Génération de médias

Génération asynchrone de médias : images, vidéo, voix off (TTS), synthèse vocale, musique et 3D. Vous créez une tâche et interrogez le résultat. La liste complète des modèles figure dans le catalogue des modèles de médias ; les webhooks, les erreurs et la facturation sont présentés dans la section consacrée aux webhooks.

La création renvoie 202 avec { ok: true, jobId, status: "processing" }. Interrogez GET /api/media/jobs/{jobId} jusqu’à status: "success", puis récupérez le resultUrls.

# 1. create a generation job
curl https://getvibeapi.com/api/media/generate \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1",
    "prompt": "a cat on a skateboard, slow motion"
  }'
# → {"ok":true,"jobId":"...","status":"processing"}

En plus de model et prompt, vous pouvez transmettre des options supplémentaires dans opts. L’ensemble dépend du modèle. Le contrat complet lisible par machine est disponible via GET /api/model-capabilities (ou GET /api/model-capabilities/{model} pour un modèle spécifique).

Les options d’URL (image_url, input_urls, mask_url et les autres) sont des liens que le fournisseur récupère ; elles acceptent donc uniquement des adresses https:// publiques. Une chaîne data:image/...;base64,… inline dans l’un de ces champs est rejetée avec 400.

Pour envoyer votre propre fichier, utilisez plutôt le champ *_base64 correspondant : le service stocke les octets, les publie et transmet le lien obtenu au fournisseur. Jusqu’à 16 fichiers par requête dans input_base64.

POST /api/media/generate et POST /api/media/price acceptent le même corps de requête ; vous pouvez donc obtenir un devis, puis le soumettre sans modification. Il n’existe aucun autre champ de niveau supérieur : tout champ inconnu est refusé sur les deux endpoints avec 400 et le code unknown_field qui le désigne (field, fields), avec ou sans strict. Les paramètres de génération doivent être placés dans opts.

Tout fichier source peut être envoyé de trois façons : sous forme de lien (image_url, audio_url, video_url…), d’octets intégrés (image_base64, audio_base64, video_base64…) ou d’identifiant de votre propre fichier provenant de POST /v1/files. Les champs d’identifiant sont répertoriés dans le requestJsonSchema de chaque opération et sont acceptés en mode strict.

Pour les modèles dont la longueur de sortie suit celle d’un fichier importé — kling-ai-avatar, omnihuman-v2, omnihuman-2-0, omnihuman-v1.5, omnihuman-1-5, volcengine-lipsync (audio), kling-motion-control, wan-animate, topaz-video-upscale, p-video-edit (video), lipsync-2-pro, sync-3, react-1 (les deux entrées) — /api/media/price et la vérification préalable max_price_rub sur /api/media/generate mesurent ce fichier côté serveur (lien, URI data:, base64 ou *_file_id) et facturent les secondes mesurées. La réponse contient sourceSeconds (outputSeconds pour la synchronisation labiale), et estimateReason indique que la durée a été mesurée. Si le fichier ne peut pas être lu, le prix conserve sa base précédente (une seconde, l’estimation du catalogue ou le maximum de la route) et estimateReason l’indique. Le montant facturé correspond au tarif par seconde multiplié par le nombre de secondes effectivement rendues, sans jamais dépasser max_price_rub. opts.duration est accepté pour ces modèles et ignoré, avec un avertissement param_ignored.

Create: { name, consent: true, engine, audio_url | audio_base64 } or several recordings samples: [{ audio_url } | { audio_base64 }, …] (engine: "elevenlabs" only). An ElevenLabs voice is used by voice-clone-tts and by the Voice Changer (elevenlabs-voice-changer). Appending recordings to an ElevenLabs voice is free. Every recording is downloaded and measured before the supplier is called: a refusal changes and charges nothing.

Changeur de voix et alignement forcé

Lorsque la confirmation de démarrage du fournisseur n’arrive pas, la tâche reste au statut : "submitting" avec l’étape : "submission_unknown", errorCode : "media_submission_uncertain" et failure.advice : "reconcile_first" — continuez d’interroger le même jobId et ne créez pas de doublon. Pour tester ce chemin gratuitement, envoyez POST /api/media/generate avec une clé sandbox et l’en-tête x-pv-sandbox-outcome: submission_uncertain. La réponse est un 202 normal avec un jobId ; son interrogation renvoie une soumission inconnue pendant 60 secondes, puis une tâche qui n’a jamais démarré (failure.code : "submission_not_started", charged: false). Rien n’est stocké, envoyé à un fournisseur ou facturé. Une clé standard avec cet en-tête renvoie 400 sandbox_outcome_requires_sandbox_key.

Même endpoint que pour le reste de la génération : placez le nom du modèle STT dans model, laissez prompt comme chaîne vide et transmettez l'enregistrement dans opts.audio_url. La transcription arrive dans resultText sur GET /api/media/jobs/{id} ; resultUrls reste vide, car la transcription ne produit aucun fichier.

# speech-to-text: create the job, then read the transcript
curl https://getvibeapi.com/api/media/generate \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "whisper-large-v3-turbo",
    "prompt": "",
    "opts": {
      "audio_url": "https://example.com/meeting.mp3",
      "language_code": "en"
    }
  }'
# → {"ok":true,"jobId":"JOB_ID","status":"processing","priceRub":0.03}

curl https://getvibeapi.com/api/media/jobs/JOB_ID \
  -H "Authorization: Bearer $GETVIBE_API_KEY"
# → {"status":"success","resultText":"the transcribed text…","resultUrls":[],"priceRub":0.03}

Modèles

• whisper-large-v3-turbo — $0.00025 par minute d’audio. Le moins cher et le plus rapide, 99 langues.
• nemotron-asr-multilingual — $0.00025 par minute. ASR multilingue NVIDIA, ajoute automatiquement la ponctuation.
• whisper-large-v3 — $0.000563 par minute. Whisper complet : plus lent que turbo, mais plus précis sur les fichiers audio bruyants.
• universal-2 — $0.003125 par minute.
• speech-to-text — $0.01 par minute (ElevenLabs Scribe). Prend en charge la diarisation des intervenants et les balises d’événements audio.

Paramètres

Formats et limites

mp3, wav, m4a/mp4, flac, ogg/opus et webm sont acceptés. La taille du fichier est de 25 MB maximum — environ 26 minutes en mp3 à 128 kbps, ou plusieurs heures de parole en opus. Tout fichier plus volumineux est refusé immédiatement avec un message explicite et n’est pas facturé ; divisez plutôt l’enregistrement.

Pour éviter l’interrogation périodique, enregistrez une adresse mediaWebhookUrl dans votre tableau de bord. Lorsque la tâche est terminée (succès ou erreur), le service effectue jusqu’à cinq tentatives de livraison d’un POST avec un corps JSON :

// POST to your mediaWebhookUrl when a job finishes
{
  "jobId": "...",
  "status": "success",            // or "fail"
  "model": "veo-3.1",
  "kind": "video",                // image | video | audio | music | 3d
  "resultUrls": ["https://getvibeapi.com/api/media/file/..."],
  "failMsg": null,
  "createdAt": "2026-06-17T10:00:00.000Z"
}

L’URL du résultat de génération (image, vidéo, audio ou modèle 3D) provenant de resultUrls. Utilisez-la telle qu’elle est renvoyée par le service : elle s’ouvre sans clé API et fonctionne dans <img>, <video> ou un navigateur. Le fournisseur est masqué : l’adresse en amont est résolue côté serveur et le client ne la voit jamais.

# The signed URL is returned in resultUrls of the /api/media/jobs/{id} response
# or in the webhook body. Opens directly in the browser / <img> — no key needed.
https://getvibeapi.com/api/media/file/JOB_ID/0?sig=HMAC_SIGNATURE