Panduan API Vidu: Model MoE & Akses Seri-Q

Jika harus saya rangkum dalam satu kalimat: gunakan Vidu MoE untuk logika prompt yang lebih sulit, gunakan Q3 Pro untuk output final, dan gunakan Q3 Turbo untuk pengujian berbiaya rendah melalui satu APIMart setup.

Berikut versi singkat yang bisa Anda terapkan langsung:

• Saya dapat mengakses Vidu MoE, Vidu Q3 Pro, dan Vidu Q3 Turbo melalui APIMart dengan satu kunci API dan satu alur permintaan utama.
• Endpoint inti adalah POST https://api.apimart.ai/v1/videos/generations.
• Job video bersifat async, jadi saya mendapatkan task_id terlebih dahulu, lalu saya polling GET /v1/tasks/{task_id} atau menggunakan callback_url.
• Vidu mendukung:
  • text-to-video
  • image-to-video
  • video berbasis referensi
  • transisi frame awal-akhir
• Model Q3 menambahkan audio bawaan seperti dialog, efek suara, dan musik.
• Klip dapat berjalan hingga 16 detik, dengan output 540p, 720p, atau 1080p.
• Harga APIMart dalam artikel mencantumkan:
  • Q3 Pro: sekitar $0.12/sec pada 720p
  • Q3 Turbo: sekitar $0.048/sec pada 720p
• Tautan output kedaluwarsa setelah 24 jam, jadi saya harus mengunduh file segera setelah berhasil.

Perbandingan singkat

Yang menonjol bagi saya adalah betapa sederhananya peralihan tersebut: dalam banyak kasus, saya hanya mengubah field model dan menjaga sisa pengaturan tetap sama. Itu membuat artikel ini kurang tentang pekerjaan pengaturan dan lebih tentang memilih model yang tepat untuk biaya, waktu tunggu, dan kualitas output.

Vidu Models Dijelaskan: MoE vs. Seri-Q

Model MoE Vidu: apa itu dan kapan menggunakannya

Model MoE (Mixture of Experts) mengirim bagian berbeda dari tugas generasi ke pakar khusus untuk gerakan, konsistensi adegan, dan kontrol prompt. Ia paling masuk akal untuk prompt multi-adegan atau lebih panjang di mana konsistensi lebih penting daripada kecepatan murni.

Namun ada catatannya. MoE membutuhkan lebih banyak komputasi dan memiliki penyelesaian lebih lambat dibandingkan Seri-Q ^[7]. Untuk prompt sederhana, sering kali itu lebih dari yang Anda butuhkan.

Seri-Q Vidu dan Vidu Q3 Pro: performa untuk penggunaan produksi

Jika MoE adalah spesialis, Seri-Q adalah opsi yang dibangun untuk pekerjaan produksi. Vidu Q3 Pro dirancang untuk output sinematik yang dipoles dan video berbasis storyboard ^[7]. Ia mendukung video 1080p, klip hingga 16 detik, dan generasi audio-video dengan dialog dan efek suara yang tersinkronisasi ^[1][2][4]. Di APIMart, Q3 Pro mulai dari $0.12 per second ^[2][3].

Vidu Q3 Turbo lebih condong ke kecepatan dan biaya lebih rendah, dengan pergantian adegan lebih cepat ^[6][7]. Di APIMart, Q3 Turbo mulai dari $0.048 per second ^[3].

Cara memilih antara MoE dan Seri-Q untuk alur kerja Anda

Pilihan ini sebagian besar bergantung pada kompleksitas prompt, waktu penyelesaian, dan anggaran. Jika alur kerja Anda bergantung pada ketaatan instruksi yang ketat dan logika multi-adegan, pilih MoE. Jika Anda butuh output dipoles dengan sinkronisasi audio-visual, Q3 Pro adalah pilihan yang lebih cocok. Sebagai alternatif, Kling V3 menyediakan opsi fidelitas tinggi lain untuk video AI sinematik. Jika tujuan utama Anda adalah iterasi cepat atau biaya per klip lebih rendah, Q3 Turbo adalah pilihan praktis.

Tabel di bawah memetakan setiap model ke jenis pekerjaan yang paling baik ditanganinya. Bagi yang membandingkan opsi kelas atas, Sora 2 menawarkan kemampuan sinematik serupa dengan audio yang tersinkronisasi.

Berikutnya, lihat cara memilih model, melakukan autentikasi, dan mengirim permintaan melalui APIMart.

Cara Mengakses Vidu Melalui APIMart

Pengaturan akun, autentikasi, dan penanganan kunci API

Setelah Anda memilih model, Anda dapat mengirim job melalui APIMart dengan satu kunci API. Pertama, buat akun APIMart dan buat kunci Anda dari halaman pengelolaan kunci API di dashboard ^[2][3].

Kirim setiap permintaan dengan token Bearer di header Authorization:

Authorization: Bearer YOUR_API_KEY

Untuk penyimpanan, simpan kunci dalam variabel lingkungan atau secret manager seperti AWS Secrets Manager atau GCP Secret Manager. Akan membantu juga untuk menggunakan kunci terpisah untuk development, staging, dan produksi. Jika sebuah kunci terekspos, putar segera. Lakukan hal yang sama sesuai jadwal yang ditetapkan. Dan ketika Anda mencatat permintaan, simpan hanya task_id - jangan pernah token itu sendiri ^[5].

Menemukan model Vidu, harga, dan skema input di APIMart

Setelah masuk, periksa katalog sebelum Anda mengirim apa pun. Di situlah Anda dapat mengonfirmasi nama model, input yang didukung, dan harga terkini. Dalam katalog APIMart, model Vidu terdaftar di bawah Video Generation. Anda juga dapat menemukan model berperforma tinggi lainnya seperti MiniMax-Hailuo-02 dalam kategori yang sama. Gunakan halaman itu untuk membandingkan skema input, resolusi, dan biaya per detik di MoE, Q3 Pro, dan Q3 Turbo ^[2][3].

Field utama yang perlu diperhatikan adalah:

• model
• prompt
• duration
• resolution
• aspect_ratio

Untuk job text-to-video, gunakan aspect_ratio. Untuk job berbasis gambar, sistem menggunakan rasio gambar sumber sebagai gantinya ^[2]. Prompt teks dibatasi hingga 2.000 karakter ^[2][3].

Endpoint, struktur permintaan, dan penanganan job async

Setelah Anda memilih model, kirim permintaan generasi dan lacak job async dengan task_id yang dikembalikan. Kirim permintaan POST ke https://api.apimart.ai/v1/videos/generations, lalu polling status job dengan GET https://api.apimart.ai/v1/tasks/{task_id} ^[2][5].

Job bergerak melalui status ini:

• submitted
• queueing
• processing
• success atau failed

Jika Anda ingin APIMart memberi tahu aplikasi Anda saat job selesai, tambahkan callback_url dan terima hasilnya melalui webhook ^[5]. Begitu job mencapai success, unduh file segera. Dari sana, Anda dapat memetakan field permintaan ke alur text-to-video atau alur berbasis referensi.

Integrasi Langkah demi Langkah untuk Text-to-Video dan Video Berbasis Referensi

Alur dasar text-to-video dengan pemilihan model

Setelah Anda memilih model dari katalog, alur text-to-video cukup sederhana. Kirim kunci API Anda dari sisi server di header Authorization sebagai Bearer {your_api_key}.

Berikut payload minimal untuk job text-to-video dengan viduq3-pro:

{
  "model": "viduq3-pro",
  "prompt": "A red fox running through a snowy forest at dusk, cinematic slow motion",
  "duration": 8,
  "resolution": "720p",
  "aspect_ratio": "16:9",
  "audio": true
}

Respons mencakup task_id dan status seperti submitted, queueing, atau processing. Setelah itu, Anda dapat melakukan polling GET /v1/tasks/{task_id} dengan task_id yang dikembalikan, atau meneruskan callback_url dalam permintaan sehingga platform dapat memberi tahu aplikasi Anda saat job mencapai success atau failed ^[1][7][10]. Jika Anda ingin beralih ke viduq3-turbo, Anda sebagian besar hanya mengubah field model.

Pola async tetap sama di seluruh mode. Yang berubah adalah field input.

Menambahkan input gambar atau referensi dan kontrol lanjutan

Untuk image-to-video, teruskan satu URL gambar dalam array image_urls. Gunakan 0 gambar untuk text-to-video, 1 untuk image-to-video, dan 2 untuk mode first-last-frame ^[2]. Dalam mode berbasis gambar, rasio aspek output berasal dari gambar sumber, jadi Anda dapat menghilangkan aspect_ratio ^[2]. Jika Anda mengunggah file langsung alih-alih menggunakan URL, jaga setiap gambar dalam format PNG, JPEG, atau WebP, di bawah 50 MB, dan jaga total body HTTP di bawah 20 MB ^[9][8].

Untuk generasi berbasis referensi, gunakan endpoint /reference2video dengan array subjects. Definisikan setiap subjek dengan name dan images-nya, lalu panggil dalam prompt dengan @subjectname. Model Q3 memperbolehkan hingga 7 gambar referensi atau deskripsi teks dalam fitur subjects ^[6]. Jika Anda menggunakan mode first-last frame, jaga kedua gambar dekat dalam rasio aspek, idealnya dalam rasio 0,8 hingga 1,25, untuk mengurangi kegagalan ^[8]. Ketika wajah atau tangan terlibat, jaga prompt gerakan tetap halus untuk mengurangi artefak distorsi ^[5].

Tabel di bawah menunjukkan parameter utama di kedua alur:

Atur seed tetap saat menguji jika Anda ingin hasil visual yang sama di seluruh putaran ^[2][9]. Untuk job batch yang tidak mendesak, atur off_peak ke true. Tugas tersebut biasanya selesai dalam 48 jam dan menggunakan lebih sedikit kredit ^[1][6].

Melacak penggunaan, biaya, dan keandalan produksi

Setelah permintaan Anda berfungsi, pekerjaan berikutnya adalah menjaga biaya dan keandalan tetap terkendali dalam produksi.

Catat task_id dan timestamp untuk setiap permintaan. Itu memberi Anda cara aman untuk debug tanpa menyimpan kredensial sensitif ^[5]. Akan membantu juga untuk melacak waktu antrean dan waktu generasi secara terpisah, sehingga Anda dapat membedakan antara penundaan platform dan latensi model.

Untuk estimasi biaya, Vidu Q3 Pro pada 720p berbiaya sekitar $0.12 per second di APIMart, dan Q3 Turbo berbiaya sekitar $0.048 per second ^[3]. Atur peringatan otomatis pada 50%, 80%, dan 100% dari batas anggaran bulanan Anda sehingga pengeluaran tidak lepas kendali ^[5].

Percobaan ulang juga penting. Pada error 5xx, gunakan exponential backoff: coba lagi pada 2 detik, lalu 5 detik, lalu 15 detik sebelum menampilkan error ke pengguna ^[5]. Model seri Vidu Q3 hadir dengan SLA 99,9% untuk beban kerja produksi ^[3], tetapi kegagalan singkat tetap terjadi, jadi percobaan ulang harus menjadi bagian dari setiap build yang dikirim.

Daftar Periksa Pemilihan Model dan Poin Utama

Daftar periksa kasus penggunaan untuk pengembang, kreator, dan tim produk

Pilih berdasarkan tiga hal: kompleksitas prompt, kecepatan, dan kualitas output. Tabel di bawah mengubah perbandingan model menjadi pilihan pengiriman praktis.

Setelah Anda memilih satu baris, pertahankan skema permintaan yang sama dari bagian integrasi. Dengan bahasa sederhana: mulai ide di Q3 Turbo, lalu pindahkan render final 1080p ke Q3 Pro. Ini alur kerja sederhana, dan membantu Anda bergerak cepat tanpa menghabiskan lebih dari yang Anda butuhkan.

Untuk klip di mana fidelitas gerakan paling penting, targetkan 5–10 detik alih-alih meregang ke maksimum 16 detik. Klip lebih pendek sering memberi Anda gerakan lebih ketat dan lebih sedikit kerumitan.

Poin utama yang perlu diingat sebelum pengiriman

MoE adalah pilihan untuk logika multi-adegan yang kompleks. Q3 Pro memberi Anda output 1080p sinematik berfidelitas tinggi ^[3]. Q3 Turbo adalah opsi berbiaya lebih rendah pada $0.048/sec pada 720p ^[3].

Di APIMart, beralih antara model ini hanya perubahan satu parameter model. Sisanya dalam permintaan tetap sama ^[3]. Itu berarti Anda dapat menguji satu model, beralih ke model lain, dan menjaga pekerjaan integrasi Anda tetap stabil.

Gunakan alur async yang sama setiap kali:

• Kirim permintaan
• Tangkap task_id
• Polling status atau gunakan callback_url

Selain itu, unduh video yang dihasilkan segera setelah siap. Tautan output kedaluwarsa setelah 24 jam ^[3][11].

FAQ

Model Vidu mana yang harus saya mulai?

Mulai dengan model yang cocok dengan kebutuhan Anda akan kecepatan, audio, dan kontrol visual.

• viduq3-pro: terbaik untuk sinkronisasi audio-visual dan segmentasi bidikan
• viduq3-turbo: generasi lebih cepat daripada versi pro
• viduq1 atau viduq2: pilihan solid untuk produksi video stabil dan gerakan kamera andal

Bagaimana saya melacak job video setelah mengirimnya?

Anda dapat melacak tugas generasi video Anda dengan dua cara.

Untuk penggunaan produksi, opsi terbaik adalah menyertakan callback_url dalam permintaan awal Anda. Ketika Anda melakukannya, API Vidu mengirim pembaruan tugas dan metadata hasil langsung ke URL Anda secara otomatis. Itu berarti Anda tidak perlu terus memeriksa status tugas sendiri.

Opsi lainnya adalah melakukan polling API kueri status dengan task_id yang Anda dapatkan setelah pengiriman. Begitu status tugas berubah menjadi success, respons akan menyertakan URL unduhan video dan metadata terkait lainnya.

Input dan batasan apa yang harus saya ketahui sebelum integrasi?

Sebelum Anda mengintegrasikan API Vidu, pastikan input Anda tetap dalam batas ini:

• Gambar: hanya PNG, JPEG, JPG, atau WebP; setiap file harus di bawah 50 MB dan setidaknya 128×128 piksel
• Total body permintaan HTTP: maks 20 MB
• Prompt teks: hingga 5.000 karakter
• Data passthrough payload: hingga 1.048.576 karakter

Batas durasi bergantung pada model yang Anda gunakan. Q3 mendukung 1–16 detik, Q2 mendukung 1–10 detik, dan Q1 mendukung 5 detik.

Selain itu, jaga kunci API Anda tetap aman. Jangan ekspos dalam kode sisi klien. Kirim permintaan melalui perantara sisi server sebagai gantinya.