Платформа Vivix выкатила API для видеогенерации с жестким контролем кадров и звука
Пять секунд видеоряда зажаты между строгим начальным кадром и финальным пэкшотом, а фоном ложится точная тональность брендового трека. Раньше для такой сборки приходилось вручную шаманить в разных нейросетевых веб-интерфейсах, скрещивать пальцы в надежде на согласованность персонажа и потом часами резать артефакты на таймлайне. Платформа Vivix решила перенести этот процесс в автоматизированные пайплайны студий и агентств, запустив открытый программный интерфейс к семейству генеративных видеомоделей Vivix-W1.
Архитектура сервиса ориентирована на продакшен без лишнего ручного труда. Механика взаимодействия построена по классической асинхронной REST-схеме: скрипт отправляет параметры задачи, мгновенно забирает присвоенный идентификатор job_id, периодически опрашивает статус обработки и на выходе скачивает прямой URL готового MP4-файла. Внутри очереди генерация последовательно проходит понятные этапы — от ожидания в очереди queued и активного рендера processing до финального успеха succeeded либо ошибки failed. Если пайплайн спотыкается, разработчик сразу видит конкретные коды ошибок: например, 20004 укажет на некорректно заполненные параметры, 30001 выдаст стоп от системы модерации контента, а 30008 предупредит о временном исчерпании доступной вычислительной емкости инфраструктуры.
Скорость против бюджета: сетка моделей
В линейку Vivix-W1 разработчики зашили три модификации. Любопытно, что само визуальное качество ролика во всех версиях заявлено одинаковым — платить больше приходится исключительно за экономию времени до получения готового файла. Списание происходит в кредитах платформы W за каждую секунду хронометража. Приятный бонус: до 31 октября 2026 года действует акция, полностью отменяющая любые дополнительные сборы за подключение референсных картинок и аудиофайлов.
| Модель | Описание рабочего режима | Тариф без референсов | Тариф с референсами |
|---|---|---|---|
| vivix-w1-ultrafast | Предельная скорость отдачи шотов | 4 кредита / сек | 4 кредита / сек |
| vivix-w1-fast | Оптимальный ускоренный рендер | 3 кредита / сек | 3 кредита / сек |
| vivix-w1 | Стандартный темп вычислений | 1 кредит / сек | 1 кредит / сек |
Нас подкупило, что ценообразование не наказывает за детализацию промпта: базовый вариант обходится вчетверо дешевле флагманского, поэтому черновики для сторибордов вполне логично прогонять через стандартный vivix-w1, оставляя версию ultrafast на случай горящих дедлайнов.
Подготовка исходников и лимиты хранилища
Чтобы скормить модели вводные материалы, их нужно заранее отправить на файловые эндпоинты платформы, получить публичные ссылки и передать их в теле генерации. Система жестко регламентирует объемы входных данных, отсекая случайные перегрузки серверов.
| Эндпоинт загрузки | Поддерживаемые форматы | Лимит файлов на запрос | Максимальный вес файла |
|---|---|---|---|
| POST /v1/files/images | jpg, png, webp, heic | До 5 файлов | 10 МБ |
| POST /v1/files/audios | wav, mp3, m4a, ogg, webm | До 3 файлов | 10 МБ |
Пять изображений на задачу — это достаточный задел, чтобы стабилизировать внешний вид героя, задать окружение и закрепить цветовую палитру сцены. Аудиореференсы до 10 МБ принимают как чистые дикторские дорожки, так и музыкальные фрагменты.
Режимы работы и управление композицией
Интерфейс не требует переключать сложные селекторы режимов вручную — бэкенд определяет тип задачи автоматически по переданному набору аргументов:
- Текст в видео (Text to video): чистая генерация по текстовому описанию сцены, поведения камеры, физики движения и светотеневого рисунка.
- Изображение в видео (Image reference to video): связка текстового описания и от одного до пяти загруженных графических референсов для переноса стиля, идентичности персонажей или точной геометрии предметов.
- Аудио в видео (Audio reference to video): текстовый промпт опирается на звуковую дорожку (до трех файлов) для синхронизации музыкального настроения, общей динамики или тембра голоса.
- Комбинированный рендер (Image and audio reference to video): одновременное склеивание визуальных и аудиореференсов с текстовой инструкцией.
- Фиксация ключевых кадров (First / Last frame to video): управление начальной, конечной или обеими точками видеоряда сразу. Режим незаменим для бесшовных зацикливаний и монтажных склеек, однако разработчики поставили строгое техническое ограничение — эти ключевые кадры технически несовместимы с одновременным использованием референсных массивов изображений и звука.
Параметры сборки шота
Для точной подгонки под экраны сервис предлагает пять пропорций кадра: горизонтальный 16:9 (стоит по умолчанию), вертикальный 9:16 под форматы мобильных историй, квадратный 1:1, а также форматы 4:3 и 3:4. Длительность генерируемого отрезка задается строго целым числом в диапазоне от 5 до 15 секунд — для коротких рекламных синемаграфов и динамичных планов этого запаса хватает с головой.
Обязательным параметром выступает prompt, куда зашивается текстовая режиссура. Для воспроизводимости результатов и серийного производства контента предусмотрено поле seed. Передавая целочисленное значение в диапазоне от 0 до 2147483647, арт-директор может повторить удачную композицию с легкими вариациями настроек или зафиксировать поведение камеры при перерендере.
Появление подобного инструментария выводит нейросетевой продакшен из плоскости штучных экспериментов в разряд программируемой конвейерной рутины. Вместо бесконечной ручной нарезки шотов дизайнер теперь может связать бэкенд студии с генератором, загрузить брендбук с раскадровкой и запустить автоматический рендер десятков вариаций баннеров под разные экраны за время обеденного перерыва. Главное — помнить про несовместимость ключевых кадров с референсными изображениями, чтобы не ловить ошибку 20004 в разгар ночного монтажа.
Автоматизация добралась до той точки, где арт-директору пора осваивать работу с API или звать на помощь студийных разработчиков.
