動画理解

動画理解は、認証済み MCP と REST の両方で利用できる Preview 機能です。 上限内の動画 1 本とプロンプトを送信すると、永続的な非同期タスクが返ります。

MCP

1 回の論理リクエストに対して安定した client_request_id を作り、 beatra.videos.understand を呼び出します。

{
  "client_request_id": "understand-demo-01",
  "model": "auto",
  "prompt": "出来事の順序と最終結果を要約してください。",
  "video": { "type": "url", "url": "https://example.com/demo.mp4" },
  "detail": "default",
  "response_format": "text"
}

現在のモデル、上限、料金を確認するときは、beatra.models.list に capability: "video_to_text" を渡します。確定した引数は一度だけ送信し、 返された task_id を beatra.tasks.get で終端状態までポーリングします。 成功時の回答は structuredContent.task.output.text と MCP テキストの両方にあります。

ローカル動画は、正確な MIME タイプとバイト数で beatra.assets.upload を呼び、 返された HTTPS PUT を生バイトで実行し、レスポンスの artifact_id を video 入力として使用します。元素材はアカウントの素材ライブラリに残ります。

REST

同じ理解フィールドから client_request_id を除き、安定した Idempotency-Key ヘッダーとともに POST /v1/videos/responses へ送信します。 GET /v1/tasks/{task_id} を終端状態までポーリングします。

同一テナントの artifact、外部 HTTPS url、base64 data_uri を使用できます。 外部・インライン素材は検証後に素材ライブラリへ保存されます。

契約と料金

• prompt は必須で、空白以外のテキストを含む必要があります。
• 1 回に video は 1 本、最大 50 MiB、最大 360 秒です。
• サンプリングは内部で 1 fps 固定です。fps やフレーム戦略は公開しません。
• detail は default、low、high。既定値は default で料金に影響しません。
• thinking は非公開で、内部では adaptive thinking を有効にします。
• 現在のモデルは MiniMax-M3 です。
• 成功時は受理した入力動画 1 秒あたり 0.4 credits。秒数は切り上げます。 失敗タスクは課金されません。

入力素材は素材ライブラリに残り、取り込み時のサーバー一時ファイルは処理後に 削除されます。