Documentación

APIs de imagen, video y voz en la documentación de NexoRouter.

APIs de imagen, video y voz

Estado: Endpoints públicos estables para los IDs multimedia devueltos por GET /v1/models.

Las solicitudes multimedia usan la misma API key de NexoRouter, saldo prepago, Usage Logs e IDs de request que las solicitudes de chat. Las páginas Modelos y Precios muestran el endpoint y la unidad de cobro de cada modelo.

Generar una imagen

curl https://api.nexorouter.com/v1/images/generations \
  -H "Authorization: Bearer $NEXOROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen-Image",
    "prompt": "Una foto limpia de producto en estudio con fondo blanco",
    "n": 1,
    "size": "1024x1024"
  }'

Los modelos de edición también requieren image como URL pública o data URL en Base64. El lanzamiento público inicial requiere n: 1 para autorizar el precio completo antes de generar.

Generar un video

curl https://api.nexorouter.com/v1/videos \
  -H "Authorization: Bearer $NEXOROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "sora-2",
    "prompt": "Una toma aérea lenta de una ciudad costera al amanecer",
    "seconds": "4",
    "size": "1280x720"
  }'

La respuesta contiene un ID público de tarea. Consulta su estado con la misma API key:

curl https://api.nexorouter.com/v1/videos/TASK_ID \
  -H "Authorization: Bearer $NEXOROUTER_API_KEY"

Los IDs de tarea solo son accesibles por el usuario que los creó. Descarga el resultado completado desde GET /v1/videos/TASK_ID/content con la misma clave API.

El modelo Sora público actual admite solicitudes de texto a video de 4, 8 y 12 segundos en 720x1280 o 1280x720. La página Modelos muestra su precio por segundo.

Generar voz

curl https://api.nexorouter.com/v1/audio/speech \
  -H "Authorization: Bearer $NEXOROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "IndexTeam/IndexTTS-2",
    "input": "Tu pedido está listo.",
    "voice": "jack_cheng",
    "response_format": "wav"
  }' \
  --output speech.wav

La síntesis de voz se factura por caracteres Unicode de entrada. Cada solicitud acepta hasta 5.000 caracteres.

Límites y errores

  • La creación multimedia está limitada a 5 solicitudes por minuto por API key, con un límite de seguridad compartido de 20 solicitudes por minuto por IP de cliente. Las keys no válidas se rechazan antes de subir el body al gateway de modelos.
  • El cuerpo de la solicitud está limitado a 20 MB.
  • Los prompts de imagen y video están limitados a 10.000 caracteres Unicode.
  • TTS devuelve actualmente una respuesta de audio normal. Se rechaza stream_format: "sse" hasta que exista liquidación por caracteres para streaming.
  • Un modelo usado en el endpoint incorrecto devuelve model_endpoint_mismatch.
  • Un modelo upstream sin precio público confirmado devuelve model_not_for_public_sale antes de iniciar una generación.
  • Los fallos upstream usan el formato de error estándar de NexoRouter y aparecen en Usage Logs.

Páginas relacionadas

APIs de imagen, video y voz — NexoRouter