Vidu AI API 指南：图像转视频与参考视频功能

Vidu AI API 可以通过单次请求将静态图像转换为动态片段，而参考视频模式则能将现有片段的动作迁移到静态图像上。本教程将介绍如何通过 TokenLab 统一 API 使用这两项功能，包括负载结构、参数调整以及实用的实施检查清单。

核心要点

• Vidu 的图像转视频端点可从静态帧生成逼真的动态效果；参考视频模式可将精确的动作模式从一个视频复制到目标图像的内容中。
• TokenLab 整合了 Vidu 及其他视频模型（如 Seedance、Veo 3、Kling、Hailuo 和 PixVerse V6），通过单一且一致的 API 提供支持，因此您无需更改集成代码即可比较质量、速度和成本。
• motion_intensity（动作强度）、num_frames（帧数）和 reference_video（参考视频）等参数直接控制输出风格、时长和保真度；调整这些参数会影响生成延迟和结果质量。
• 定价和模型可用性变化频繁；请务必在 TokenLab 模型目录和定价比较页面查看最新详细信息（均为 2026 年 7 月 7 日观察数据）。

了解 Vidu 的图像转视频与参考视频模式

Vidu 的图像转视频流程将静态输入图像视为第一帧，并使用从视频数据中学习到的动作先验填充剩余帧。该模型预测与场景语义一致的光流和外观变化，输出一段短视频片段（通常为 2 到 10 秒，具体取决于 num_frames 和所选分辨率）。

参考视频模式（有时称为动作迁移或视频引导生成）接受一个额外的 reference_video 参数。模型从参考片段中提取运动矢量，并将其应用于静态图像的内容。例如，可以将舞者从一个视频中的动作迁移到肖像照片上，或者将产品展示的平移镜头映射到不同的产品图像上。两种模式在 TokenLab 上共享同一个 API 端点；唯一的区别在于请求中是否包含 reference_video 字段。

与通过提示词（prompt）凭空生成动作的文本转视频模型不同，Vidu 的图像条件化方法让您可以精确控制起始帧，并通过参考视频实现精确的动作编排。这使其非常适合为静态概念艺术制作动画、为产品照片添加次要动作，或从单个参考素材进行角色动画测试。由于模型基于真实的起始帧工作，生成的片段始终锚定在输入图像的视觉特征上，避免了仅靠提示词生成时常见的形状漂移问题。

设置您的 TokenLab 账户和 API Key

要通过 TokenLab 使用 Vidu，您需要一个有效的账户和 API Key。

1. 在 tokenlab.sh 注册。
2. 导航至您的仪表板，并在 API Keys 下生成一个 API Key。
3. 安全存储该密钥：它将在每次请求中作为 Bearer Token 发送。

TokenLab 的统一 API 让您只需更改负载中的 model 字段即可在不同视频模型之间切换。Vidu 的标识名称为 vidu。您现有的针对 Seedance 或 Veo 3 等模型的集成代码无需结构性更改即可与 Vidu 兼容。

使用 TokenLab 发送您的第一个 Vidu API 请求

基本的图像转视频请求会发送一个静态图像 URL 和一组生成参数。以下是使用 curl 的示例：

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"
  }'

对于参考视频模式，请添加指向短视频片段的 reference_video 参数：

{
  "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 会返回一个包含 video_url 的 JSON 对象，您可以轮询该 URL 直到生成完成。TokenLab 还支持 Webhook 回调以避免轮询，这是生产工作负载的首选方法。

调整参数以优化质量和速度

Vidu 端点接受多个影响动作真实感、输出时长和处理时间的参数。下表总结了最重要的参数。

参数	类型	描述	典型范围
motion_intensity	float	控制动作幅度。较低的值产生细微动作；较高的值产生更剧烈的动作。	0.0 – 1.0
num_frames	int	生成的帧数。输出时长为 num_frames / fps，默认 fps 为 24。较高的值会增加生成时间。	48 – 240
resolution	string	输出分辨率。支持的值为 720p 和 1080p。分辨率越高，成本越高，耗时越长。	720p, 1080p
reference_video	string	用于动作迁移的参考视频 URL。省略时，模型将自主生成动作。	URL
style_strength	float	模型对输入图像视觉风格的遵循程度与参考动作的遵循程度。值为 1.0 时保持图像风格；较低的值允许参考视频的风格略微渗入。	0.0 – 1.0

在扩展到完整时长之前，先在短片段（48–60 帧）上测试这些参数可以节省时间和成本。TokenLab 定价页面显示了实时的单次生成成本，该成本因分辨率和帧数而异。模型目录还列出了托管 Vidu 的官方提供商（如 Replicate 和 fal），其定价是独立观察的：请查看 Replicate 定价和fal 定价以获取最新费率（2026 年 7 月 7 日观察数据）。

实用实施检查清单

在上线之前，请使用此清单确认您的集成已准备就绪。

• API Key 范围设置正确 – 密钥权限仅限于视频生成所需，无额外权限。
• 输入图像已验证 – 图像 URL 可公开访问且至少为 512×512 像素；模型在处理清晰、光线充足的人脸或物体时效果最佳。
• 参考视频已准备 – 使用动作迁移时，参考片段应较短（2–5 秒）、裁剪得当，且包含单一连续动作，无场景切换。
• 参数调整完成 – 已在样本上测试过 motion_intensity 和 num_frames；所选平衡点符合您的延迟预算和视觉质量阈值。
• 轮询或 Webhook 已配置 – 客户端要么轮询 video_url 状态，要么监听完成 Webhook，以避免阻塞主线程。
• 错误处理已到位 – 代码在遇到 5xx 错误时能优雅地重试，并记录任何 4xx 响应以供调试。
• 成本监控已启用 – 在 TokenLab 仪表板中设置了支出限额，并定期参考定价比较页面以应对成本变化。
• 模型回退方案已考虑 – 如果 Vidu 暂时不可用，切换到 Seedance 或 Veo 3 只需更改 TokenLab 中的 model 字段。

遵循这些步骤有助于在视频模型供应发生变化时保持您的流水线稳定可靠。

比较 Vidu 与其他视频模型

TokenLab 的统一 API 让您可以测试 Vidu 与其他视频生成器的对比，而无需重写集成代码。截至撰写本文时（2026 年 7 月 7 日），主要替代方案包括 Seedance、Veo 3、Kling、Hailuo 和 PixVerse V6，它们均可在同一端点下使用。每个模型都有其独特的优势：

• Seedance – 擅长高帧率、流畅的角色动画；通常是舞蹈和动作场景的首选。
• Veo 3 – 产生电影级的摄像机运动和场景构图；适用于产品视频和短片。
• Kling – 针对逼真的人体动作和口型同步进行了优化；适用于数字人对话。
• Hailuo – 专注于风格化的动画效果；适用于动态图形。
• PixVerse V6 – 在批量社交媒体片段的生成速度和质量之间取得了平衡。

有关这些模型的详细分析（包括并排输出样本和用例建议），请参阅 2026 年最佳 AI 视频模型 API 文章。对于需要根据成本在不同提供商之间进行路由的开发者，OpenRouter 比较指南解释了 TokenLab 如何抽象多提供商访问并帮助您最小化支出。

常见问题解答

1. Vidu 是否支持在图像之外使用文本提示词？
   Vidu 主要是一个图像条件化模型；图像作为第一帧，动作先验决定了运动。虽然某些提供商可能允许使用可选的文本提示来微调风格，但目前通过 TokenLab 的 API 不接受 prompt 字段。影响输出的最佳方式是调整 motion_intensity、num_frames，以及至关重要的一点：使用合适的参考视频。

2. 典型的生成需要多长时间？
   生成延迟取决于 num_frames、分辨率和提供商负载。在 TokenLab 上，720p 分辨率下的 2 秒片段（48 帧）通常在 15–30 秒内完成。5 秒的 1080p 片段（120 帧）可能需要 60–90 秒。对于时间敏感的应用，建议使用 Webhook 交付。

3. 我可以使用本地托管的图像或视频吗？
   TokenLab 要求 image_url 和 reference_video 必须是可公开访问的 URL。您可以将文件上传到云存储桶（例如带有预签名 URL 的 Amazon S3）或使用临时托管服务。Vidu 的底层提供商（Replicate、fal）也需要 URL 来获取资产。

开始使用 TokenLab 上的 Vidu

Vidu AI API 已准备好支持您的图像转视频和动作迁移项目。注册 TokenLab 账户，获取您的 API Key，并立即发送您的第一个测试请求。浏览 TokenLab 模型目录以选择 Vidu 并将其与其他视频生成器进行比较，或深入查看定价比较页面以优化您的成本。通过一个 API，您可以访问整个视频模型阵容，无需切换集成方式。