Trang chủHướng dẫn
Cập nhật
Trình tạo kịch bản video AI dựa trên API LLM
Trình tạo kịch bản video AI là một mô hình văn bản với một prompt tốt xung quanh. Hướng dẫn này cho bạn cách xây dựng nó trên API tương thích OpenAI, kèm theo mẫu Python và chi phí thực tế cho mỗi kịch bản.


Điểm chính
- API chỉ tạo văn bản: kịch bản, danh sách cảnh và lời bình. Nó không tạo video.
- Yêu cầu JSON để mỗi cảnh nằm trong một trường mà trình soạn thảo hoặc công cụ video của bạn có thể đọc.
- Một kịch bản 60 giây kèm danh sách cảnh tốn khoảng một phần mười cent ở mức giá $0,15 và $0,50 cho mỗi 1 triệu token.
- Giữ bản tóm tắt, tông giọng và các cảnh trước đó trong prompt; cửa sổ ngữ cảnh là 100.000 token.
Không cần thẻ. Sau khi đăng ký, nhận $0,50 tín dụng dùng thử miễn phí bằng một cú nhấp chuột (một lần mỗi người).
Lấy khóa APITrình tạo kịch bản thực sự làm gì
Một trình tạo kịch bản video AI nhận một ý tưởng ngắn và trả về văn bản mà video cần: đoạn dẫn dắt, các cảnh, lời bình, văn bản trên màn hình và ghi chú cho hình ảnh. Mô hình thực hiện việc viết. Mã của bạn làm phần còn lại: nó xây dựng prompt, gửi nó, kiểm tra câu trả lời và chuyển các phần cho bất kỳ thứ gì tạo ra hình ảnh.
API này chỉ dành cho văn bản. Nó sẽ không tạo hình ảnh, âm thanh hoặc video. Điều này phù hợp với công việc vì kịch bản là bước mà hầu hết các dự án video bị tắc nghẽn, và cũng là bước rẻ nhất để tự động hóa. Hình ảnh và giọng nói đến từ các công cụ khác mà bạn đã dùng. Mô hình, do một nhà cung cấp độc lập chạy, được tinh chỉnh để trả lời mà không từ chối nội dung cho mục đích người trưởng thành hợp pháp, điều này quan trọng nếu kịch bản của bạn bao gồm tiểu thuyết trưởng thành, kinh dị, truyện tội phạm hoặc hài hước đen tối. Nếu bạn muốn xem xét toàn cảnh về cách văn bản phù hợp với quy trình video, hãy xem hướng dẫn API video AI.
Ba đầu ra đáng để yêu cầu trong một lần gọi: văn bản lồng tiếng (những gì người kể chuyện nói), danh sách cảnh (người xem thấy gì) và ước tính thời gian cho mỗi cảnh. Chia chúng thành các trường riêng biệt giúp các bước sau đơn giản hơn.
Cài đặt client
Endpoint tương thích với OpenAI, nên SDK tiêu chuẩn hoạt động. Lấy khóa trên trang khóa API, sau đó trỏ client vào base URL và sử dụng model ID 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)
Cùng một yêu cầu hoạt động trong curl hoặc Node với chỉ việc thay đổi base URL và khóa. Chi tiết tham số đầy đủ có trong tài liệu API. Tài khoản mới có thể nhận $0,50 tín dụng dùng thử chỉ với một cú nhấp chuột trên trang khóa, đủ để kiểm tra mọi thứ trong bài viết này nhiều lần.
Mẫu prompt trả về các cảnh có thể sử dụng được
Một yêu cầu mơ hồ sẽ tạo ra kịch bản mơ hồ. Một mẫu tốt sẽ xác định rõ bốn yếu tố: đối tượng khán giả, độ dài, giọng điệu và định dạng đầu ra. Bạn hãy đặt các quy tắc vào system message và ý tưởng vào user message.
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"])
Chế độ JSON (response_format với json_object) giúp đảm bảo phản hồi có thể được phân tích cú pháp. Bạn vẫn nên bọc json.loads trong một khối try và thử lại một lần khi có lỗi, vì bất kỳ mô hình nào cũng có thể đôi khi tạo ra một chuỗi bị hỏng. Nhiệt độ từ 0,7 đến 0,9 giúp đa dạng hóa cách diễn đạt; bạn hãy giảm xuống 0,3 khi cần cấu trúc gần như giống hệt nhau trên một lô dữ liệu.
Kiểm tra độ dài trước khi tin tưởng nó
Các mô hình kém trong việc đếm số giây. Một quy tắc đáng tin cậy là khoảng 150 từ nói mỗi phút cho người dẫn chuyện điềm tĩnh, nhiều hơn một chút cho các clip mạng xã hội nhanh. Sau mỗi lần gọi, hãy đếm số từ trong tất cả các trường lời bình và so sánh chúng với mục tiêu.
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.")
Nếu kịch bản quá dài, hãy gửi một tin nhắn thứ hai với các số liệu thực tế: "Lời bình chạy khoảng 78 giây; hãy cắt nó xuống còn 60 mà không làm mất đoạn dẫn dắt." Phản hồi cụ thể hoạt động tốt hơn "làm nó ngắn lại". Hãy giữ phản hồi đầu tiên trong danh sách tin nhắn để mô hình thấy những gì nó đã viết.
Danh sách cảnh và lồng tiếng như các lần chạy riêng biệt
Đối với video dài hơn, một lần gọi cho mọi thứ sẽ bị loãng. Hãy dùng hai lần chạy thay thế. Đầu tiên yêu cầu một dàn ý các tiêu đề cảnh và mục tiêu một dòng. Sau đó tạo mỗi cảnh trong một lần gọi riêng, truyền dàn ý và lời bình của cảnh trước đó để giọng điệu được duy trì.
- Pass 1, dàn ý: 6 đến 12 cảnh, mỗi cảnh có một mục tiêu và thời lượng ước tính.
- Bước 2, cảnh: xử lý lời bình và cảnh cho từng cảnh một, với dàn ý và hai cảnh cuối cùng nằm trong ngữ cảnh.
- Bước 3, tinh chỉnh: bạn hãy đọc lại toàn bộ lời bình và yêu cầu đa dạng hóa các cụm từ lặp lại.
Cửa sổ ngữ cảnh là 100.000 token cho prompt cộng với phản hồi, nên ngay cả một kịch bản tài liệu 20 phút với dàn ý đầy đủ đều phù hợp trong một cuộc trò chuyện. Về cách bộ nhớ hoạt động trong các phiên dài, trang về cửa sổ ngữ cảnh bao gồm các giới hạn thực tế. Streaming (stream: true) hữu ích nếu bạn hiển thị kịch bản cho một người khi nó đang được viết.
Chi phí của một script
Giá là $0,15 cho 1 triệu token đầu vào và $0,50 cho 1 triệu token đầu ra, trả từ tín dụng trả trước. Hãy lấy một kịch bản 60 giây điển hình kèm danh sách cảnh. Giả sử prompt là 1.200 token (quy tắc cộng ý tưởng) và phản hồi là 1.800 token.
| Phần | Token | Phép tính | Chi phí |
|---|---|---|---|
| Đầu vào | 1.200 | 1.200 / 1.000.000 x $0,15 | $0,00018 |
| Đầu ra | 1.800 | 1.800 / 1.000.000 x $0,50 | $0.0009 |
| Tổng cộng | 3,000 | $0.00108 |
Điều đó tốn khoảng một phần mười xu cho mỗi kịch bản. Một kênh tạo 1.000 kịch bản trả khoảng $1,08 cho phí mô hình. Các lần thử lại và các lần tinh chỉnh thêm vào chi phí này, nhưng ngay cả ba lần gọi cho mỗi kịch bản cũng giữ nó gần một xu mỗi lần. Các yêu cầu thất bại hoặc bị từ chối không bị tính phí. Tín dụng không bao giờ hết hạn, và trang giá cả liệt kê các mức nạp tiền, từ $20 đến $500, và các bậc thưởng.
Trường usage trong mỗi phản hồi cho biết số token chính xác, vì vậy bạn có thể ghi lại chi phí thực tế cho mỗi kịch bản thay vì ước tính.
Các giới hạn và thói quen tiết kiệm thời gian
Một khóa đầy đủ cho phép 8 yêu cầu đồng thời và 300 yêu cầu mỗi phút. Một khóa dùng thử cho phép 2 yêu cầu đồng thời và 60 mỗi phút. Khi bạn tạo hàng loạt nhiều kịch bản, hãy sử dụng một nhóm worker nhỏ gồm 4 đến 6 và giảm tốc khi bạn thấy HTTP 429. Mã lỗi cho bạn biết giới hạn nào bạn đã chạm: rate_limited cho yêu cầu mỗi phút, concurrency cho quá nhiều cùng lúc. Khi quá tải tạm thời, phản hồi chứa tiêu đề Retry-After: 5, vì vậy hãy đợi năm giây và thử lại.
- Lưu mọi kịch bản với prompt của nó, để bạn có thể tái tạo một kịch bản tốt. Tham số
seedđược truyền qua nếu bạn muốn các lần chạy có thể lặp lại. - Giữ một bảng phong cách (các cụm từ bị cấm, tên nhân vật lặp lại, giọng thương hiệu) trong system prompt và tái sử dụng nó trên các video.
- Ghi lại
X-Request-Idtừ mỗi phản hồi; nó giúp khi bạn hỏi hỗ trợ về một cuộc gọi cụ thể. - Đọc mọi kịch bản trước khi xuất bản. Mô hình viết văn bản trôi chảy, không phải sự thật đã được kiểm chứng.
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
Các prompt không được sử dụng để huấn luyện. Nội dung tình dục liên quan đến người chưa thành niên không được phép, bất kể cách trình bày.
Hướng dẫn khác
Hỏi đáp
API này có thể tạo ra video không?
Không. Nó chỉ tạo văn bản. Hãy dùng nó cho kịch bản, danh sách cảnh, phụ đề và văn bản lồng tiếng, rồi chuyển những thứ đó sang các công cụ video và giọng nói bạn đã dùng.
Kịch bản có thể dài bao nhiêu?
Cửa sổ ngữ cảnh là 100.000 token cho cả prompt và phản hồi, và max_tokens là tùy chọn, nên các kịch bản rất dài đều phù hợp. Với nội dung dài hơn vài phút, việc tạo dàn ý trước rồi gọi theo từng cảnh sẽ cho chất lượng tốt hơn.
Tôi có cần trả tiền để dùng thử nó không?
Không. Người dùng mới có thể nhận $0,50 tín dụng dùng thử chỉ với một cú nhấp chuột trên trang khóa API sau khi đăng ký. Các khoản nạp tiền sau đó được thực hiện bằng tiền mã hóa (USDT trên TRC20 hoặc USDC trên Base).
Nó có từ chối các chủ đề câu chuyện tối hoặc trưởng thành không?
Mô hình được tinh chỉnh để trả lời mà không từ chối nội dung cho mục đích người trưởng thành hợp pháp. Nội dung liên quan đến người chưa thành niên trong bối cảnh tình dục luôn bị cấm.
Khóa của bạn chỉ cách một bước
Tạo tài khoản, sao chép khóa, thay đổi URL cơ sở. Đó là toàn bộ quá trình thiết lập.