テキストから動画を生成

Agent の基本フロー

Universal Skill から MCP ツール beatra.videos.generate を使います。この ツールは課金対象で、非同期タスクを返します。

1. シーン、動き、長さ、画質を確定します。
2. モデル、音声対応、制約、価格が選択に影響する場合は、 capability: "text_to_video" で beatra.models.list を呼びます。 それ以外は model を省略するか auto を使います。
3. ローカル音声は beatra.assets.upload でアップロードし、artifact ID を使います。
4. 最終引数に対して不透明な client_request_id を一つ作り、一度だけ送信します。
5. beatra.tasks.get で同じタスクを終端状態までポーリングします。

AI ガイド

ツール引数

{
  "prompt": "暖かな窓光の中の陶器カップへゆっくりドリーインする",
  "audio": { "type": "artifact", "artifact_id": "artifact_optional_audio" },
  "resolution": "720p",
  "duration": 6,
  "client_request_id": "vid-text-opaque-1"
}

audio は任意で、選択したモデルが対応している場合だけ指定します。

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。

選択可能なモデル、音声、解像度、長さ、アスペクト比、既定値、顧客価格の 最新情報は beatra.models.list を正とします。静的なモデル一覧や価格表を Agent のプロンプトへコピーしないでください。

解像度と長さは通常コストに影響します。ユーザーに明示的な希望がない場合は 省略し、リクエスト依存の auto 選択で最終モデルが宣言する既定値を適用します。 ユーザーの意図または現在のモデル探索結果に基づく場合だけ指定してください。 明示されたモデルを黙って置き換えてはいけません。

MiniMax H3

MiniMax H3 を使うには model: "minimax-h3" を指定します。プロンプトは 必須で、出力は 2K、長さは 4〜15 秒の整数です。使用できる制御は prompt、 resolution、duration、aspect_ratio、watermark で、このモードは 入力音声に対応しません。生成動画は 1 秒あたり 590 credits です。

タスクの状態とリカバリー

queued と running は失敗ではありません。同じ task_id を継続して確認し、 実行中という理由で別タスクを作成しないでください。作成レスポンスを失った 場合は、同じ client_request_id と完全に同一の引数で再試行します。入力を 変えた場合は新しい ID が必要です。成果物、実モデル、課金は終端タスクの応答 だけを正とします。

REST で呼び出す

直接プロトコル統合では POST /v1/videos/text-to-video と共通タスク API を 利用できます。API 操作 に従ってください。標準の Agent 体験は Skill + MCP です。