TokenFab 文档中心
大模型推理服务平台,兼容 OpenAI SDK,帮助开发者快速构建 AI 应用。
获取 API Key
完成以下步骤创建 API 密钥,开始调用 TokenFab API。
1创建 API Key
- 访问 TokenFab 控制台,登录或注册。
- 进入 控制台 → API 密钥。
- 点击「创建 API Key」,输入备注后确认。
- 复制密钥(格式:
tk-xxxx...),关闭后不可再查看。
⚠️ 警告
请妥善保管 API Key,不要提交到代码仓库或在前端代码中硬编码。
2配置环境变量
后续示例中的 api_key 可直接传入你的密钥;如果使用上面的环境变量,请在代码中读取 TOKENFAB_API_KEY。
首次调用 API
使用 Python SDK 完成首次 API 调用。
安装依赖
调用示例
SDK 使用指南
TokenFab API 兼容 OpenAI SDK。
安装
初始化
错误处理
OpenAI SDK 兼容说明
TokenFab 提供 OpenAI 兼容接口,基础 Chat Completions 调用只需修改两行代码即可迁移;思考模式、联网搜索等扩展参数请按本页说明配置。
| 配置项 | OpenAI | TokenFab |
|---|---|---|
| api_key | sk-xxx... | tk-xxxx... |
| base_url | https://api.openai.com/v1 | https://api.tokenfab.cn/v1 |
💡 提示
OpenAI SDK 的兼容功能可直接使用;思考模式、联网搜索等 TokenFab 扩展参数请参照对应章节。
Anthropic SDK 兼容说明
TokenFab API 兼容 Anthropic SDK(Messages API),修改 base_url 即可将现有 Anthropic 应用迁移至 TokenFab。
⚠️ 提示
Anthropic 协议当前支持以下模型:glm-5.2、qwen3.7-max、qwen3.7-plus、kimi-k3
迁移方式
只需修改以下两个必需配置项;如客户端要求,也可设置可选的 ANTHROPIC_AUTH_TOKEN:
| 环境变量 | 说明 | TokenFab 配置值 |
|---|---|---|
ANTHROPIC_API_KEY | API 密钥 | tk-xxxx... |
ANTHROPIC_BASE_URL | 兼容端点地址 | https://api.tokenfab.cn/anthropic |
ANTHROPIC_AUTH_TOKEN | 认证令牌(可选,等价于 API_KEY) | tk-xxxx... |
快速接入
文本对话
流式输出
接入 Agent 工具
TokenFab API 兼容 OpenAI 接口格式,可轻松接入各类 AI 编程助手、Agent 框架和 IDE 插件。选择你正在使用的工具,按指引完成配置即可。
接入 Claude Code
Claude Code 是一个运行在您终端的 AI 编程助手,通过配置文件做模型替换,即可将 Claude Code 指向 TokenFab API,使用我们的模型获得更高级的编程体验。
从现有安装中迁移
如果您已安装了 Claude Code,只需通过以下步骤配置文件,即可完成配置:
Linux / Mac
Windows (PowerShell)
提示
上方“从现有安装中迁移”一节中的内容为配置变量,其中 API Key 在控制台获取。
配置完成后,执行 claude --version 验证版本号。如果看到正确版本,则已可继续后续流程。
开始使用
Web Search 功能
TokenFab API 支持 Claude Code 的 Web Search 功能。当模型判断你的提问需要搜索时,它会返回包含引用结果的搜索内容。由于不同模型对 Web Search 用法有所差异,您可以参考 Claude Code 官方文档说明。
模型映射
使用 Claude Code,我们可将传入的 Claude 模型名自动映射:
| Claude 模型 | 映射到 |
|---|---|
claude-opus-4 / claude-opus-4-1 | glm-5.2 |
claude-sonnet-4 / claude-haiku-4 | glm-5.2 |
通过修改 ~/.claude/settings.json 来对传入的 Claude 模型名进行自动映射。
接入 OpenClaw
OpenClaw 是一个开源的个人 AI 助手,可以接入飞书、微信等聊天工具,并通过 Skill 扩展能力。简单配置后,即可将 OpenClaw 指向 TokenFab API。
从现有安装中迁移
如果您已经安装了 OpenClaw,运行以下命令重新进入配置阶段,切换到我们的 TokenFab 提供商:
然后按照提示操作:
- 遇到 I understand this is personally-by-default... 请选择 Yes
- 遇到 Skip onboarding by default? 请选择 No,继续完成配置
安装 OpenClaw
Linux / Mac
Windows (PowerShell)
配置默认模型
首次安装完成后会自动进入配置阶段;已安装的用户可通过 openclaw onboard --install-daemon 进入。
- 遇到 I understand this is personally-by-default... 请选择 Yes
- 选择 Setup node 推荐选 QuickStart
- 遇到 ModelAuth provider 请选择 TokenFab
- 遇到 Enter API key:请输入你的 TokenFab API Key
- 遇到 Default model:请填写模型名(glm-5.2)
- 遇到 Skip permissions for... 请根据需要配置,新手可以选择 Skip for now
开始使用
打开 Web UI
在终端中对话
在指定模型下对话
接入 Hermes
Hermes 是 Nous Research 打造的开源自进化 AI Agent。它内置学习闭环,能够从经验中生成技能,在使用过程中持续优化,沉淀知识,并在合适的主题上逐步构建你偏好的动态模型。
安装 Hermes
快速安装
通过一行安装命令,你可以在两分钟内快速启动 Hermes Agent。
Linux / macOS / WSL2
唯一依赖就是 Git。命令会从 GitHub 克隆 Hermes 仓库并提供一套开箱即用的脚本和命令。
快速开始
- 执行
hermes setup - 选择 Quick Setup
- 当提示选择模型提供商时,选择 TokenFab
- 输入你的 TokenFab API Key
- Base URL 填写:
https://api.tokenfab.cn/v1 - 选择 glm-5.2 模型
- 继续完成其余配置选项
接入 WorkBuddy
WorkBuddy / CodeBuddy 是 AI Agent 与编程助手工具。它支持通过本地模型配置文件添加自定义模型,可以使用 OpenAI 兼容的 Chat Completions API 接入 TokenFab。
配置模型
在 WorkBuddy 的模型配置文件中,添加以下 JSON 配置,其中 API Key 在控制台获取。请将 ${{API_KEY}} 替换为你实际的 TokenFab API Key,不要保留占位符。
💡 提示
配置中的 url 使用 OpenAI 兼容的 Chat Completions 端点,确保 apiKey 替换为你实际的 TokenFab API Key,而非环境变量占位符。
代金券使用说明
查看、使用和管理您的优惠券
什么是代金券
代金券指 TokenFab 以虚拟券的形式给予客户的资金类权益,可用于抵扣客户使用产品的费用。代金券具有固定面额,可在额度范围内多次抵扣,直至余额用尽或超过有效期。
查看代金券
登录 TokenFab Console,进入 账单 > 代金券管理 页面,即可查看您账户下的全部代金券。
列表页提供以下筛选能力,帮助您快速定位代金券:
- 生效时间:按券的生效时间区间筛选
- 关键词搜索:按代金券名称或 ID 搜索
- 状态筛选:筛选可用、已用完、已过期、已作废的优惠券
代金券的属性如下:
| 属性 | 说明 |
|---|---|
| 代金券 ID | 代金券的唯一编号 |
| 面额 | 代金券的面额 |
| 余额 | 代金券的剩余可抵扣金额 |
| 使用产品 | 可参与代金券抵扣的产品范围,如全部产品,或指定产品 |
| 付款方式 | 可参与代金券抵扣的付款方式,如按量计费 |
| 有效期 | 代金券的有效使用期限 |
| 发放时间 | 代金券进入你账户的时间 |
| 状态 | 可用、已用完、已过期、已作废 |
点击列表操作列的查看详情,可进入代金券详情页,查看券的完整信息(摘要、适用产品、抵扣流水)。
如何使用代金券
代金券具有可抵扣的产品范围、可参与抵扣的付款方式、有效使用期限等使用条件,具体请查阅代金券详情。
抵扣规则
- 自动匹配:系统优先使用即将过期的优惠券。
- 多券抵扣:如果单张优惠券余额不足以抵扣整个账单,系统会自动使用下一张可用的代金券继续抵扣,直至账单金额完全抵扣或可用优惠券用尽。
- 余额支付:若代金券抵扣完毕后账单仍有剩余金额,账单剩余金额需由账户余额另行支付。
抵扣范围与限制
- 产品范围:仅抵扣券适用产品范围内的模型调用费用。适用产品为全部产品时可抵扣任意按量计费产品;为指定产品时仅抵扣对应产品费用。具体以券详情展示为准。
- 不可抵扣欠费:代金券无法用于抵扣历史欠费。欠费需自行充值还清。
查看抵扣明细
在代金券管理列表点击查看详情,进入券详情页后,可在「使用详情」中查看该券的全部抵扣流水,包括:抵扣流水 ID、抵扣时间、抵扣金额等。
使用详情支持按时间与交易类型筛选,并支持导出留存对账。
有效期规则
代金券的有效期分两种类型,以券详情展示为准:
- 固定时间段:券在指定的生效日期与失效日期之间可用。
- 发放后 N 天:自券发放进入账户当日起算 N 天,到期自动失效。
常见问题
为什么我的代金券没有抵扣账单?
常见原因包括:
- 适用产品限制:本笔消费的产品不在券的适用产品范围内
- 已过期:账单出账时间已超出券的有效期
- 余额不足:券已用完,系统自动使用其他可用券或账户余额
- 已作废:券被运营侧作废,余额已清零
- 欠费状态:账户存在欠费时,代金券无法抵扣欠费部分
- 账单未出账:按量付费账单结算存在延迟,请稍后查看
仍无法定位原因时,可在券详情页核对适用产品与有效期,或联系客服并提供券 ID(形如 VF15474540)排查。
代金券可以充值、提现或转入账户余额吗?
不可以。代金券不支持转换为现金、充值或转入账户余额,仅可用于按量付费账单的自动抵扣。账户充值请前往「充值 > 在线充值」。
代金券可以跨账号转让或共用吗?
不可以。代金券与发放时核对的租户账号绑定,不支持跨账号转让、共用或代付。发放至您账户的代金券仅可抵扣本账号的按量付费账单。
代金券过期后可以恢复或延期吗?
不可以。代金券过期后剩余余额自动清零,无法恢复、延期或补发。系统会按「优先即将到期」的顺序自动抵扣,帮助您减少过期损失。
领取代金券本身会计费吗?
不会。代金券进入您的账户不产生任何费用,也无需激活。仅在模型调用产生按量付费账单时才会触发抵扣。
代金券抵扣的费用可以开发票吗?
代金券抵扣部分不重复开票:发票金额按实际支付金额(账户余额支付部分)开具,代金券抵扣部分不计入开票金额。开票规则请参考「发票管理」页面说明。
TokenFab 域名变更公告
发布时间:2026 年 9 月 19 日
尊敬的 TokenFab 用户:
为规范网站域名管理、提升服务体验,TokenFab 官网域名将变更为 www.tokenfab.cn,原域名 www.tokenfab.com 将于 2026 年 9 月 21 日 18:00 停止使用。请您及时完成新域名配置和调整:
一、更新 API 接入地址:将代码、SDK 配置、环境变量中的 api.tokenfab.com/v1 替换为 api.tokenfab.cn/v1(如 OpenAI SDK 兼容配置中的 base_url);
二、更新网络白名单与书签:若您的企业防火墙、代理或网关配置了按域名的出站限制,请将新域名加入允许列表。并同步更新浏览器书签,将新官网 www.tokenfab.cn、新控制台 www.tokenfab.cn/console 加入收藏;
三、更新回调与集成:若您配置了 Webhook 回调或第三方集成,请将其更新为新域名,并验证连通性。
由此给您带来的不便,我们深表歉意,并感谢您一直以来的信任与支持。
2026 年 9 月 19 日
模型概览
了解 TokenFab 可用的模型及能力。所有模型共用同一套 API。
文本模型
| 模型 ID | 上下文 | 最大输出 | 特点 |
|---|---|---|---|
| glm-5.2 | 1M | 128K | 最新旗舰,1M 超长上下文,支持联网搜索 |
| glm-5.3 | 1M | — | 支持联网搜索与工具调用 |
| kimi-k3 | — | — | 旗舰模型,能力以接口返回为准 |
| kimi-k2.7-code | 128K | 128K | 编程能力突出,数学推理强 |
| kimi-k2.6 | — | — | 能力以接口返回为准 |
| deepseek-v4-pro | 1M | 384K | 深度推理与编程 |
| deepseek-v4-flash | 1M | 384K | 快速响应,适合编程与 RAG |
| qwen3.7-max | 1M | 64K | 旗舰模型,适合复杂推理与智能体 |
| qwen3.7-plus | 128K | 96K | 质量、速度与成本均衡 |
视频模型
| 模型 ID | 输入 | 支持场景 | 场景 |
|---|---|---|---|
| viduq3-pro | 文本 + 图片 | T2V / I2V / FLF2V | 质量优先,支持 540P / 720P / 1080P |
| viduq3-turbo | 文本 + 图片 | T2V / I2V / FLF2V | 速度与吞吐优先,适合高频试片 |
| happyhorse-1.1-t2v | 文本 | T2V | 文生视频,支持 720P / 1080P |
| happyhorse-1.1-i2v | 文本 + 图片 | I2V | 图生视频,支持 720P / 1080P |
| happyhorse-1.1-r2v | 文本 + 参考图 | R2V | 参考图一致性约束,支持 1-9 张参考图 |
视频接口的请求格式和模型参数请参阅视频生成场景说明。
场景推荐
🏆 综合最佳 — glm-5.3
1M 超大上下文,旗舰性能。
💻 编程 — deepseek-v4-pro
代码生成、调试、Review。
⚡ 高并发 — qwen3.7-max
毫秒级响应,适合客服、分类等简单任务。
Token 与上下文窗口
理解计费单位和上下文限制。
什么是 Token
Token 是模型处理文本的基本单位:
1
英文单词 ≈ 1 Token
1-2
中文汉字 ≈ 1-2 Token
usage
每次调用返回实际 Token 数
上下文窗口
模型一次处理的最大 Token 数 = 输入 + 输出 + 推理中间内容。
⚠️ 警告
超过上下文限制可能导致回答质量下降或报错。
长文本处理策略
- 使用 glm-5.2 等大上下文模型。
- 分段处理后合并结果。
- 结合关键词检索或外部检索服务保留相关片段。
- 先摘要提取关键信息。
流式输出
通过 SSE 实现逐 Token 返回。
启用流式输出
SSE 数据格式
思考模式
让支持该能力的模型在输出前先进行内部推理。当前示例使用 deepseek-v4-pro。
启用思考模式
注意
思考模式仅适用于支持该能力的模型,例如 deepseek-v4-pro、glm-5.2、qwen3.7-max;具体以模型能力配置为准。思考模式下 temperature 等参数不生效。
Function Calling
让模型调用外部工具和 API,构建智能体应用。
工作原理
- 发送请求。携带用户问题和工具定义。
- 模型返回 tool_calls。函数名和参数。
- 执行工具。获取结果。
- 回传结果。再次调用获取最终回答。
完整示例
最佳实践
- 工具描述要清晰。影响调用准确性。
- 控制工具数量。过多会降低质量。
- 最小权限原则。
多轮对话
通过维护 messages 数组实现多轮上下文对话。
基本用法
Messages Role 类型
| role | 说明 |
|---|---|
| system | 全局指令(可选) |
| user | 用户输入 |
| assistant | 模型回复 |
| tool | 工具执行结果 |
JSON Mode / 结构化输出
让模型返回符合 JSON Schema 的结构化数据。
使用示例
支持的 JSON Schema 类型
| 类型 | 说明 |
|---|---|
| object | 嵌套对象 |
| string | 字符串 |
| number / integer | 数字 |
| array | 数组 |
| boolean | 布尔值 |
| enum | 枚举值 |
异步调用
通过异步客户端并发请求,提升高并发场景吞吐量。
Python 异步示例
💡 提示
适合批量处理。注意并发数不要超过模型限制。
联网搜索
启用联网搜索功能,让模型实时检索互联网信息,获取最新资讯与数据。
启用联网搜索
参数说明
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| enable_web_search | boolean | False | 是否启用联网搜索 |
使用场景
- 实时信息查询。获取最新新闻、股价、天气等时效性信息。
- 事实核查。验证模型回答的准确性。
- 资料补充。补充训练截止日期后的新知识。
注意
联网搜索会增加响应延迟,仅在需要实时信息时开启。搜索会消耗额外 Token,计入总用量。
Chat Completions API
调用大语言模型进行对话生成。
端点
POST https://api.tokenfab.cn/v1/chat/completions请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| model | string | ✓ | 模型 ID |
| messages | array | ✓ | 消息数组 |
| stream | boolean | — | 流式输出 |
| temperature | number | — | 采样温度 |
| max_tokens | integer | — | 最大输出 |
| enable_web_search | boolean | — | 联网搜索 |
| tools | array | — | 工具定义 |
| response_format | object | — | JSON Mode |
| enable_thinking | boolean | — | 思考模式,适用于支持该能力的模型 |
请求示例
响应示例
模型列表 API
查询当前可用模型。
端点
GET https://api.tokenfab.cn/v1/models请求示例
响应示例
限速与并发
速率以账号粒度计算。
速率限制 (RPM / TPM)
| 模型 | RPM | TPM |
|---|---|---|
| glm-5.2 | 200 | 3,000,000 |
| deepseek-v4-pro | 15,000 | 1,200,000 |
| qwen3.7-plus | 30,000 | 5,000,000 |
| qwen3.7-max | 30,000 | 5,000,000 |
注意
如有更高并发需求请联系技术支持扩容。超限返回 HTTP 429。
错误码
API 调用常见错误码及排查方法。
错误响应格式
常见错误码
| HTTP | code | 类型 | 说明 | 解决方式 |
|---|---|---|---|---|
| 401 | invalid_api_key | Unauthorized | API Key 无效 | 检查 Authorization |
| 403 | — | Forbidden | 无权访问 | 检查权限 |
| 404 | — | Not Found | 模型不存在 | 检查 model |
| 429 | — | Rate Limit | 超限 | 降低频率 |
| 500 | — | Server Error | 服务端异常 | 等待重试 |
常见问题
如何优化成本?
选择适合任务的模型,减少不必要上下文,合理设置 max_tokens,开发阶段用小模型测试。
如何处理超长文本?
使用 glm-5.2 等大上下文模型,分段处理+合并结果,结合关键词检索或外部检索服务保留相关片段。
返回 429 怎么办?
并发超限。降低调用频率、指数退避重试或申请扩容。
流式和非流式计费有区别吗?
无区别,均按实际 prompt_tokens + completion_tokens 计费。
环境变量不生效?
检查:是否持久化到配置文件、是否重启 IDE、是否用了 sudo。
支持哪些编程语言?
TokenFab API 兼容 OpenAI SDK,因此支持 Python、Node.js、Go、Java 等所有有 OpenAI SDK 的语言。也可直接用 HTTP 请求调用。
如何选择适合的模型?
综合任务用 glm-5.2(旗舰、1M 上下文);编程场景用 deepseek-v4-pro;高并发简单任务用 qwen3.7-max。详见模型概览。
数据安全如何保障?
API 通信全程 HTTPS 加密。平台不会存储您的请求内容用于训练,数据仅在推理期间临时处理。API Key 请妥善保管,不要硬编码到前端代码中。
视频生成支持哪些模型?
支持 Vidu(viduq3-pro / viduq3-turbo)和 HappyHorse(1.1-t2v / 1.1-i2v / 1.1-r2v)系列模型,覆盖文生视频、图生视频、参考图生视频和首尾帧生视频四种场景;其中参考图生视频 R2V 使用 HappyHorse 1.1-r2v。详见视频场景总览。
LangChain 集成
TokenFab API 通过 OpenAI 兼容接口接入 LangChain。
Chat Model
💡 提示
LlamaIndex、Semantic Kernel 等兼容 OpenAI SDK 的框架均可直接接入。
视频生成场景说明
围绕文生视频(T2V)、图生视频(I2V)、参考图生视频(R2V)与首尾帧生视频(FLF2V),快速理解 TokenFab 已上线视频模型的适用场景、输入方式与模型选型。
四类视频生成入口
文生视频
只输入文本提示词,模型生成完整视频。适合无图片素材时的创意探索。
图生视频
输入图片+提示词,让静态画面产生镜头运动、角色动作。
参考图生视频
参考图约束人物/商品/风格,降低主体与风格漂移。
首尾帧生视频
首帧+尾帧,模型补全中间过渡。适合转场、故事板补间。
模型-场景支持矩阵
| 模型 | T2V | I2V | R2V | FLF2V | 定位 |
|---|---|---|---|---|---|
| viduq3-pro | ✅ | ✅ | — | ✅ | 质量优先 |
| viduq3-turbo | ✅ | ✅ | — | ✅ | 速度优先 |
| happyhorse-1.1-t2v | ✅ | — | — | — | 专注文生 |
| happyhorse-1.1-i2v | — | ✅ | — | — | 专注图生 |
| happyhorse-1.1-r2v | — | — | ✅ | — | 专注参考图 |
按需求选择场景
- 没有图片素材,只有文字创意 → 文生视频 T2V
- 有一张商品图/海报,希望让它动起来 → 图生视频 I2V
- 需要保持角色/商品/品牌风格一致 → 参考图生视频 R2V
- 已设计首帧和尾帧,控制起点与终点 → 首尾帧生视频 FLF2V
文生视频 T2V
只用 Prompt 从文字创意生成视频。所有视频生成统一通过 POST /v1/videos 提交异步任务。
使用统一端点创建任务
模式选择规则
| 模式 | 必须传 | 必须省略 | 参考模型 |
|---|---|---|---|
| 文生视频 T2V | prompt | 省略 input_reference、last_frame、reference_images | happyhorse-1.1-t2v、viduq3-turbo |
| 图生视频 I2V | input_reference + prompt | 省略 last_frame 与 reference_images | happyhorse-1.1-i2v |
| 参考图 R2V | reference_images + prompt | 不要传 last_frame;1-9 张 | happyhorse-1.1-r2v |
| 首尾帧 FLF2V | input_reference + last_frame + prompt | 不要与 reference_images 组合 | viduq3-turbo |
统一请求字段速查
| 字段 | 类型 | 用途 |
|---|---|---|
model | string | 必填,使用 /v1/models 返回的模型 ID,如 happyhorse-1.1-t2v、viduq3-turbo |
prompt | string | 必填,主体/场景/动作/镜头/风格/光影 |
input_reference | string | I2V源图或FLF2V首帧,公网URL或Base64 |
last_frame | string | FLF2V尾帧 |
reference_images | string[] | R2V参考图数组 |
seconds | string | 视频秒数,如 "3" |
size | string | 分辨率,如 720P、1080P |
watermark | boolean | 水印开关 |
negative_prompt | string | 不希望出现的内容描述 |
seed | integer | 可复现随机种子 |
异步生命周期
1. 创建
POST /v1/videos 返回 id
2. 轮询
GET /v1/videos/{id}
3. 完成
status=completed
4. 下载
GET /v1/videos/{id}/content
轮询任务状态
注意
视频生成任务耗时较长。创建不是幂等的——网络超时后先排查已有任务,不要盲目重复 POST。
图生视频 I2V
输入一张图片并搭配提示词,让静态画面产生镜头运动、角色动作或环境变化。
使用统一端点创建任务
接入检查清单
- 请求构造:传入
model+input_reference+prompt,省略last_frame和reference_images。 - 素材要求:图片清晰、主体明确、遮挡少;Prompt 中说明镜头运动方向和希望保持的元素。
- 图片格式:只接受公网可访问 URL 或完整 Base64 Data URL。不要传本地路径或私有内网 URL。
生产接入建议
轮询退避
从2-5秒开始逐步退避,设置业务超时。
幂等与追踪
保存请求ID和返回的video_id,超时后先查日志。
安全边界
不要在前端暴露 API Token;控制公网 URL 有效期。
参考图生视频 R2V
参考图作为主体、商品、风格或构图的一致性约束,生成符合参考特征的新视频。重点是降低生成过程中的主体与风格漂移。
使用统一端点创建任务
接入检查清单
- 请求构造:传入
model+reference_images+prompt,省略last_frame。 - 图片数量:HappyHorse 支持 1-9 张参考图;Vidu 不支持参考图生视频。
- Prompt 技巧:用 [Image 1]、[Image 2] 引用参考图顺序,说明哪些元素必须一致、哪些可以变化。
关键区别
I2V 重点是让输入图动起来;R2V 重点是参考输入图的特征,生成仍保持一致性的新画面。
首尾帧生视频 FLF2V
同时提供首帧和尾帧,由模型补全从A到B的中间过渡。适合产品转场、姿态变化、Before/After、故事板补间。
使用统一端点创建任务
接入检查清单
- 请求构造:传入
model+input_reference+last_frame+prompt,禁止与reference_images同时传。 - 素材建议:首尾帧主体、风格、构图应尽量连续。若两帧跨度较大,在 Prompt 中补充运动路径。
- 推荐模型:ViduQ3-Pro(质量优先)或 ViduQ3-Turbo(速度优先)。