और उत्तर

क्या यह API वीडियो स्वयं बना सकता है?

नहीं। यह केवल पाठ उत्पन्न करता है। इसका उपयोग स्क्रिप्ट, शॉट लिस्ट, कैप्शन और वॉइसओवर पाठ के लिए करें, और उन्हें उन वीडियो और वॉइस टूल्स में पास करें जिनका उपयोग आप पहले से करते हैं।

स्क्रिप्ट कितनी लंबी हो सकती है?

प्रॉम्प्ट और उत्पन्न पाठ दोनों के संयुक्त लिए संदर्भ विंडो 100,000 टोकन की है, और max_tokens वैकल्पिक है, इसलिए बहुत लंबी स्क्रिप्ट्स फिट बैठती हैं। कुछ मिनट से अधिक अवधि के लिए, एक आउटलाइन पास के बाद दृश्य-दर-दृश्य कॉल करने से बेहतर गुणवत्ता प्राप्त होती है।

क्या इसे आज़माने के लिए मुझे भुगतान करना होगा?

नहीं। नए उपयोगकर्ता साइन-अप के बाद API कुंजी पृष्ठ पर एक क्लिक से $0.50 का परीक्षण क्रेडिट दावा कर सकते हैं। बाद के टॉप-अप क्रिप्टो (TRC20 पर USDT या Base पर USDC) से किए जाते हैं।

क्या यह गंभीर या परिपक्क कथा विषयों को अस्वीकार करेगा?

मॉडल कानूनी वयस्क उपयोग के लिए बिना सामग्री अस्वीकृति के उत्तर देने के लिए ट्यून्ड है। नाबालिगों से संबंधित यौन संदर्भ में सामग्री की अनुमति कभी नहीं दी जाती।

आपकी कुंजी प्राप्त करने के लिए केवल एक फॉर्म भरना बाकी है

एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।

API कुंजी पाएँ