Panduan API Vidu AI untuk Image-to-Video dan Reference Video

API Vidu AI mengubah gambar diam menjadi klip bergerak dengan satu permintaan, dan mode reference video mentransfer gerakan dari klip yang ada ke gambar statis. Tutorial ini akan memandu Anda mengakses kedua kemampuan tersebut melalui API terpadu TokenLab, termasuk struktur payload, penyesuaian parameter, dan daftar periksa implementasi praktis.

Poin Utama

• Endpoint image‑to‑video Vidu menghasilkan gerakan realistis dari bingkai statis; mode reference video menyalin pola gerakan yang presisi dari satu video ke konten gambar target.
• TokenLab menyediakan akses ke Vidu dan model video lainnya:seperti Seedance, Veo 3, Kling, Hailuo, dan PixVerse V6:melalui satu API yang konsisten, sehingga Anda dapat membandingkan kualitas, kecepatan, dan biaya tanpa mengubah kode integrasi Anda.
• Parameter seperti motion_intensity, num_frames, dan reference_video secara langsung mengontrol gaya output, durasi, dan fidelitas; menyesuaikannya akan memengaruhi latensi pembuatan dan kualitas hasil.
• Harga dan ketersediaan model sering berubah; selalu periksa detail terbaru di direktori model TokenLab dan halaman perbandingan harga (keduanya diamati pada 2026‑07‑07).

Memahami Mode Image‑to‑Video dan Reference Video Vidu

Pipeline image‑to‑video Vidu memperlakukan gambar input statis sebagai bingkai pertama dan mengisi bingkai yang tersisa menggunakan prior gerakan yang dipelajari dari data video. Model memprediksi aliran optik dan perubahan tampilan yang konsisten dengan semantik adegan, menghasilkan klip video pendek:biasanya 2 hingga 10 detik tergantung pada num_frames dan resolusi yang dipilih.

Mode reference video, yang terkadang disebut transfer gerakan atau pembuatan berbasis video, menerima parameter tambahan reference_video. Model mengekstrak vektor gerakan dari klip referensi dan menerapkannya ke konten gambar statis. Misalnya, gerakan penari dari satu video dapat ditransfer ke foto potret, atau gerakan kamera (pan) dari pameran produk dapat dipetakan ke gambar produk yang berbeda. Kedua mode berbagi endpoint API yang sama di TokenLab; satu-satunya perbedaan adalah adanya kolom reference_video dalam permintaan.

Tidak seperti model text‑to‑video yang mengimajinasikan gerakan dari prompt, pendekatan berbasis gambar Vidu memberi Anda kontrol presisi atas bingkai awal dan, dengan video referensi, koreografi gerakan yang tepat. Hal ini membuatnya cocok untuk menganimasikan seni konsep statis, menambahkan gerakan sekunder ke foto produk, atau membuat tes animasi karakter dari satu referensi. Karena model bekerja dengan bingkai pertama yang nyata, klip yang dihasilkan tetap berlabuh pada identitas visual input, menghindari masalah pergeseran bentuk (shape‑drift) yang umum terjadi pada pipeline berbasis prompt saja.

Menyiapkan Akun TokenLab dan API Key Anda

Untuk menggunakan Vidu melalui TokenLab, Anda memerlukan akun aktif dan API key.

1. Daftar di tokenlab.sh.
2. Buka dasbor Anda dan buat API key di bawah menu API Keys.
3. Simpan kunci dengan aman:kunci tersebut akan dikirim sebagai bearer token dalam setiap permintaan.

API terpadu TokenLab memungkinkan Anda beralih antar model video hanya dengan mengubah kolom model dalam payload. Vidu diidentifikasi dengan nama vidu. Kode integrasi Anda yang sudah ada untuk model seperti Seedance atau Veo 3 akan berfungsi dengan Vidu tanpa perubahan struktural.

Membuat Permintaan API Vidu Pertama Anda dengan TokenLab

Permintaan image‑to‑video dasar mengirimkan URL gambar statis dan serangkaian parameter pembuatan. Berikut adalah contoh menggunakan 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"
  }'

Untuk mode reference video, tambahkan parameter reference_video yang mengarah ke klip gerakan pendek:

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

API mengembalikan objek JSON dengan video_url yang dapat Anda polling hingga pembuatan selesai. TokenLab juga mendukung webhook callback untuk menghindari polling, yang merupakan pendekatan yang lebih disukai untuk beban kerja produksi.

Menyesuaikan Parameter untuk Kualitas dan Kecepatan

Endpoint Vidu menerima beberapa parameter yang memengaruhi realisme gerakan, durasi output, dan waktu pemrosesan. Tabel di bawah ini merangkum parameter yang paling penting.

Parameter	Tipe	Deskripsi	Rentang Umum
motion_intensity	float	Mengontrol amplitudo gerakan. Nilai yang lebih rendah menghasilkan gerakan halus; nilai yang lebih tinggi menciptakan aksi yang lebih dramatis.	0.0 – 1.0
num_frames	int	Jumlah bingkai yang akan dibuat. Durasi output adalah num_frames / fps, di mana fps default adalah 24. Nilai yang lebih tinggi meningkatkan waktu pembuatan.	48 – 240
resolution	string	Resolusi output. Nilai yang didukung adalah 720p dan 1080p. Resolusi yang lebih tinggi memakan biaya lebih banyak dan waktu lebih lama.	720p, 1080p
reference_video	string	URL video referensi untuk transfer gerakan. Jika dihilangkan, model menghasilkan gerakan secara otonom.	URL
style_strength	float	Seberapa kuat model mengikuti gaya visual gambar input dibandingkan dengan gerakan referensi. Nilai 1.0 mempertahankan gaya gambar; nilai yang lebih rendah memungkinkan gaya video referensi masuk sedikit.	0.0 – 1.0

Menguji parameter ini pada klip pendek (48–60 bingkai) sebelum meningkatkan ke durasi penuh dapat menghemat waktu dan biaya. Halaman harga TokenLab menunjukkan biaya per pembuatan secara real‑time, yang bervariasi berdasarkan resolusi dan jumlah bingkai. Direktori model juga mencantumkan penyedia resmi tempat Vidu dihosting, seperti Replicate dan fal, yang harganya diamati secara independen:periksa harga Replicate dan harga fal untuk tarif terbaru mereka (diamati pada 2026‑07‑07).

Daftar Periksa Implementasi Praktis

Sebelum ditayangkan, gunakan daftar periksa ini untuk memastikan integrasi Anda siap untuk produksi.

• API key memiliki cakupan yang benar – Kunci tidak memiliki izin yang lebih luas daripada yang diperlukan untuk pembuatan video.
• Gambar input divalidasi – URL gambar dapat diakses publik dan minimal 512×512 piksel; model bekerja paling baik dengan wajah atau objek yang jelas dan memiliki pencahayaan baik.
• Video referensi disiapkan – Saat menggunakan transfer gerakan, klip referensi harus pendek (2–5 detik), dipotong dengan baik, dan berisi satu gerakan kontinu tanpa potongan adegan.
• Penyesuaian parameter selesai – motion_intensity dan num_frames telah diuji pada sampel; keseimbangan yang dipilih memenuhi anggaran latensi dan ambang kualitas visual Anda.
• Polling atau webhook dikonfigurasi – Klien melakukan polling status video_url atau mendengarkan webhook penyelesaian untuk menghindari pemblokiran thread utama.
• Penanganan kesalahan (error handling) tersedia – Kode mencoba kembali (retry) dengan baik pada kesalahan 5xx dan mencatat respons 4xx untuk debugging.
• Pemantauan biaya diaktifkan – Batas pengeluaran ditetapkan di dasbor TokenLab Anda, dan Anda merujuk ke halaman perbandingan harga secara berkala seiring perubahan biaya.
• Cadangan model dipertimbangkan – Jika Vidu tidak tersedia untuk sementara, beralih ke Seedance atau Veo 3 hanya memerlukan perubahan kolom model di TokenLab.

Mengikuti langkah-langkah ini membantu menjaga pipeline Anda tetap andal bahkan saat pasokan model video berubah.

Membandingkan Vidu dengan Model Video Lainnya

API terpadu TokenLab memungkinkan Anda menguji Vidu terhadap beberapa generator video lainnya tanpa menulis ulang kode integrasi. Alternatif utama pada saat penulisan (2026‑07‑07) adalah Seedance, Veo 3, Kling, Hailuo, dan PixVerse V6:semuanya tersedia di bawah endpoint yang sama. Masing-masing memiliki keunggulan berbeda:

• Seedance – Unggul dalam animasi karakter yang cair dan frame‑rate tinggi; sering dipilih untuk adegan tari dan aksi.
• Veo 3 – Menghasilkan gerakan kamera sinematik dan komposisi adegan; kuat untuk video produk dan film pendek.
• Kling – Dioptimalkan untuk gerakan manusia yang realistis dan lip‑sync; berguna untuk avatar talking‑head.
• Hailuo – Berfokus pada efek animasi yang bergaya; bekerja dengan baik untuk motion graphics.
• PixVerse V6 – Menyeimbangkan kecepatan dan kualitas untuk klip media sosial massal.

Rincian mendalam tentang model-model ini, termasuk sampel output berdampingan dan rekomendasi kasus penggunaan, tersedia di artikel API model AI video terbaik 2026. Bagi pengembang yang perlu melakukan perutean antar penyedia berdasarkan biaya, panduan perbandingan OpenRouter menjelaskan bagaimana TokenLab mengabstraksi akses multi‑penyedia dan membantu Anda meminimalkan pengeluaran.

FAQ

1. Apakah Vidu mendukung prompt teks bersama gambar?
   Vidu terutama merupakan model yang dikondisikan oleh gambar; gambar bertindak sebagai bingkai pertama dan prior gerakan menentukan pergerakan. Meskipun beberapa penyedia mungkin mengizinkan petunjuk teks opsional untuk menyesuaikan gaya, API melalui TokenLab saat ini tidak menerima kolom prompt. Cara terbaik untuk memengaruhi output adalah dengan menyesuaikan motion_intensity, num_frames, dan:yang terpenting:menggunakan video referensi yang sesuai.

2. Berapa lama waktu pembuatan yang biasanya dibutuhkan?
   Latensi pembuatan bergantung pada num_frames, resolusi, dan beban penyedia. Klip 2 detik pada 720p (48 bingkai) biasanya selesai dalam 15–30 detik di TokenLab. Klip 1080p 5 detik (120 bingkai) mungkin memakan waktu 60–90 detik. Pengiriman webhook direkomendasikan untuk aplikasi yang sensitif terhadap waktu.

3. Bisakah saya menggunakan gambar atau video yang dihosting secara lokal?
   TokenLab memerlukan URL yang dapat diakses publik untuk image_url dan reference_video. Anda dapat mengunggah file ke bucket penyimpanan cloud (misalnya, Amazon S3 dengan URL presigned) atau menggunakan layanan hosting sementara. Penyedia dasar Vidu (Replicate, fal) juga memerlukan URL untuk pengambilan aset.

Mulai Menggunakan Vidu di TokenLab

API Vidu AI siap untuk proyek image‑to‑video dan transfer gerakan Anda. Daftar akun TokenLab, ambil API key Anda, dan kirim permintaan tes pertama Anda hari ini. Jelajahi direktori model TokenLab untuk memilih Vidu dan membandingkannya dengan generator video lainnya, atau pelajari halaman perbandingan harga untuk mengoptimalkan biaya Anda. Dengan satu API, Anda mendapatkan akses ke seluruh jajaran model video:tidak perlu beralih integrasi.