Hướng dẫn sử dụng Vidu AI API cho Image-to-Video và Reference Video

Vidu AI API biến một hình ảnh tĩnh thành một đoạn video chuyển động chỉ với một yêu cầu duy nhất, và chế độ reference video cho phép chuyển đổi chuyển động từ một clip có sẵn sang một hình ảnh tĩnh. Hướng dẫn này sẽ giải thích cách truy cập cả hai tính năng thông qua API hợp nhất của TokenLab, bao gồm cấu trúc payload, tinh chỉnh tham số và danh sách kiểm tra triển khai thực tế.

Những điểm chính

• Endpoint image‑to‑video của Vidu tạo ra chuyển động chân thực từ một khung hình tĩnh; chế độ reference video sao chép các kiểu chuyển động chính xác từ một video sang nội dung của hình ảnh mục tiêu.
• TokenLab cung cấp Vidu và các mô hình video khác như Seedance, Veo 3, Kling, Hailuo và PixVerse V6 thông qua một API nhất quán, giúp bạn so sánh chất lượng, tốc độ và chi phí mà không cần thay đổi mã tích hợp.
• Các tham số như motion_intensity, num_frames và reference_video kiểm soát trực tiếp phong cách đầu ra, thời lượng và độ trung thực; việc tinh chỉnh chúng sẽ ảnh hưởng đến độ trễ tạo video và chất lượng kết quả.
• Giá cả và tình trạng sẵn có của mô hình thay đổi thường xuyên; hãy luôn kiểm tra thông tin mới nhất trên danh mục mô hình TokenLab và trang so sánh giá (cả hai đều được cập nhật vào ngày 07/07/2026).

Tìm hiểu về các chế độ Image‑to‑Video và Reference Video của Vidu

Quy trình image‑to‑video của Vidu coi hình ảnh đầu vào tĩnh là khung hình đầu tiên và điền vào các khung hình còn lại bằng cách sử dụng dữ liệu chuyển động được học từ dữ liệu video. Mô hình dự đoán dòng quang học (optical flow) và các thay đổi về ngoại hình nhất quán với ngữ nghĩa của cảnh, xuất ra một đoạn video ngắn: thường từ 2 đến 10 giây tùy thuộc vào num_frames và độ phân giải đã chọn.

Chế độ reference video, đôi khi được gọi là chuyển đổi chuyển động (motion transfer) hoặc tạo video có hướng dẫn, chấp nhận thêm tham số reference_video. Mô hình trích xuất các vector chuyển động từ clip tham chiếu và áp dụng chúng vào nội dung của hình ảnh tĩnh. Ví dụ, chuyển động của một vũ công từ video này có thể được chuyển sang ảnh chân dung, hoặc chuyển động lia máy của một video giới thiệu sản phẩm có thể được áp dụng lên hình ảnh sản phẩm khác. Cả hai chế độ đều dùng chung một API endpoint trên TokenLab; sự khác biệt duy nhất là sự hiện diện của trường reference_video trong yêu cầu.

Không giống như các mô hình text‑to‑video tạo ra chuyển động từ câu lệnh (prompt), phương pháp dựa trên hình ảnh của Vidu cho phép bạn kiểm soát chính xác khung hình bắt đầu và, với reference video, là biên đạo chuyển động chính xác. Điều này làm cho nó phù hợp để tạo hoạt ảnh cho concept art tĩnh, thêm chuyển động phụ vào ảnh sản phẩm hoặc tạo các bài kiểm tra hoạt ảnh nhân vật từ một tài liệu tham khảo duy nhất. Vì mô hình hoạt động với khung hình đầu tiên thực tế, clip được tạo ra vẫn gắn liền với nhận diện hình ảnh của đầu vào, tránh các vấn đề biến dạng hình dạng thường gặp trong các quy trình chỉ dựa trên prompt.

Thiết lập tài khoản TokenLab và API Key

Để sử dụng Vidu thông qua TokenLab, bạn cần một tài khoản đang hoạt động và một API key.

1. Đăng ký tại tokenlab.sh.
2. Điều hướng đến bảng điều khiển (dashboard) của bạn và tạo API key trong mục API Keys.
3. Lưu trữ key một cách an toàn: nó sẽ được gửi dưới dạng bearer token trong mỗi yêu cầu.

API hợp nhất của TokenLab cho phép bạn chuyển đổi giữa các mô hình video chỉ bằng cách thay đổi trường model trong payload. Vidu được xác định bằng tên vidu. Mã tích hợp hiện tại của bạn cho các mô hình như Seedance hoặc Veo 3 sẽ hoạt động với Vidu mà không cần thay đổi cấu trúc.

Thực hiện yêu cầu Vidu API đầu tiên với TokenLab

Một yêu cầu image‑to‑video cơ bản sẽ gửi URL hình ảnh tĩnh và một tập hợp các tham số tạo. Dưới đây là ví dụ sử dụng 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"
  }'

Đối với chế độ reference video, hãy thêm tham số reference_video trỏ đến một clip chuyển động ngắn:

{
  "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 trả về một đối tượng JSON với video_url mà bạn có thể thăm dò (poll) cho đến khi quá trình tạo hoàn tất. TokenLab cũng hỗ trợ webhook callback để tránh việc thăm dò, đây là cách tiếp cận ưu tiên cho các khối lượng công việc sản xuất.

Tinh chỉnh tham số để đạt chất lượng và tốc độ tối ưu

Endpoint Vidu chấp nhận một số tham số ảnh hưởng đến độ chân thực của chuyển động, thời lượng đầu ra và thời gian xử lý. Bảng dưới đây tóm tắt các tham số quan trọng nhất.

Tham số	Loại	Mô tả	Phạm vi điển hình
motion_intensity	float	Kiểm soát biên độ chuyển động. Giá trị thấp tạo ra chuyển động tinh tế; giá trị cao tạo ra hành động kịch tính hơn.	0.0 – 1.0
num_frames	int	Số lượng khung hình cần tạo. Thời lượng đầu ra là num_frames / fps, với fps mặc định là 24. Giá trị cao hơn làm tăng thời gian tạo.	48 – 240
resolution	string	Độ phân giải đầu ra. Các giá trị được hỗ trợ là 720p và 1080p. Độ phân giải cao hơn tốn kém hơn và mất nhiều thời gian hơn.	720p, 1080p
reference_video	string	URL của video tham chiếu để chuyển đổi chuyển động. Khi bỏ qua, mô hình sẽ tự tạo chuyển động.	URL
style_strength	float	Mức độ mô hình tuân thủ phong cách hình ảnh của hình ảnh đầu vào so với chuyển động tham chiếu. Giá trị 1.0 giữ nguyên phong cách hình ảnh; giá trị thấp hơn cho phép phong cách của video tham chiếu hòa trộn nhẹ vào.	0.0 – 1.0

Việc kiểm tra các tham số này trên một clip ngắn (48–60 khung hình) trước khi mở rộng ra thời lượng đầy đủ có thể tiết kiệm cả thời gian và chi phí. Trang giá của TokenLab hiển thị chi phí theo thời gian thực cho mỗi lần tạo, thay đổi theo độ phân giải và số lượng khung hình. Danh mục mô hình cũng liệt kê các nhà cung cấp chính thức nơi Vidu được lưu trữ, chẳng hạn như Replicate và fal, với giá cả được quan sát độc lập: hãy kiểm tra giá của Replicate và giá của fal để biết mức phí mới nhất (được quan sát vào ngày 07/07/2026).

Danh sách kiểm tra triển khai thực tế

Trước khi đưa vào sử dụng thực tế, hãy sử dụng danh sách kiểm tra này để xác nhận tích hợp của bạn đã sẵn sàng.

• API key được giới hạn quyền chính xác – Key không có quyền rộng hơn mức cần thiết cho việc tạo video.
• Hình ảnh đầu vào đã được xác thực – URL hình ảnh có thể truy cập công khai và có kích thước ít nhất 512×512 pixel; mô hình hoạt động tốt nhất với khuôn mặt hoặc vật thể rõ ràng, đủ ánh sáng.
• Video tham chiếu đã được chuẩn bị – Khi sử dụng chuyển đổi chuyển động, clip tham chiếu phải ngắn (2–5 giây), được cắt gọn tốt và chứa một chuyển động liên tục duy nhất không có cắt cảnh.
• Tinh chỉnh tham số đã hoàn tất – motion_intensity và num_frames đã được kiểm tra trên mẫu; sự cân bằng đã chọn đáp ứng ngân sách độ trễ và ngưỡng chất lượng hình ảnh của bạn.
• Polling hoặc webhook đã được cấu hình – Client thực hiện thăm dò trạng thái video_url hoặc lắng nghe webhook hoàn tất để tránh chặn luồng chính.
• Xử lý lỗi đã được thiết lập – Mã thực hiện thử lại nhẹ nhàng khi gặp lỗi 5xx và ghi lại bất kỳ phản hồi 4xx nào để gỡ lỗi.
• Giám sát chi phí đã được bật – Giới hạn chi tiêu được đặt trong bảng điều khiển TokenLab của bạn và bạn thường xuyên tham khảo trang so sánh giá khi chi phí thay đổi.
• Đã xem xét phương án dự phòng mô hình – Nếu Vidu tạm thời không khả dụng, việc chuyển sang Seedance hoặc Veo 3 chỉ yêu cầu thay đổi trường model trong TokenLab.

Việc tuân theo các bước này giúp giữ cho quy trình của bạn đáng tin cậy ngay cả khi nguồn cung mô hình video thay đổi.

So sánh Vidu với các mô hình video khác

API hợp nhất của TokenLab cho phép bạn kiểm tra Vidu so với một số trình tạo video khác mà không cần viết lại mã tích hợp. Các lựa chọn thay thế chính tại thời điểm viết bài (07/07/2026) là Seedance, Veo 3, Kling, Hailuo và PixVerse V6: tất cả đều có sẵn dưới cùng một endpoint. Mỗi mô hình có những thế mạnh riêng:

• Seedance – Xuất sắc trong hoạt ảnh nhân vật mượt mà, tốc độ khung hình cao; thường được ưu tiên cho các cảnh nhảy múa và hành động.
• Veo 3 – Tạo ra các chuyển động máy quay điện ảnh và bố cục cảnh; mạnh về video sản phẩm và phim ngắn.
• Kling – Tối ưu hóa cho chuyển động người chân thực và lip‑sync; hữu ích cho các avatar nói chuyện.
• Hailuo – Tập trung vào các hiệu ứng hoạt hình, cách điệu; hoạt động tốt cho đồ họa chuyển động.
• PixVerse V6 – Cân bằng giữa tốc độ và chất lượng cho các clip mạng xã hội số lượng lớn.

Phân tích chi tiết về các mô hình này, bao gồm các mẫu đầu ra so sánh cạnh nhau và đề xuất trường hợp sử dụng, có sẵn trên bài viết best AI video models API 2026. Đối với các nhà phát triển cần định tuyến qua các nhà cung cấp dựa trên chi phí, hướng dẫn so sánh OpenRouter giải thích cách TokenLab trừu tượng hóa quyền truy cập đa nhà cung cấp và giúp bạn giảm thiểu chi tiêu.

Câu hỏi thường gặp

1. Vidu có hỗ trợ câu lệnh văn bản (text prompt) cùng với hình ảnh không?
   Vidu chủ yếu là mô hình dựa trên hình ảnh; hình ảnh đóng vai trò là khung hình đầu tiên và dữ liệu chuyển động xác định chuyển động. Mặc dù một số nhà cung cấp có thể cho phép gợi ý văn bản tùy chọn để điều chỉnh phong cách, API thông qua TokenLab hiện không chấp nhận trường prompt. Cách tốt nhất để ảnh hưởng đến đầu ra là điều chỉnh motion_intensity, num_frames và: quan trọng nhất: sử dụng video tham chiếu phù hợp.

2. Một lần tạo thông thường mất bao lâu?
   Độ trễ tạo phụ thuộc vào num_frames, độ phân giải và tải của nhà cung cấp. Một clip 2 giây ở 720p (48 khung hình) thường hoàn thành trong 15‑30 giây trên TokenLab. Một clip 1080p 5 giây (120 khung hình) có thể mất 60‑90 giây. Khuyên dùng webhook cho các ứng dụng nhạy cảm về thời gian.

3. Tôi có thể sử dụng hình ảnh hoặc video lưu trữ cục bộ không?
   TokenLab yêu cầu các URL có thể truy cập công khai cho image_url và reference_video. Bạn có thể tải tệp lên bộ lưu trữ đám mây (ví dụ: Amazon S3 với URL được ký trước) hoặc sử dụng dịch vụ lưu trữ tạm thời. Các nhà cung cấp cơ bản của Vidu (Replicate, fal) cũng yêu cầu URL để tìm nạp tài sản.

Bắt đầu với Vidu trên TokenLab

Vidu AI API đã sẵn sàng cho các dự án image‑to‑video và chuyển đổi chuyển động của bạn. Đăng ký tài khoản TokenLab, lấy API key và gửi yêu cầu kiểm tra đầu tiên của bạn ngay hôm nay. Khám phá danh mục mô hình TokenLab để chọn Vidu và so sánh nó với các trình tạo video khác, hoặc đi sâu vào trang so sánh giá để tối ưu hóa chi phí của bạn. Với một API duy nhất, bạn có quyền truy cập vào toàn bộ dòng mô hình video: không cần thay đổi tích hợp.