参照素材から動画を生成

人物、商品、シーン、動画上の同一性、声を新しい動画で維持します。

Agent の基本フロー

画像や動画で同一性、外観、スタイル、商品、背景、ポーズ、声をガイドする場合は beatra.videos.generate_from_references を使います。既存クリップを変更する目的なら edit を使います。

ローカルの画像、動画、音声の参照をアップロードします。
各参照に kind: "image" または kind: "video" を設定し、順序を保ち、モデルが返すプロンプト参照構文を使います。
capability: "reference_to_video" で beatra.models.list を呼び、件数、メディア組み合わせ、長さの規則、価格を確認します。
一つの client_request_id で一度だけ送信し、beatra.tasks.get で確認します。

AI ガイド

AI 連携 Markdown

独自アプリケーションに組み込む場合は、この API ガイドを Claude や Codex などにコピーできます。

Markdown

ツール引数

{
  "prompt": "Video 1 presents Image 1 in a bright studio while keeping the same voice",
  "references": [
    {
      "kind": "image",
      "media": { "type": "artifact", "artifact_id": "artifact_product" }
    },
    {
      "kind": "video",
      "media": { "type": "artifact", "artifact_id": "artifact_presenter" },
      "reference_voice": { "type": "artifact", "artifact_id": "artifact_voice" }
    }
  ],
  "resolution": "720p",
  "duration": 6,
  "client_request_id": "vid-refs-opaque-1"
}

reference_voice は参照項目に付く音声メディアで、真偽値ではありません。 auto/Wan では画像と動画を別々に Image n/Video n（中国語では 图n/视频n）で数えます。HappyHorse は配列順の [Image n] を使います。 HappyHorse/Wan では意味的 role は使えません。別モデルの discovery が対応 role を明示した場合だけ指定してください。

モデル、制御、コスト

共通コントロールは prompt、negative_prompt、resolution、 duration、aspect_ratio、seed、enhance_prompt、watermark です。各項目は選択モデルのメタデータに従って使います。

参照数、対応 kind、プロンプト参照構文、声の対応、条件付き長さ、比率、価格は beatra.models.list を正とします。価格メタデータで入力動画秒数が課金対象になっている場合は、それも見積りに含めます。

MiniMax H3

model: "minimax-h3" を指定すると、4〜15 秒の 2K マルチモーダル参照動画を生成できます。プロンプトは必須で、画像は最大 5 枚、動画は最大 3 本、音声は最大 3 本です。参照動画と参照音声はそれぞれ合計 15 秒までで、音声だけを参照にすることはできません。画像または動画も含めてください。role と reference_voice は指定しません。入力画像と音声は無料で、受理された入力動画時間と生成動画時間はそれぞれ 1 秒あたり 590 credits です。

タスクの状態とリカバリー

同一再試行では参照順序を維持します。queued または running の間は同じタスクを確認します。参照、声、プロンプト、出力制御の変更は新しい論理リクエストであり、新しい client_request_id が必要です。

REST で呼び出す

直接プロトコル統合では POST /v1/videos/reference-to-video を利用できます。 API 操作に従ってください。推奨の統合方法は Skill + MCP です。REST はカスタムアプリケーション向けです。