API музыкального видео: полные песни, фото и субтитры

Music Video 1.0 преобразует одну MP3-песню длительностью 10–300 секунд и от одного до семи референс-фотографий в полноценный музыкальный клип в одном асинхронном API-запросе. Он поддерживает пять соотношений сторон, выход в 540P/720P/1080P и опциональные встроенные субтитры, сгенерированные из песни либо загруженные в виде SRT-файла.^[1]

Это отличается от генерации тридцати пятисекундных сцен и их монтажа на трек. Песня определяет одновременно длительность выхода и счёт.

Входные параметры, выход и ограничения

Выход соответствует длительности песни, до пяти минут. API возвращает id задачи сразу же; приложение опрашивает её до появления output.video_urls с MP4.^[1]

Минимальный запрос

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"
  }'

Все медиа должны быть публичными URL по протоколу HTTP(S). Локальные пути и base64 отклоняются.

Цена полной песни

Живые публичные тарифы — $0.05 за секунду песни в 540P, $0.08 в 720P и $0.15 в 1080P.^[2]

стоимость видео = округлённые секунды песни × тариф разрешения

Сервер проверяет саму MP3, а не полагается на длительность, указанную клиентом. Обрезание 12-секундного молчаливого outro перед загрузкой сокращает и выходную длительность, и тарифицируемую длительность.

Используйте референс-фотографии как визуальный контракт

Доступно семь фотографий, но каждая должна иметь назначение. Практичный набор для видео певца:

• одна чистая фото лица/гардероба;
• одна фото во весь рост;
• две локации или интерьеры;
• одна фото цвета/света;
• одна фото предмета или обложки альбома.

Не смешивайте несколько версий одного персонажа с разными волосами, одеждой или возрастом, если вариативность не предусмотрена. Модель не может знать, какое противоречие — ошибка.

Промпт должен объяснить роли, а не повторять содержимое фото:

Сохраните лицо певца и серебристую куртку с первых двух фотографий. Используйте
склад и жёлтый свет из фотографий три и четыре. Куплеты — сдержанная
ручная камера с крупными планами; припевы расширяются в быстрые движения тележки.
Без толпы, без логотипов, только встроенные субтитры.

Автоматические субтитры или собственный SRT?

Есть три допустимых варианта:

Для выпускного мастера приносите SRT. Автоматическое распознавание полезно для проверки, а не как подтверждение точности каждого слова.

{
  "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"
}

Полная генерация песни или монтаж по кадрам?

Используйте полную песню, когда скорость и широкая визуальная целостность важнее, чем монтаж каждого бита. Используйте список сцен, когда видео нужны точные товары, хореография, нарративная целостность или фиксированный монтаж на бит.

Средний путь часто лучший: сгенерируйте полное визуальное решение 540P, отметьте секции, которые стоит сохранить, затем пересоберите только ключевые сцены моделями на уровне кадров. Полная песня становится раскадровкой, а не финальным мастером.

Что один полный запрос может и не может контролировать

Одна задача хороша сохранением общего стиля, направления темпа и повторяющегося субъекта по треку. Она слабее, когда редактору нужна точная сцена на такте 17, точный товар в каждом припеве или нарративное событие на фиксированном слове.

Рассматривайте промпт как брифинг музыкального видео, а не как список сцен с пятьюдесятью командами с временными кодами. Опишите визуальную грамматику: чем куплеты отличаются от припевов, что меняется на мосте, какой субъект должен оставаться узнаваемым и что не должно появляться. Затем просмотрите результат как раскадровку.

Используйте редактор временной шкалы или генерации на уровне кадров для детерминированных оверлеев, логотипов, копии, типографии субтитров и точных монтажей на бит. Генеративные кадры — плохое место для вёрстки одобренного имени спонсора. Система субтитров — исключение, потому что встраивает известный текст/SRT через выделенное поле, а не просит видеомодель рисовать произвольный текст из промпта.

Оцените риск переделки перед выбором 1080P

Таблица цен становится полезнее, умноженная на ожидаемое число попыток. Трёхминутный трек стоит $27 в 1080P. Три разных визуальных концепции — $81; две переделки выбранной концепции могут довести итог до $135.

Та же разведка в 540P — $9 за попытку. Три концепции плюс один финальный 1080P стоят $54:

3 × 180-секундных концепции 540P   $27
1 × 180-секундный финал 1080P    $27
итого                             $54

Этот поэтапный план не работает, когда проблема видна только в финальном разрешении. Запустите одну короткую или полную высокоразрешённую калибровку рано, если видео зависит от деталей лица, фактуры костюма или читаемости субтитров.

Подготовьте аудио и референсы перед отправкой

Сервер измеряет саму MP3, поэтому загруженный мастер должен быть уже финальным. Перед отправкой:

• удалите непредусмотренную тишину и вводный звук;
• подтвердите, что образец не содержит временный вотермарк или направляющий голос;
• нормализуйте одобренный мастер вне видео-задачи;
• проверьте, что каждая референс-фотография имеет лицензию и намеренно входит в стиль;
• кадрируйте референсы вокруг информации о субъекте, которая нужна модели;
• удалите почти идентичные фотографии с конфликтующими градациями цвета;
• создайте и проверьте SRT, если субтитры важны.

Изменение песни после генерации сдвигает каждый последующий монтаж и куэ субтитров. Полный рендер — нижестоящий от мастеринга звука, а не место для открытия, что мост будет на восемь секунд короче.

Обработка неудачной или зависшей длительной задачи

Не переотправляйте автоматически при таймауте опроса. Исходная задача может всё ещё обрабатываться, и слепая переделка может создать второй счёт за полную песню. Сохраните id задачи, опросите её статус ещё раз и отличите таймаут приложения от терминального состояния failed.

Если сервер не может проверить аудио, запрос возвращает ошибку цены без счёта. Проверьте, что URL публичный, возвращает MP3 напрямую и поддерживает удалённый доступ. Страница общего доступа с аудиоплеером — не то же самое, что прямой URL аудио.

Создавайте вокруг длительной асинхронной задачи

Рендер на несколько минут может занять намного больше времени, чем короткая t2v-задача. Производственный код должен:

1. сохранить id задачи перед возвратом пользователю;
2. опрашивать в фоне, а не держать HTTP-запрос открытым;
3. позволить долгое окно таймаута;
4. показать проверенную длительность песни и предполагаемую цену разрешения;
5. сохранить входные URL и промпт для проверки и переделки.

Полный контракт запроса и ошибок находится в документации API Music Video 1.0, а актуальные тарифы — на странице модели Music Video 1.0.

References

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.