Pembuatan media

Generasi media asinkron: gambar, video, voiceover (TTS), speech-to-text, musik, dan 3D. Anda membuat task lalu melakukan polling hasilnya. Daftar model lengkap ada di katalog media-models; webhook, error, dan penagihan ada di bagian webhook.

Pembuatan mengembalikan 202 dengan { ok: true, jobId, status: "processing" }. Polling GET /api/media/jobs/{jobId} sampai status: "success", lalu ambil 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"}

Selain model dan prompt, Anda dapat memberikan opsi tambahan di opts. Kumpulannya bergantung pada model. Kontrak lengkap yang dapat dibaca mesin tersedia melalui GET /api/model-capabilities (atau GET /api/model-capabilities/{model} untuk model tertentu).

Opsi URL (image_url, input_urls, mask_url dan sisanya) adalah tautan yang diambil oleh provider, sehingga hanya menerima alamat https:// publik. String data:image/...;base64,… inline di salah satu field tersebut ditolak dengan 400.

Untuk mengirim file Anda sendiri, gunakan field *_base64 yang sesuai: layanan menyimpan byte-nya, mempublikasikannya, dan meneruskan tautan yang dihasilkan ke provider. Hingga 16 file per permintaan di input_base64.

POST /api/media/generate dan POST /api/media/price menerima body yang sama, sehingga Anda dapat meminta penawaran lalu mengirimkannya tanpa perubahan. Tidak ada field top-level lain: field yang tidak dikenal ditolak di kedua endpoint dengan 400 dan kode unknown_field yang menyebutkannya (field, fields), dengan atau tanpa strict. Parameter generasi diletakkan di dalam opts.

Setiap file sumber dapat dikirim dengan tiga cara: sebagai tautan (image_url, audio_url, video_url…), sebagai byte inline (image_base64, audio_base64, video_base64…) atau sebagai id file Anda sendiri dari POST /v1/files. Field id tercantum di requestJsonSchema setiap operasi dan diterima dalam mode strict.

Untuk model yang panjang outputnya mengikuti trek yang diunggah — 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 (kedua input) — /api/media/price dan pemeriksaan awal max_price_rub pada /api/media/generate mengukur file tersebut di sisi server (link, data: URI, base64 atau *_file_id) dan menetapkan harga berdasarkan detik yang terukur. Respons menyertakan sourceSeconds (outputSeconds untuk lip-sync), dan estimateReason menyatakan bahwa durasi telah diukur. Jika file tidak dapat dibaca, harga tetap menggunakan dasar sebelumnya (satu detik, estimasi katalog, atau maksimum rute), dan estimateReason menyatakannya. Biaya yang dikenakan adalah tarif per detik × detik yang benar-benar dirender, tidak pernah melebihi max_price_rub. opts.duration pada model-model ini diterima dan diabaikan dengan peringatan 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.

Pengubah Suara dan Penyelarasan Paksa

Jika konfirmasi mulai dari supplier tidak datang, job tetap berada di status: "submitting" dengan stage: "submission_unknown", errorCode: "media_submission_uncertain" dan failure.advice: "reconcile_first" — terus polling jobId yang sama dan jangan membuat duplikat. Untuk menguji jalur ini tanpa biaya, kirim POST /api/media/generate dengan sandbox key dan header x-pv-sandbox-outcome: submission_uncertain. Jawabannya adalah 202 normal dengan jobId; polling-nya menjawab sebagai submit yang tidak diketahui selama 60 detik, lalu sebagai job yang tidak pernah dimulai (failure.code: "submission_not_started", charged: false). Tidak ada yang disimpan, dikirim ke supplier, atau ditagih. Key reguler dengan header ini akan mendapat 400 sandbox_outcome_requires_sandbox_key.

Endpoint yang sama seperti bagian generasi lainnya: taruh nama model STT di model, biarkan prompt sebagai string kosong, dan masukkan rekaman di opts.audio_url. Transkrip muncul di resultText pada GET /api/media/jobs/{id}; resultUrls tetap kosong — transkripsi tidak menghasilkan file.

# 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}

Model

• whisper-large-v3-turbo — $0.00025 per menit audio. Termurah dan tercepat, 99 bahasa.
• nemotron-asr-multilingual — $0.00025 per menit. NVIDIA multilingual ASR, memberi tanda baca sendiri.
• whisper-large-v3 — $0.000563 per menit. Whisper lengkap: lebih lambat dari turbo, lebih akurat pada audio berisik.
• universal-2 — $0.003125 per menit.
• speech-to-text — $0.01 per menit (ElevenLabs Scribe). Mendukung diarisasi pembicara dan tag peristiwa audio.

Parameter

Format dan batasan

mp3, wav, m4a/mp4, flac, ogg/opus dan webm diterima. Ukuran file maksimum 25 MB — kira-kira 26 menit mp3 128 kbps, atau beberapa jam ucapan dalam opus. Apa pun yang lebih besar langsung ditolak dengan pesan eksplisit dan tidak ditagih; pisahkan rekamannya sebagai gantinya.

Untuk menghindari polling, daftarkan satu alamat mediaWebhookUrl di dashboard Anda. Saat tugas selesai (berhasil atau error), layanan melakukan hingga lima kali percobaan pengiriman POST dengan body 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"
}

URL hasil pembuatan (gambar, video, audio, atau model 3D) dari resultUrls. Gunakan seperti yang dikembalikan oleh layanan: URL tersebut terbuka tanpa API key dan berfungsi di <img>, <video>, atau browser. Penyedianya disembunyikan: alamat upstream diselesaikan di sisi server, klien tidak pernah melihatnya.

# 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