AIAPIAIAPI API

图像与视频生成 API 文档

AIAPIAIAPI 统一异步图像与视频生成 API 文档

接口

图像：POST /v1/images/generations/async

视频：POST /v1/video/generations

认证

Authorization: Bearer <AIAPIAIAPI_API_KEY>

调用流程

图像任务使用返回的 task_id 查询 GET /v1/images/generations/async/{task_id}，状态为 SUCCESS 后读取 outputs。

视频任务使用返回的 id 查询 GET /v1/video/generations/{task_id}，状态为 completed 后读取 outputs[0].url。

错误响应

图像接口返回 code/message/data；视频接口返回 error.type/error.code/error.message/error.param。

模型 API 文档

模型类型任务说明
alibaba/happyhorse-1.1/image-to-videovideoimage-to-video
alibaba/happyhorse-1.1/reference-to-videovideoreference-to-video
alibaba/qwen-image-edit-spicyimageimage-to-image文本引导的图像编辑模型：支持添加、移除或修改元素，以及风格迁移和背景替换。
alibaba/wan-2.2-i2v-spicyvideoimage-to-video图生视频模型：需要提供首帧图片，并支持可选的首尾帧插值。
alibaba/wan-2.7-i2vvideoimage-to-video图生视频模型：可选控制结束帧；分辨率随输入图自适应，因此不能配置 aspect_ratio。
alibaba/wan-2.7-i2v-spicyvideoimage-to-video图生视频模型：根据文本提示让单张源图片动起来，并可选控制结束帧。
alibaba/wan-2.7-i2v-uncensoredvideoimage-to-video图生视频模型：参数与 wan-2.7-i2v-spicy 相同，不启用内容审核。
alibaba/wan-2.7-ref2v-uncensoredvideoreference-to-video参考生视频模型：最多支持 3 张参考图片和 3 个参考视频。
alibaba/wan-2.7-t2vvideotext-to-video文生视频模型：无需提供源图片。
alibaba/wan-3.0-i2v-spicyvideoimage-to-video图生视频模型：支持更宽的视频时长范围、更多分辨率和可配置宽高比。
alibaba/wan-3.0-prime-i2v-spicyvideoimage-to-video图生视频模型：支持更宽的视频时长范围、更多分辨率和可配置宽高比。
alibaba/wan-3.0-prime-ref2v-spicyvideoreference-to-video参考生视频模型：可使用图片、视频和音频作为参考，并可配置时长、分辨率和宽高比。
alibaba/wan-3.0-prime/image-to-videovideoimage-to-video
alibaba/wan-3.0-prime/reference-to-videovideoreference-to-video
alibaba/wan-3.0-ref2v-spicyvideoreference-to-video参考生视频模型：可使用图片、视频和音频作为参考，并可配置时长、分辨率和宽高比。
alibaba/wan-3.0-videovideotext-image-reference-to-video一个端点根据请求中的媒体字段自动选择文生视频、关键帧图生视频或参考生视频；关键帧输入与参考输入不可混用。
alibaba/wan-3.0/image-to-videovideoimage-to-video
alibaba/wan-3.0/reference-to-videovideoreference-to-video
alibaba/z-image-spicyimagetext-to-image文生图模型：支持自定义尺寸、可复现随机种子，以及可选的智能提示词改写。
alibaba/z-image-spicy-proimagetext-to-image文生图模型：支持最高 2560 像素的自定义尺寸、可复现随机种子，以及可选的提示词改写。
bytedance/seedance-2.0-fast-i2v-spicyvideoimage-to-video图生视频模型：需要首帧图片，可选控制尾帧，支持 480p 或 720p 分辨率及 4–15 秒输出。
bytedance/seedance-2.0-fast-ref2v-spicyvideoreference-to-video参考生视频模型：最多支持 9 张图片、3 个视频和 3 段音频，支持 480p 或 720p 分辨率及 4–15 秒输出。
bytedance/seedance-2.0-fast/image-to-videovideoimage-to-video
bytedance/seedance-2.0-fast/reference-to-videovideoreference-to-video
bytedance/seedance-2.0-i2v-spicyvideoimage-to-video图生视频模型：支持 480p、720p、1080p 分辨率和包括 21:9 在内的 7 种宽高比。
bytedance/seedance-2.0-mini-i2v-spicyvideoimage-to-video图生视频模型：需要首帧图片，可选控制尾帧，支持 480p 或 720p 分辨率及 4–15 秒输出。
bytedance/seedance-2.0-mini-ref2v-spicyvideoreference-to-video参考生视频模型：最多支持 9 张图片、3 个视频和 3 段音频，支持 480p 或 720p 分辨率及 4–15 秒输出。
bytedance/seedance-2.0-mini/image-to-videovideoimage-to-video
bytedance/seedance-2.0-mini/reference-to-videovideoreference-to-video
bytedance/seedance-2.0-ref2v-spicyvideoreference-to-video参考生视频模型：可使用图片、视频和音频作为参考，支持 480p、720p、1080p 分辨率。
bytedance/seedance-2.0/image-to-videovideoimage-to-video
bytedance/seedance-2.0/reference-to-videovideoreference-to-video
bytedance/seedance-2.5-i2v-spicyvideoimage-to-video图生视频模型：支持 480p、720p、1080p 分辨率，视频时长范围扩展到最长 30 秒。
bytedance/seedance-2.5-ref2v-spicyvideoreference-to-video参考生视频模型：最多支持 30 张图片、10 个视频和 10 段音频，支持 480p、720p、1080p 分辨率及自动时长。
bytedance/seedance-2.5/image-to-videovideoimage-to-video
bytedance/seedance-2.5/reference-to-videovideoreference-to-video
bytedance/seedream-v5.0-pro/editimageimage-to-image支持 1 至 10 张参考图片及可选透明 PNG 输出的图像编辑模型。
bytedance/seedream-v5.0-pro/text-to-imageimagetext-to-image支持预设尺寸及提示词优化控制的单图生成模型。
google/gemini-omni-1.1-flash/image-to-videovideoimage-to-video
google/gemini-omni-1.1-flash/reference-to-videovideoreference-to-video
google/nano-banana-2.1/editimageimage-to-image支持推理、联网搜索和图片搜索控制的图像生成模型。
google/nano-banana-2.1/reference-to-imageimagereference-to-image通过一个来源视频片段和可选参考图片生成静态图像。
google/nano-banana-2.1/text-to-imageimagetext-to-image支持推理、联网搜索和图片搜索控制的图像生成模型。
google/nano-banana-2/editimageimage-to-image支持推理、联网搜索和图片搜索控制的图像生成模型。
google/nano-banana-2/reference-to-imageimagereference-to-image通过一个来源视频片段和可选参考图片生成静态图像。
google/nano-banana-2/text-to-imageimagetext-to-image支持推理、联网搜索和图片搜索控制的图像生成模型。
kwaivgi/kling-v3.0-pro/image-to-videovideoimage-to-video
kwaivgi/kling-v3.0-std/image-to-videovideoimage-to-video
kwaivgi/kling-v3.0-turbo/image-to-videovideoimage-to-video
microsoft/mai-image-2.6-flash/editimageimage-to-image支持最多 5 张参考图片的指令式图像编辑模型。
microsoft/mai-image-2.6-flash/text-to-imageimagetext-to-image支持可选联网搜索的写实图像生成模型。
microsoft/mai-image-2.6/editimageimage-to-image支持最多 5 张参考图片的指令式图像编辑模型。
microsoft/mai-image-2.6/text-to-imageimagetext-to-image支持可选联网搜索的写实图像生成模型。
minimax-h3-enhanced-reference-to-videovideoreference-to-videoMiniMax 参考生视频模型：最多支持 9 张图片、9 个视频和 9 段音频，分辨率最高 4K。
minimax-h3-image-to-videovideoimage-to-videoMiniMax 图生视频模型：支持 5-15 秒输出，分辨率可选 768p 或 2K。
minimax-h3-max-image-to-videovideoimage-to-videoMiniMax H3 Max 图生视频模型：支持 5-15 秒输出，分辨率可选 480p 或 768p。
minimax-h3-max-reference-to-videovideoreference-to-video通过 Venice 使用 MiniMax H3 Max 参考生视频。模型专属的时长、分辨率及参考素材限制由上游校验。
minimax-h3-max-turbo-image-to-videovideoimage-to-video通过 Venice 使用 MiniMax H3 Max Turbo 图生视频。模型专属的时长及分辨率限制由上游校验。
minimax-h3-reference-to-videovideoreference-to-videoMiniMax 参考生视频模型：最多支持 9 张图片、9 个视频和 9 段音频，分辨率可选 768p 或 2K。
minimax/h3-fast/image-to-videovideoimage-to-video
minimax/h3-fast/reference-to-videovideoreference-to-video
minimax/h3-max/image-to-videovideoimage-to-video
minimax/h3/image-to-videovideoimage-to-video
minimax/h3/reference-to-videovideoreference-to-video
minimax/minimax-h3-i2v-spicyvideoimage-to-videoMiniMax 图生视频模型：支持 5-15 秒输出，分辨率可选 768p、2K 或 4K。
minimax/minimax-h3-ref2v-spicyvideoreference-to-videoMiniMax 参考生视频模型：最多支持 9 张图片、9 个视频和 9 段音频，分辨率最高 4K。
openai/gpt-image-2.5-flare/editimageimage-to-image支持 1 至 16 张参考图片、可选蒙版和透明背景输出的图像编辑模型。
openai/gpt-image-2.5-flare/text-to-imageimagetext-to-image支持自定义尺寸、多档质量和透明背景的文生图模型。
openai/gpt-image-2.5-sunburst/editimageimage-to-image支持 1 至 16 张参考图片、可选蒙版和透明背景输出的图像编辑模型。
openai/gpt-image-2.5-sunburst/text-to-imageimagetext-to-image支持自定义尺寸、多档质量和透明背景的文生图模型。
openai/gpt-image-2/editimageimage-to-image通过自然语言指令编辑 1 至 10 张来源图片。
openai/gpt-image-2/text-to-imageimagetext-to-image支持自定义尺寸及三档质量的图像生成模型。
pixverse/c1/image-to-videovideoimage-to-video
pixverse/c1/reference-to-videovideoreference-to-video
pixverse/v6/image-to-videovideoimage-to-video
pixverse/v6/reference-to-videovideoreference-to-video
qwen-image-3.0-pro/editimageimage-to-image根据自然语言指令和 1 至 3 张参考图片进行图像编辑。
qwen-image-3.0-pro/text-to-imageimagetext-to-image支持自动提示词改写及根据提示词选择输出尺寸的图像生成模型。
vidu/q3-mix/reference-to-videovideoreference-to-video
vidu/q3-pro/image-to-videovideoimage-to-video
vidu/q3-turbo/image-to-videovideoimage-to-video
vidu/q3/reference-to-videovideoreference-to-video
wan-3-0-prime-image-to-videovideoimage-to-video图生视频模型：支持更宽的视频时长范围、更多分辨率和可配置宽高比。
wan-3-0-prime-reference-to-videovideoreference-to-video参考生视频模型：可使用图片、视频和音频作为参考，并可配置时长、分辨率和宽高比。
xai/grok-imagine-image-2.0/editimageimage-to-image通过自然语言指令编辑 1 至 5 张来源图片。
xai/grok-imagine-image-2.0/text-to-imageimagetext-to-image支持 1K、2K 分辨率以及 low、medium 质量档位的图像生成模型。
xai/grok-imagine-video-v1.5/image-to-videovideoimage-to-video
xai/grok-imagine-video-v1.5/reference-to-videovideoreference-to-video

文档索引

获取完整文档索引：

https://cdaiapi.com/llms.txt

使用该文件发现所有可用的 API 文档。