Guide de l'API Vidu AI pour l'Image-to-Video et le Reference Video

L'API Vidu AI transforme une image fixe en un clip animé avec une seule requête, tandis que le mode vidéo de référence transfère le mouvement d'un clip existant vers une image statique. Ce tutoriel explique comment accéder à ces deux fonctionnalités via l'API unifiée de TokenLab, incluant la structure de la charge utile (payload), le réglage des paramètres et une liste de contrôle pour une mise en œuvre pratique.

Points clés

• Le point de terminaison image‑to‑video de Vidu génère un mouvement réaliste à partir d'une image fixe ; le mode vidéo de référence copie des modèles de mouvement précis d'une vidéo vers le contenu d'une image cible.
• TokenLab expose Vidu et d'autres modèles vidéo : tels que Seedance, Veo 3, Kling, Hailuo et PixVerse V6 : via une API unique et cohérente, vous permettant de comparer la qualité, la vitesse et le coût sans modifier votre code d'intégration.
• Des paramètres tels que motion_intensity, num_frames et reference_video contrôlent directement le style, la durée et la fidélité de la sortie ; leur ajustement influe sur la latence de génération et la qualité du résultat.
• La tarification et la disponibilité des modèles changent fréquemment ; vérifiez toujours les derniers détails sur le répertoire des modèles TokenLab et la page de comparaison des prix (tous deux observés le 07/07/2026).

Comprendre les modes Image‑to‑Video et Vidéo de Référence de Vidu

Le pipeline image‑to‑video de Vidu traite une image d'entrée statique comme la première image et remplit les images restantes en utilisant un a priori de mouvement appris à partir de données vidéo. Le modèle prédit le flux optique et les changements d'apparence cohérents avec la sémantique de la scène, produisant un court clip vidéo : généralement de 2 à 10 secondes selon num_frames et la résolution choisie.

Le mode vidéo de référence, parfois appelé transfert de mouvement ou génération guidée par vidéo, accepte un paramètre supplémentaire reference_video. Le modèle extrait les vecteurs de mouvement du clip de référence et les applique au contenu de l'image fixe. Par exemple, les mouvements d'un danseur issus d'une vidéo peuvent être transférés sur une photo de portrait, ou le panoramique de caméra d'une présentation de produit peut être appliqué à une image de produit différente. Les deux modes partagent le même point de terminaison API sur TokenLab ; la seule différence est la présence d'un champ reference_video dans la requête.

Contrairement aux modèles text‑to‑video qui hallucinent le mouvement à partir d'un prompt, l'approche conditionnée par l'image de Vidu vous donne un contrôle précis sur l'image de départ et, avec une vidéo de référence, sur la chorégraphie exacte du mouvement. Cela le rend adapté à l'animation d'art conceptuel statique, à l'ajout de mouvements secondaires sur des photos de produits ou à la création de tests d'animation de personnages à partir d'une seule référence. Comme le modèle travaille avec une première image réelle, le clip généré reste ancré à l'identité visuelle de l'entrée, évitant les problèmes de déformation de forme courants dans les pipelines basés uniquement sur des prompts.

Configuration de votre compte TokenLab et de votre clé API

Pour utiliser Vidu via TokenLab, vous avez besoin d'un compte actif et d'une clé API.

1. Inscrivez-vous sur tokenlab.sh.
2. Accédez à votre tableau de bord et générez une clé API sous API Keys.
3. Stockez la clé en toute sécurité : elle sera envoyée en tant que jeton bearer dans chaque requête.

L'API unifiée de TokenLab vous permet de basculer entre les modèles vidéo simplement en modifiant le champ model dans la charge utile. Vidu est identifié par le nom vidu. Votre code d'intégration existant pour des modèles comme Seedance ou Veo 3 fonctionnera avec Vidu sans changement structurel.

Effectuer votre première requête API Vidu avec TokenLab

Une requête image‑to‑video de base envoie une URL d'image statique et un ensemble de paramètres de génération. Voici un exemple utilisant 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"
  }'

Pour le mode vidéo de référence, ajoutez un paramètre reference_video pointant vers un court clip de mouvement :

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

L'API renvoie un objet JSON avec une video_url que vous pouvez interroger jusqu'à ce que la génération soit terminée. TokenLab prend également en charge les rappels webhook pour éviter le polling, ce qui est l'approche privilégiée pour les charges de travail en production.

Réglage des paramètres pour la qualité et la vitesse

Le point de terminaison Vidu accepte plusieurs paramètres qui affectent le réalisme du mouvement, la durée de sortie et le temps de traitement. Le tableau ci-dessous résume les plus importants.

Paramètre	Type	Description	Plage typique
motion_intensity	float	Contrôle l'amplitude du mouvement. Les valeurs faibles produisent un mouvement subtil ; les valeurs élevées créent une action plus dramatique.	0.0 – 1.0
num_frames	int	Nombre d'images à générer. La durée de sortie est num_frames / fps, où le fps par défaut est 24. Des valeurs plus élevées augmentent le temps de génération.	48 – 240
resolution	string	Résolution de sortie. Les valeurs prises en charge sont 720p et 1080p. Une résolution plus élevée coûte plus cher et prend plus de temps.	720p, 1080p
reference_video	string	URL d'une vidéo de référence pour le transfert de mouvement. Lorsqu'il est omis, le modèle génère le mouvement de manière autonome.	URL
style_strength	float	À quel point le modèle adhère au style visuel de l'image d'entrée par rapport au mouvement de référence. Une valeur de 1.0 conserve le style de l'image ; des valeurs plus faibles permettent au style de la vidéo de référence de s'imprégner légèrement.	0.0 – 1.0

Tester ces paramètres sur un court clip (48–60 images) avant de passer à la durée complète peut économiser du temps et des coûts. La page de tarification de TokenLab affiche les coûts par génération en temps réel, qui varient selon la résolution et le nombre d'images. Le répertoire des modèles liste également les fournisseurs officiels où Vidu est hébergé, tels que Replicate et fal, dont la tarification est observée indépendamment : vérifiez la tarification de Replicate et la tarification de fal pour leurs derniers tarifs (observés le 07/07/2026).

Liste de contrôle pour la mise en œuvre pratique

Avant de passer en production, utilisez cette liste de contrôle pour confirmer que votre intégration est prête.

• Clé API correctement limitée – La clé n'a pas de permissions plus larges que nécessaire pour la génération vidéo.
• Image d'entrée validée – L'URL de l'image est accessible publiquement et mesure au moins 512×512 pixels ; le modèle fonctionne mieux avec des visages ou des objets clairs et bien éclairés.
• Vidéo de référence préparée – Lors de l'utilisation du transfert de mouvement, le clip de référence est court (2–5 secondes), bien recadré et contient un seul mouvement continu sans coupures de scène.
• Réglage des paramètres terminé – motion_intensity et num_frames ont été testés sur un échantillon ; l'équilibre choisi respecte votre budget de latence et votre seuil de qualité visuelle.
• Polling ou webhook configuré – Le client interroge le statut de la video_url ou écoute le webhook de fin pour éviter de bloquer le thread principal.
• Gestion des erreurs en place – Le code réessaie gracieusement sur les erreurs 5xx et journalise toute réponse 4xx pour le débogage.
• Surveillance des coûts activée – Une limite de dépenses est définie dans votre tableau de bord TokenLab, et vous consultez régulièrement la page de comparaison des prix à mesure que les coûts évoluent.
• Solution de secours envisagée – Si Vidu est temporairement indisponible, passer à Seedance ou Veo 3 ne nécessite qu'un changement de champ model dans TokenLab.

Suivre ces étapes aide à maintenir la fiabilité de votre pipeline même lorsque l'offre de modèles vidéo change.

Comparer Vidu avec d'autres modèles vidéo

L'API unifiée de TokenLab vous permet de tester Vidu par rapport à plusieurs autres générateurs vidéo sans réécrire le code d'intégration. Les principales alternatives au moment de la rédaction (07/07/2026) sont Seedance, Veo 3, Kling, Hailuo et PixVerse V6 : tous disponibles sous le même point de terminaison. Chacun a des forces distinctes :

• Seedance – Excelle dans l'animation de personnages fluide à haute fréquence d'images ; souvent préféré pour les scènes de danse et d'action.
• Veo 3 – Produit des mouvements de caméra cinématographiques et une composition de scène ; fort pour les vidéos de produits et les courts métrages.
• Kling – Optimisé pour le mouvement humain réaliste et la synchronisation labiale ; utile pour les avatars de type "talking-head".
• Hailuo – Se concentre sur les effets stylisés et animés ; fonctionne bien pour le motion design.
• PixVerse V6 – Équilibre la vitesse et la qualité pour les clips destinés aux réseaux sociaux.

Une analyse détaillée de ces modèles, incluant des échantillons de sortie côte à côte et des recommandations de cas d'utilisation, est disponible sur l'article best AI video models API 2026. Pour les développeurs qui ont besoin de router entre les fournisseurs en fonction des coûts, le guide de comparaison OpenRouter explique comment TokenLab abstrait l'accès multi-fournisseurs et vous aide à minimiser vos dépenses.

FAQ

1. Vidu prend-il en charge les prompts textuels en plus d'une image ?
   Vidu est principalement un modèle conditionné par l'image ; l'image agit comme la première frame et l'a priori de mouvement détermine le déplacement. Bien que certains fournisseurs puissent autoriser un indice textuel optionnel pour influencer le style, l'API via TokenLab n'accepte actuellement pas de champ prompt. La meilleure façon d'influencer la sortie est d'ajuster motion_intensity, num_frames et, surtout, d'utiliser une vidéo de référence appropriée.

2. Combien de temps prend une génération typique ?
   La latence de génération dépend de num_frames, de la résolution et de la charge du fournisseur. Un clip de 2 secondes en 720p (48 images) se termine généralement en 15–30 secondes sur TokenLab. Un clip de 5 secondes en 1080p (120 images) peut prendre 60–90 secondes. La livraison par webhook est recommandée pour les applications sensibles au temps.

3. Puis-je utiliser des images ou des vidéos hébergées localement ?
   TokenLab nécessite des URL accessibles publiquement pour image_url et reference_video. Vous pouvez télécharger des fichiers vers un espace de stockage cloud (par exemple, Amazon S3 avec une URL pré-signée) ou utiliser un service d'hébergement temporaire. Les fournisseurs sous-jacents de Vidu (Replicate, fal) nécessitent également des URL pour récupérer les ressources.

Commencez avec Vidu sur TokenLab

L'API Vidu AI est prête pour vos projets d'image‑to‑video et de transfert de mouvement. Inscrivez-vous pour un compte TokenLab, obtenez votre clé API et envoyez votre première requête de test dès aujourd'hui. Explorez le répertoire des modèles TokenLab pour sélectionner Vidu et le comparer à d'autres générateurs vidéo, ou plongez dans la page de comparaison des prix pour optimiser vos coûts. Avec une seule API, vous accédez à toute la gamme de modèles vidéo : aucun changement d'intégration n'est nécessaire.