PL ▾
Pobierz klucz API

Strona głównaPrzewodnik

Zaktualizowano

Generator scenariuszy wideo AI oparty na API LLM

Generator scenariuszy wideo AI to model tekstowy z odpowiednim promptem. Ten poradnik pokazuje, jak zbudować go na API kompatybilnym z OpenAI, z szablonem Python i rzeczywistym kosztem scenariusza.

Przewijanie klapy filmowej z terminala, każda klatka zawiera szkic sceny, reprezentując generowanie scenariusza przez API
Szklany pojemnik wypełniający się świecącymi blokami podczas gdy strzałka krąży wokół niego, obrazując okno kontekstu agenta

Kluczowe punkty

  1. API generuje tylko tekst: scenariusze, listy ujęć i lektora. Nie renderuje wideo.
  2. Poproś o JSON, aby każda scena trafiła do pola, które edytor lub narzędzie wideo może odczytać.
  3. Scenariusz 60-sekundowy z listą ujęć kosztuje około jednej dziesiątej centa przy cenie $0,15 i $0,50 za 1 mln tokenów.
  4. Zachowaj zwięzłość, ton i poprzednie sceny w promptie; okno kontekstu wynosi 100 000 tokenów.

Nie potrzeba karty. Po rejestracji zdobądź $0,50 darmowego kredytu próbny jednym kliknięciem (raz na osobę).

Pobierz klucz API

Co właściwie robi generator scenariuszy

Generator scenariuszy wideo AI pobiera krótki pomysł i zwraca tekst potrzebny do wideo: haczyk, sceny, narrację, tekst na ekranie i uwagi do wizualizacji. Pisze model. Twój kod robi resztę: buduje prompt, wysyła go, sprawdza odpowiedź i przekazuje części do narzędzi generujących obrazy.

To API obsługuje tylko tekst. Nie generuje obrazów, dźwięku ani wideo. Pasuje to do zadania, ponieważ scenariusz to etap, w którym zatrzymuje się większość projektów wideo, i jest też najtańszym etapem do zautomatyzowania. Obrazy i głosy pochodzą z innych narzędzi, których już używasz. Model, uruchamiany przez niezależnego dostawcę, jest dostrojony do odpowiadania bez odrzucania treści dla prawnego użytku przez osoby dorosłe, co ma znaczenie, jeśli Twoje scenariusze obejmują dojrzałą fikcję, horrory, opowieści kryminalne lub czarny humor. Jeśli chcesz zobaczyć szerszy obraz tego, jak tekst pasuje do potoków wideo, zobacz przewodnik po API wideo AI.

Warto poprosić o trzy wyniki w jednym wywołaniu: tekst lektora (to, co mówi lektor), listę ujęć (to, co widzi widz) i szacowany czas trwania każdej sceny. Podzielenie ich na osobne pola ułatwia późniejsze kroki.

Skonfiguruj klienta

Endpoint jest kompatybilny z OpenAI, więc działa standardowe SDK. Pobierz klucz na stronie klucza API, a następnie wskaż klienta na bazowy URL i użyj identyfikatora modelu uncensored.

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)

To samo zapytanie działa w curl lub Node.js po zmianie tylko Base URL i klucza. Pełne szczegóły parametrów znajdziesz w dokumentacji API. Nowe konta mogą odebrać $0,50 kredytu próbnego jednym kliknięciem na stronie klucza, co wystarczy do wielokrotnego przetestowania wszystkiego z tego artykułu.

Szablon promptu zwracający używalne sceny

Niejasne żądanie daje niejasne scenariusze. Dobry szablon naprawia cztery rzeczy: odbiorcę, długość, ton i format wyjścia. Umieść zasady w wiadomości systemowej, a pomysł w wiadomości użytkownika.

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"])

Tryb JSON (response_format z json_object) sprawia, że odpowiedź jest do parsowania. Nadal owijaj json.loads w bloku try i wykonaj ponowne wywołanie raz po błędzie, ponieważ każdy model może czasami wygenerować uszkodzony ciąg. Temperatura 0.7 do 0.9 daje zróżnicowane sformułowania; obniż do 0.3, gdy potrzebujesz niemal identycznej struktury w partii.

Sprawdź długość, zanim jej zaufasz

Modele są słabe w liczeniu sekund. Niezawodną zasadą jest około 150 słów na minutę dla spokojnego lektora, nieco więcej dla szybkich klipów społecznościowych. Po każdym wywołaniu policz słowa we wszystkich polach lektora i porównaj je z celem.

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.")

Jeśli scenariusz jest za długi, wyślij drugą wiadomość z rzeczywistymi liczbami: „Lektora trwa około 78 sekund; skróć do 60 bez utraty zaczepienia.” Konkretne uwagi działają lepiej niż „skróć to”. Zachowaj pierwszą odpowiedź na liście wiadomości, aby model widział, co napisał.

Listy ujęć i lektor jako osobne etapy

Dla dłuższych wideo jedno wywołanie dla wszystkiego rozcieńcza jakość. Użyj dwóch etapów. Najpierw poproś o zarys tytułów scen i jednowymiarowych celów. Następnie generuj każdą scenę w osobnym wywołaniu, przekazując zarys i lektor poprzedniej sceny, aby ton się przenosił.

  • Etap 1, zarys: 6 do 12 scen, każda z celem i przybliżoną długością.
  • Etap 2, sceny: lektor i ujęcie dla jednej sceny na raz, z zarysem i dwiema ostatnimi scenami w kontekście.
  • Etap 3, szlifowanie: przeczytaj pełny lektor i poproś o zróżnicowanie powtórzeń.

Okno kontekstu wynosi 100 000 tokenów na prompt i odpowiedź, więc nawet scenariusz dokumentu 20-minutowego z pełnym zarysem mieści się w jednej rozmowie. O tym, jak pamięć zachowuje się w długich sesjach, piszemy na stronie okna kontekstu, która omawia praktyczne limity. Strumieniowanie (stream: true) jest przydatne, gdy pokazujesz skrypt osobie w trakcie pisania.

Koszt skryptu

Ceny to $0,15 za 1 mln tokenów wejściowych i $0,50 za 1 mln tokenów wyjściowych, płatne z przedpłaconego kredytu. Weź typowy scenariusz 60-sekundowy z listą ujęć. Załóżmy, że prompt ma 1 200 tokenów (zasady plus pomysł), a odpowiedź ma 1 800 tokenów.

CzęśćTokenyMatematykaKoszt
Wejście1 2001 200 / 1 000 000 x $0,15$0,00018
Wyjście1 8001 800 / 1 000 000 x $0,50$0,0009
Razem3 000$0,00108

To około jedna dziesiąta centa za scenariusz. Kanał, który produkuje 1 000 scenariuszy, płaci około $1,08 za opłaty modelowe. Ponowne próby i etapy szlifowania dodają do tego kosztu, ale nawet trzy wywołania na scenariusz utrzymują go bliskim centowi. Nieudane lub odrzucone żądania nie są rozliczane. Kredyt nigdy nie wygasa, a strona z cenami podaje kwoty doładowań od $20 do $500 oraz poziomy bonusów.

Pole usage w każdej odpowiedzi podaje dokładne liczby tokenów, więc możesz logować rzeczywisty koszt za skrypt zamiast szacować.

Ograniczenia i nawyki oszczędzające czas

Pełny klucz pozwala na 8 równoległych zapytań i 300 zapytań na minutę. Klucz próbny pozwala na 2 równoległe i 60 na minutę. Gdy przetwarzasz wsadowo wiele scenariuszy, używaj małej puli workerów 4 do 6 i zwalniaj zasoby, gdy zobaczysz HTTP 429. Kod błędu mówi, który limit przekroczyłeś: rate_limited dla zapytań na minutę, concurrency dla zbyt wielu naraz. Przy tymczasowym przeciążeniu odpowiedź zawiera nagłówek Retry-After: 5, więc poczekaj pięć sekund i wykonaj ponownie.

  • Zapisuj każdy skrypt z jego promptem, abyś mógł odtworzyć dobry wynik. Parametr seed jest przekazywany dalej, jeśli chcesz powtarzalnych uruchomień.
  • Zachowaj arkusz stylów (zakazane frazy, powtarzające się imiona postaci, głos marki) w promptie systemowym i używaj go w wielu wideo.
  • Loguj X-Request-Id z każdej odpowiedzi; pomaga to, gdy pytasz o pomoc techniczną o konkretne wywołanie.
  • Przeczytaj każdy scenariusz przed publikacją. Model pisze płynny tekst, nie zweryfikowane fakty.
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

Prompty nie są używane do trenowania. Treści seksualne zawierające nieletnich są zabronione, niezależnie od kontekstu.

Pytania i odpowiedzi

Czy to API wygeneruje samo wideo?

Nie. Generuje tylko tekst. Użyj go do scenariuszy, list ujęć, napisów i tekstów lektora, a następnie przekaż je do narzędzi wideo i głosowych, których już używasz.

Jak długi może być scenariusz?

Okno kontekstu wynosi 100 000 tokenów dla promptu i odpowiedzi łącznie, a max_tokens jest opcjonalne, więc bardzo długie scenariusze. Dla treści trwających kilka minut lub więcej, przejście przez zarys, a następnie zapytania dla poszczególnych scen dają lepszą jakość.

Czy muszę płacić, żeby spróbować?

Nie. Nowi użytkownicy mogą uzyskać $0,50 kredytu próbnego jednym kliknięciem na stronie klucza API po rejestracji. Późniejsze doładowania wykonuje się w kryptowalutach (USDT w TRC20 lub USDC na Base).

Czy odrzuci mroczne lub dojrzałe tematy fabularne?

Model jest dostrojony do odpowiadania bez odrzucania treści dla legalnego użytku dorosłych. Treści zawierające nieletnich w kontekście seksualnym są zawsze zabronione.

Twój klucz jest o jeden formularz stąd

Utwórz konto, skopiuj klucz, zmień bazowy URL. To cała konfiguracja.

Pobierz klucz API