AI 音楽ビデオジェネレータAPI：楽曲と画像から完全動画を生成

Music Video 1.0は、10～300秒の MP3 ファイル 1 つと参照画像 1～7 枚から、完全尺のミュージックビデオを 1 つの非同期 API タスクで生成します。 5 つのアスペクト比、540P/720P/1080P 出力、および楽曲から生成するか SRT ファイルで供給するかの選択可能な字幕焼き込みに対応しています。^[1]

これは、5 秒のショットを 35 本生成してトラックに編集するのとは別のプロダクトです。楽曲は出力の長さと請求額の両方を決定します。

入力、出力、および制限事項

出力は楽曲の期間に従い、最大 5 分です。API はすぐにタスク ID を返します。アプリケーションは output.video_urls に MP4 が含まれるまでポーリングを続けます。^[1]

最小限のリクエスト

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"
  }'

すべてのメディアは公開 HTTP(S) URL である必要があります。ローカルパスと Base64 データは拒否されます。

完全な楽曲のコスト

現在の公開レートは 540P で 1 楽曲秒あたり $0.05、720P で $0.08、1080P で $0.15 です。^[2]

ミュージックビデオコスト = 端数処理された楽曲秒数 × 解像度レート

サーバーはクライアントが提供した期間に頼らず、実際の MP3 をプローブします。アップロード前に不要な 12 秒の無音アウトロをトリミングすると、出力の長さと請求可能な長さの両方が削減されます。

参照画像をビジュアルコントラクトとして使用する

7 つの画像が利用可能ですが、それぞれに役割があるべきです。アーティストビデオの実践的なセットは：

• クリーンな顔 / ワードローブ参照画像 1 枚；
• 全身画像 1 枚；
• ロケーションまたはセット参照 2 枚；
• 色 / ライティング参照 1 枚；
• オブジェクトまたはアルバムアート参照 1 枚。

意図されていない限り、髪、服、または年齢が異なる同じキャラクターの複数のバージョンを混在させないでください。モデルは、どの矛盾が間違いであるかを知る方法がありません。

プロンプトは画像コンテンツを言い直すのではなく、役割を説明する必要があります：

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.

自動歌詞か独自の SRT か？

3 つの有効な選択肢があります：

リリースマスターの場合は、SRT を用意してください。自動トランスクリプションはレビューに役立ちますが、すべての歌詞が正しいことの証明ではありません。

{
  "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"
}

フル楽曲生成とショット単位のどちらか？

速度と広いビジュアルの連続性が各ビートのエディットより重要な場合は、フル楽曲タスクを使用します。ビデオが正確な製品、振付、ナラティブの連続性、または固定のビートエディットが必要な場合は、ショットリストを使用します。

中間のアプローチが最適な場合が多い：540P で完全なビジュアル処理を生成し、保持する価値のあるセクションをマークし、ショットレベルのモデルでヒーローモーメントだけを再構築します。完全な楽曲は最終的なマスターではなくアニマティクスになります。

1 つのフル楽曲リクエストが制御できることとできないこと

単一のタスクは、全体的な外観、ペーシングの方向、およびトラック全体にわたる繰り返しの主題を保つのに優れています。エディターがバー 17 での特定のアクション、各コーラスでの正確な製品、または固定歌詞でのナラティブイベントが必要な場合は弱い。

プロンプトを 50 個のタイムスタンプコマンドを使用したショットリストではなく、ミュージックビデオブリーフとして扱います。ビジュアル文法について説明します：詩がコーラスとどう異なるか、ブリッジで何が変わるか、どのサブジェクトが認識可能であるべきか、何が絶対に表示されてはいけないか。次にアニマティクスとして結果を確認します。

決定的なオーバーレイ、ロゴ、法的コピー、歌詞タイポグラフィ、および正確なビートカットには、タイムラインエディターまたはショットレベルの生成を使用します。生成されたフレームは、承認されたスポンサー名を植字するのに適さない場所です。字幕システムは例外です。既知のトランスクリプト / SRT をプロンプトから任意のテキストを描画するようにビデオモデルに依頼するのではなく、専用フィールドから焼き込むためです。

1080P を選択する前に再試行曝露を推定する

コスト表は、予想される試行回数を掛けると、さらに役立つようになります。3 分トラックは 1080P で $27 かかります。3 つの異なるビジュアルコンセプトは $81 かかります。選択したコンセプトの 2 つの修正は、合計を $135 にすることができます。

540P での同じ探査は、試行ごとに $9 です。3 つのコンセプトに加えて、1 つの 1080P ファイナルは $54 です：

3 × 180 秒 540P コンセプト   $27
1 × 180 秒 1080P ファイナル    $27
合計                              $54

受け入れ問題が最終解像度でのみ見える場合、この段階的計画は機能しません。ビデオが顔の詳細、細かいコスチュームテクスチャ、または字幕の読みやすさに依存する場合は、早期に短いまたは完全な高解像度キャリブレーションを実行します。

提出前にオーディオと参照を準備する

サーバーは実際の MP3 を測定するため、アップロードされたマスターはすでに最終的である必要があります。送信する前に：

• 意図しない無音とカウント in オーディオを削除する；
• サンプルに一時的なウォーターマークまたはガイド音声がないことを確認する；
• 承認されたマスターをビデオタスクの外で正規化する；
• すべての参照画像がライセンスされ、意図的にルックの一部であることを確認する；
• モデルが必要とする主観情報の周りの参照をトリミングする；
• 矛盾する色グレードを持つほぼ重複する画像を削除する；
• 歌詞が重要な場合は SRT を作成して校正する。

生成後に楽曲を変更すると、すべての後の編集と字幕キューがシフトします。フル楽曲のレンダリングはオーディオマスタリングから下流にあり、ブリッジが 8 秒短くなるのを発見する場所ではありません。

失敗または停止した長いジョブの処理

ポーリングがタイムアウトしたときに自動的に再提出しないでください。元のタスクはまだ処理されている可能性があり、盲目的な再試行により 2 番目の完全楽曲料金が発生する可能性があります。タスク ID を保持し、ステータスを再度クエリし、アプリケーションタイムアウトを端末 failed 状態から区別します。

サーバーがオーディオをプローブできない場合、リクエストは請求なしで価格設定エラーを返します。URL が公開であること、MP3 を直接返すこと、リモートアクセスをサポートしていることを確認してください。オーディオプレーヤーを含むシェアページは、直接オーディオ URL と同じではありません。

長時間実行非同期タスクを中心に構築する

複数分のレンダリングは、短いテキスト to ビデオジョブよりもはるかに長くかかる可能性があります。本番コードは以下のようにする必要があります：

1. ユーザーに戻る前にタスク ID を保存する；
2. HTTP リクエストを開いたままにするのではなく、バックグラウンドでポーリングする；
3. 長いタイムアウトウィンドウを許可する；
4. プローブされた楽曲の長さと推定解像度コストを表示する；
5. 監査と再試行のために入力 URL とプロンプトを保持する。

完全なリクエストとエラーコントラクトは Music Video 1.0 API ドキュメント、現在のレートは Music Video 1.0 モデルページにあります。

参照

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.