Vidu AI API-Anleitung für Image-to-Video und Reference Video

Die Vidu AI API verwandelt ein Standbild mit einer einzigen Anfrage in einen Bewegungsclip, während ein Reference-Video-Modus Bewegungen von einem bestehenden Clip auf ein statisches Bild überträgt. Dieses Tutorial führt Sie durch die Nutzung beider Funktionen über die einheitliche TokenLab API, einschließlich Payload-Struktur, Parameter-Tuning und einer praktischen Checkliste für die Implementierung.

Wichtige Erkenntnisse

• Der Image-to-Video-Endpunkt von Vidu generiert realistische Bewegungen aus einem Standbild; der Reference-Video-Modus kopiert präzise Bewegungsmuster von einem Video auf den Inhalt eines Zielbildes.
• TokenLab stellt Vidu und andere Videomodelle wie Seedance, Veo 3, Kling, Hailuo und PixVerse V6 über eine einzige, konsistente API bereit, sodass Sie Qualität, Geschwindigkeit und Kosten vergleichen können, ohne Ihren Integrationscode ändern zu müssen.
• Parameter wie motion_intensity, num_frames und reference_video steuern direkt den Ausgabestil, die Dauer und die Wiedergabetreue; ihre Anpassung beeinflusst die Generierungslatenz und das Ergebnis.
• Preise und Modellverfügbarkeit ändern sich häufig; prüfen Sie immer die neuesten Details im TokenLab-Modellverzeichnis und auf der Seite zum Preisvergleich (beide Stand: 07.07.2026).

Verständnis der Image-to-Video- und Reference-Video-Modi von Vidu

Die Image-to-Video-Pipeline von Vidu behandelt ein statisches Eingabebild als ersten Frame und füllt die verbleibenden Frames mithilfe eines aus Videodaten gelernten Bewegungs-Priors. Das Modell sagt den optischen Fluss und die Erscheinungsänderungen im Einklang mit der Szenensemantik voraus und gibt einen kurzen Videoclip aus – in der Regel 2 bis 10 Sekunden, abhängig von num_frames und der gewählten Auflösung.

Der Reference-Video-Modus, manchmal auch als Motion Transfer oder Video-Guided Generation bezeichnet, akzeptiert einen zusätzlichen reference_video-Parameter. Das Modell extrahiert Bewegungsvektoren aus dem Referenzclip und wendet sie auf den Inhalt des Standbildes an. So können beispielsweise die Bewegungen eines Tänzers aus einem Video auf ein Porträtfoto übertragen oder der Kameraschwenk einer Produktpräsentation auf ein anderes Produktbild gemappt werden. Beide Modi teilen sich denselben API-Endpunkt auf TokenLab; der einzige Unterschied ist das Vorhandensein eines reference_video-Feldes in der Anfrage.

Im Gegensatz zu Text-to-Video-Modellen, die Bewegungen aus einem Prompt halluzinieren, bietet der bildgesteuerte Ansatz von Vidu eine präzise Kontrolle über den Start-Frame und, mit einem Referenzvideo, die exakte Bewegungschoreografie. Dies macht es geeignet für die Animation von statischer Konzeptkunst, das Hinzufügen von sekundären Bewegungen zu Produktfotos oder das Erstellen von Charakter-Animationstests anhand einer einzigen Referenz. Da das Modell mit einem echten ersten Frame arbeitet, bleibt der generierte Clip an der visuellen Identität des Inputs verankert, wodurch die bei reinen Prompt-Pipelines üblichen Formveränderungen (Shape-Drift) vermieden werden.

Einrichtung Ihres TokenLab-Kontos und API-Keys

Um Vidu über TokenLab zu nutzen, benötigen Sie ein aktives Konto und einen API-Key.

1. Registrieren Sie sich unter tokenlab.sh.
2. Navigieren Sie zu Ihrem Dashboard und generieren Sie unter API Keys einen API-Key.
3. Speichern Sie den Key sicher: Er wird bei jeder Anfrage als Bearer Token gesendet.

Die einheitliche API von TokenLab ermöglicht es Ihnen, zwischen Videomodellen zu wechseln, indem Sie einfach das Feld model in der Payload ändern. Vidu wird durch den Namen vidu identifiziert. Ihr bestehender Integrationscode für Modelle wie Seedance oder Veo 3 funktioniert mit Vidu ohne strukturelle Änderungen.

Ihre erste Vidu API-Anfrage mit TokenLab

Eine grundlegende Image-to-Video-Anfrage sendet eine statische Bild-URL und eine Reihe von Generierungsparametern. Hier ist ein Beispiel mit curl:

curl -X POST "https://api.tokenlab.sh/v1/video/generate" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu",
    "image_url": "https://example.com/portrait.jpg",
    "motion_intensity": 0.7,
    "num_frames": 120,
    "resolution": "1080p"
  }'

Für den Reference-Video-Modus fügen Sie einen reference_video-Parameter hinzu, der auf einen kurzen Bewegungsclip verweist:

{
  "model": "vidu",
  "image_url": "https://example.com/portrait.jpg",
  "reference_video": "https://example.com/dance_reference.mp4",
  "motion_intensity": 0.8,
  "num_frames": 120
}

Die API gibt ein JSON-Objekt mit einer video_url zurück, die Sie abfragen (poll) können, bis die Generierung abgeschlossen ist. TokenLab unterstützt auch Webhook-Callbacks, um Polling zu vermeiden, was für Produktions-Workloads der bevorzugte Ansatz ist.

Parameter-Tuning für Qualität und Geschwindigkeit

Der Vidu-Endpunkt akzeptiert mehrere Parameter, die den Bewegungsrealismus, die Ausgabedauer und die Verarbeitungszeit beeinflussen. Die folgende Tabelle fasst die wichtigsten zusammen.

Parameter	Typ	Beschreibung	Typischer Bereich
motion_intensity	float	Steuert die Amplitude der Bewegung. Niedrigere Werte erzeugen subtile Bewegungen; höhere Werte erzeugen dramatischere Aktionen.	0.0 – 1.0
num_frames	int	Anzahl der zu generierenden Frames. Die Ausgabedauer beträgt num_frames / fps, wobei die Standard-FPS 24 sind. Höhere Werte erhöhen die Generierungszeit.	48 – 240
resolution	string	Ausgabeauflösung. Unterstützte Werte sind 720p und 1080p. Höhere Auflösungen kosten mehr und dauern länger.	720p, 1080p
reference_video	string	URL eines Referenzvideos für den Motion Transfer. Wenn weggelassen, generiert das Modell Bewegungen autonom.	URL
style_strength	float	Wie stark das Modell dem visuellen Stil des Eingabebildes gegenüber der Referenzbewegung folgt. Ein Wert von 1.0 behält den Bildstil bei; niedrigere Werte lassen den Stil des Referenzvideos leicht einfließen.	0.0 – 1.0

Das Testen dieser Parameter an einem kurzen Clip (48–60 Frames) vor der Skalierung auf die volle Dauer kann Zeit und Kosten sparen. Die TokenLab-Preisseite zeigt Echtzeitkosten pro Generierung, die je nach Auflösung und Frame-Anzahl variieren. Das Modellverzeichnis listet auch die offiziellen Anbieter auf, bei denen Vidu gehostet wird, wie Replicate und fal, deren Preise unabhängig beobachtet werden: Prüfen Sie die Replicate-Preise und fal-Preise für die aktuellsten Tarife (Stand: 07.07.2026).

Checkliste für die praktische Implementierung

Bevor Sie live gehen, verwenden Sie diese Checkliste, um sicherzustellen, dass Ihre Integration produktionsbereit ist.

• API-Key korrekt begrenzt – Der Key hat keine weitergehenden Berechtigungen als für die Videogenerierung erforderlich.
• Eingabebild validiert – Die Bild-URL ist öffentlich zugänglich und mindestens 512×512 Pixel groß; das Modell funktioniert am besten mit klaren, gut beleuchteten Gesichtern oder Objekten.
• Referenzvideo vorbereitet – Bei Verwendung von Motion Transfer ist der Referenzclip kurz (2–5 Sekunden), gut zugeschnitten und enthält eine einzige kontinuierliche Bewegung ohne Szenenschnitte.
• Parameter-Tuning abgeschlossen – motion_intensity und num_frames wurden an einem Beispiel getestet; das gewählte Gleichgewicht entspricht Ihrem Latenzbudget und Ihrer visuellen Qualitätsschwelle.
• Polling oder Webhook konfiguriert – Der Client fragt entweder den video_url-Status ab oder wartet auf den Abschluss-Webhook, um den Haupt-Thread nicht zu blockieren.
• Fehlerbehandlung implementiert – Der Code führt bei 5xx-Fehlern ein Graceful Retry durch und protokolliert alle 4xx-Antworten für das Debugging.
• Kostenüberwachung aktiviert – Ein Ausgabenlimit ist in Ihrem TokenLab-Dashboard festgelegt, und Sie prüfen regelmäßig die Seite zum Preisvergleich, da sich die Kosten entwickeln.
• Modell-Fallback berücksichtigt – Falls Vidu vorübergehend nicht verfügbar ist, erfordert der Wechsel zu Seedance oder Veo 3 nur eine Änderung des model-Feldes in TokenLab.

Das Befolgen dieser Schritte trägt dazu bei, Ihre Pipeline zuverlässig zu halten, auch wenn sich das Angebot an Videomodellen ändert.

Vergleich von Vidu mit anderen Videomodellen

Die einheitliche API von TokenLab ermöglicht es Ihnen, Vidu gegen verschiedene andere Videogeneratoren zu testen, ohne den Integrationscode neu zu schreiben. Die primären Alternativen zum Zeitpunkt der Erstellung (07.07.2026) sind Seedance, Veo 3, Kling, Hailuo und PixVerse V6 – alle über denselben Endpunkt verfügbar. Jedes hat unterschiedliche Stärken:

• Seedance – Exzellent bei flüssigen Charakteranimationen mit hoher Bildrate; oft bevorzugt für Tanz- und Actionszenen.
• Veo 3 – Produziert filmische Kamerabewegungen und Szenenkompositionen; stark für Produktvideos und Kurzfilme.
• Kling – Optimiert für realistische menschliche Bewegungen und Lip-Sync; nützlich für Talking-Head-Avatare.
• Hailuo – Konzentriert sich auf stilisierte, animierte Effekte; funktioniert gut für Motion Graphics.
• PixVerse V6 – Bietet ein Gleichgewicht zwischen Geschwindigkeit und Qualität für Social-Media-Clips.

Eine detaillierte Aufschlüsselung dieser Modelle, einschließlich Vergleichsbeispielen und Empfehlungen für Anwendungsfälle, finden Sie im Artikel Best AI Video Models API 2026. Für Entwickler, die je nach Kosten zwischen Anbietern routen müssen, erklärt der OpenRouter-Vergleichsleitfaden, wie TokenLab den Zugriff auf mehrere Anbieter abstrahiert und Ihnen hilft, Ausgaben zu minimieren.

FAQ

1. Unterstützt Vidu Text-Prompts zusätzlich zu einem Bild?
   Vidu ist primär ein bildgesteuertes Modell; das Bild fungiert als erster Frame und der Bewegungs-Prior bestimmt die Bewegung. Während einige Anbieter einen optionalen Text-Hinweis zur Steuerung des Stils zulassen könnten, akzeptiert die API über TokenLab derzeit kein prompt-Feld. Der beste Weg, die Ausgabe zu beeinflussen, ist die Anpassung von motion_intensity, num_frames und – entscheidend – die Verwendung eines geeigneten Referenzvideos.

2. Wie lange dauert eine typische Generierung?
   Die Generierungslatenz hängt von num_frames, der Auflösung und der Auslastung des Anbieters ab. Ein 2-Sekunden-Clip bei 720p (48 Frames) ist auf TokenLab normalerweise in 15–30 Sekunden fertig. Ein 5-Sekunden-Clip in 1080p (120 Frames) kann 60–90 Sekunden dauern. Für zeitkritische Anwendungen wird die Webhook-Zustellung empfohlen.

3. Kann ich lokal gehostete Bilder oder Videos verwenden?
   TokenLab erfordert öffentlich zugängliche URLs für image_url und reference_video. Sie können Dateien in einen Cloud-Speicher-Bucket hochladen (z. B. Amazon S3 mit einer presigned URL) oder einen temporären Hosting-Dienst nutzen. Die zugrunde liegenden Anbieter von Vidu (Replicate, fal) benötigen ebenfalls URLs für das Abrufen von Assets.

Starten Sie mit Vidu auf TokenLab

Die Vidu AI API ist bereit für Ihre Image-to-Video- und Motion-Transfer-Projekte. Registrieren Sie sich für ein TokenLab-Konto, holen Sie sich Ihren API-Key und senden Sie noch heute Ihre erste Testanfrage. Erkunden Sie das TokenLab-Modellverzeichnis, um Vidu auszuwählen und mit anderen Videogeneratoren zu vergleichen, oder tauchen Sie in die Seite zum Preisvergleich ein, um Ihre Kosten zu optimieren. Mit einer einzigen API erhalten Sie Zugriff auf das gesamte Videomodell-Portfolio – ohne Integrationswechsel.