KI-Musikvideo-API: Vollständige Videos aus Song und Bildern

Music Video 1.0 erstellt aus einer 10–300 Sekunden langen MP3-Datei und ein bis sieben Referenzbildern ein vollständiges Musikvideo in einem einzigen asynchronen API-Aufruf. Es unterstützt fünf Aspektverhältnisse, Ausgaben in 540P/720P/1080P und optionale eingebrannte Lyriken, die aus dem Song generiert oder als SRT-Datei bereitgestellt werden.^[1]

Das ist ein anderes Produkt als die Generierung von fünfunddreißig 5-Sekunden-Aufnahmen und deren Schnitt zu einem Track. Der Song bestimmt sowohl die Ausgabelänge als auch die Abrechnung.

Eingaben, Ausgaben und Limits

Die Ausgabe folgt der Song-Dauer, bis zu fünf Minuten. Die API gibt sofort eine Task-ID zurück; die Anwendung ruft wiederholt ab, bis output.video_urls die MP4 enthält.^[1]

Minimale Anfrage

curl -X POST https://api.reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer $REAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "music-video-1-0",
    "audio_url": "https://files.example.com/song.mp3",
    "reference_image_urls": [
      "https://files.example.com/artist-portrait.jpg",
      "https://files.example.com/neon-stage.jpg"
    ],
    "aspect_ratio": "16:9",
    "resolution": "540P",
    "prompt": "Intimate live performance, practical colored lights, slow camera movement"
  }'

Alle Medien müssen öffentliche HTTP(S)-URLs sein. Lokale Pfade und Base64-Daten werden abgelehnt.

Was ein vollständiger Song kostet

Die aktuellen öffentlichen Tarife betragen 0,05 $ pro Song-Sekunde in 540P, 0,08 $ in 720P und 0,15 $ in 1080P.^[2]

Musikvideo-Kosten = aufgerundete Song-Sekunden × Auflösungstarif

Der Server liest die MP3 aus, anstatt sich auf eine vom Client angegebene Dauer zu verlassen. Das Trimmen einer unbeabsichtigten 12-Sekunden-Stille vor dem Upload reduziert sowohl die Ausgabelänge als auch die abrechenbare Länge.

Referenzbilder als visuelle Vorgabe nutzen

Sieben Bilder stehen zur Verfügung, aber jedes sollte eine Funktion haben. Eine praktische Auswahl für ein Künstler-Video ist:

• ein sauberes Gesichts-/Garderober-Referenzbild;
• ein Ganzkörperbild;
• zwei Ort- oder Set-Referenzen;
• eine Farb-/Beleuchtungsreferenz;
• eine Objekt- oder Albumcover-Referenz.

Vermische nicht mehrere Versionen desselben Charakters mit verschiedenen Haaren, Kleidung oder Alter, wenn Variation nicht beabsichtigt ist. Das Modell hat keine Möglichkeit zu wissen, welcher Widerspruch ein Fehler ist.

Der Prompt sollte die Rollen erklären, anstatt den Bildinhalt zu wiederholen:

Keep the singer's face and silver jacket from the first two images. Use the
warehouse and amber light from images three and four. Verses are restrained
handheld close-ups; choruses widen into fast dolly moves. No crowd, no logos,
no text except supplied subtitles.

Automatische Lyriken oder eigenes SRT?

Es gibt drei gültige Optionen:

Für einen Release Master solltest du ein SRT mitbringen. Automatische Transkription ist nützlich zur Überprüfung, aber kein Beweis, dass jede Lyrik korrekt ist.

{
  "model": "music-video-1-0",
  "audio_url": "https://files.example.com/song.mp3",
  "reference_image_urls": ["https://files.example.com/look.jpg"],
  "aspect_ratio": "9:16",
  "resolution": "720P",
  "add_subtitle": true,
  "srt_url": "https://files.example.com/song-approved.srt",
  "subtitle_color": "#F4EBDD"
}

Vollständige Songgeneration oder Einstellung-für-Einstellung?

Nutze eine Vollsong-Task, wenn Geschwindigkeit und breite visuelle Kontinuität wichtiger sind als die Bearbeitung bei jedem Beat. Nutze eine Shot-Liste, wenn das Video exakte Produkte, Choreografie, narrative Kontinuität oder einen festen Schnitt im Takt braucht.

Der Mittelweg ist oft der beste: Generiere ein vollständiges visuelles Treatment in 540P, markiere die wert erhaltenen Abschnitte und baue dann nur die Heldensekunden mit Shot-Level-Modellen neu auf. Der komplette Song wird zum Storyboard anstelle des endgültigen Masters.

Was ein Vollsong-Request kann und nicht kann

Eine einzelne Task ist gut darin, ein Gesamtbild, die Pacing-Richtung und ein wiederkehrendes Motiv über einen Track zu bewahren. Sie ist schwächer, wenn der Editor eine spezifische Aktion bei Takt 17, ein exaktes Produkt in jedem Refrain oder ein narratives Ereignis bei einer festen Lyrik braucht.

Behandle den Prompt als Musikvideo-Brief anstelle einer Shot-Liste mit fünfzig Zeitstempel-Befehlen. Beschreibe die visuelle Grammatik: wie Verse sich von Refrains unterscheiden, was sich bei der Bridge ändert, welches Motiv erkennbar bleiben muss und was niemals erscheinen sollte. Dann überprüfe das Ergebnis als Storyboard.

Nutze einen Timeline-Editor oder Shot-Level-Generationen für deterministische Overlays, Logos, rechtliche Texte, Lyrik-Typografie und exakte Beat-Schnitte. Generative Frames sind ein schlechter Ort zum Setzen eines genehmigten Sponsorennamens. Das Untertitel-System ist die Ausnahme, da es ein bekanntes Transkript/SRT durch ein dediziertes Feld einbrennt, anstatt das Videomodell zu bitten, willkürlichen Text aus einem Prompt zu zeichnen.

Überprüfe die Wiederholungsexposition vor der Wahl von 1080P

Die Kostenreihe wird nützlicher, wenn sie mit erwarteten Versuchen multipliziert wird. Ein dreiminütiger Track kostet 27 $ in 1080P. Drei verschiedene visuelle Konzepte kosten 81 $; zwei Revisionen des gewählten Konzepts können die Gesamtsumme auf 135 $ bringen.

Die gleiche Erkundung in 540P ist 9 $ pro Versuch. Drei Konzepte plus ein abschließendes 1080P kosten 54 $:

3 × 180-Sekunden-Konzepte in 540P   $27
1 × 180-Sekunden-Konzept in 1080P    $27
Gesamtsumme                             $54

Dieser gestaffelte Plan funktioniert nicht, wenn das Akzeptanzproblem nur mit finaler Auflösung sichtbar ist. Führe eine kurze oder vollständige hochauflösende Kalibrierung früh durch, wenn das Video auf Gesichtsdetails, feine Kostümtextur oder Lesbarkeit von Untertiteln abhängt.

Audio und Referenzen vor der Einreichung vorbereiten

Der Server misst die tatsächliche MP3, daher sollte der hochgeladene Master bereits final sein. Vor dem Versand:

• entferne unbeabsichtigte Stille und Zähl-In-Audio;
• bestätige, dass die Probe kein temporäres Wasserzeichen oder Leitton-Audio enthält;
• normalisiere den genehmigten Master außerhalb der Video-Task;
• überprüfe, dass jedes Referenzbild lizenziert und absichtlich Teil des Looks ist;
• beschneide Referenzen um die Subjekt-Informationen, die das Modell braucht;
• entferne beinah-doppelte Bilder mit widersprüchlichen Farbabstufungen;
• erstelle und Korrektur-Lese die SRT, wenn Lyriken wichtig sind.

Die Änderung des Songs nach Generierung verschiebt jeden späteren Schnitt und jede Untertitel-Markierung. Ein Vollsong-Rendering liegt downstream von Audio-Mastering, nicht am richtigen Ort zum Entdecken, dass die Bridge acht Sekunden kürzer sein wird.

Behandle einen fehlgeschlagenen oder steckengebliebenen langen Job

Sende nicht automatisch erneut, wenn das Polling unerwartet zeitlich überläuft. Die ursprüngliche Task kann noch verarbeitet werden, und ein blindes Retry kann eine zweite Vollsong-Gebühr erzeugen. Speichere die Task-ID, frage den Status erneut ab und unterscheide ein Anwendungs-Timeout von einem terminalen failed-Zustand.

Wenn der Server die Audio nicht lesen kann, gibt die Anfrage einen Preis-Fehler ohne Gebühr zurück. Überprüfe, dass die URL öffentlich ist, die MP3 direkt zurückgibt und Fernzugriff unterstützt. Eine Share-Seite mit einem Audio-Player ist nicht dasselbe wie eine direkte Audio-URL.

Baue um eine lange asynchrone Task

Ein Multi-Minuten-Rendering kann viel länger dauern als ein kurzer Text-zu-Video-Job. Produktionscode sollte:

1. die Task-ID speichern, bevor du zum Benutzer zurückkehrst;
2. im Hintergrund abfragen, anstatt eine HTTP-Anfrage offenzuhalten;
3. ein langes Timeout-Fenster erlauben;
4. die geprüfte Song-Länge und geschätzten Auflösungskosten anzeigen;
5. die Input-URLs und den Prompt zur Auditierung und zu Wiederholung behalten.

Der vollständige Request- und Error-Vertrag ist in der Dokumentation Music Video 1.0 API, und die aktuellen Tarife sind auf der Music Video 1.0 Modellseite.

Referenzen

1. reAPI Music Video 1.0 API documentation, accessed August 23, 2026.
2. reAPI Music Video 1.0 model and pricing page, accessed August 23, 2026.