OpenRouter lance son API de génération vidéo, intégrant Sora 2, Veo 3.1 et Seedance

Selon les nouvelles de ME, le 16 avril (UTC+8), selon le suivi de Beating, la plateforme d'agrégation de modèles d'IA OpenRouter a officiellement lancé son API de génération vidéo, soutenant initialement la génération vidéo à partir de texte et d'images, avec l'intégration de Seedance 2.0/1.5, Veo 3.1, Wan 2.7/2.6 et Sora 2 Pro, et prévoyant d'ajouter davantage de modèles ultérieurement. La fragmentation des API dans le domaine de la génération vidéo est bien plus importante que celle des modèles textuels : chaque fournisseur utilise des formats de requête différents, des noms de paramètres différents, des unités de facturation différentes, et même différentes extrémités pour les capacités variées au sein d'une même famille de modèles (texte-à-véo, image-à-véo, génération de personnage de référence). La méthode d'OpenRouter consiste à créer une structure unifiée en couche supérieure, qui achemine automatiquement les requêtes vers le bon point de terminaison en fonction des paramètres fournis : si une image est incluse, la requête est dirigée vers l'API image-à-véo ; si un personnage de référence est spécifié, elle est acheminée vers le point de terminaison de cohérence du personnage — le développeur n'a pas besoin de s'occuper des différences sous-jacentes. La normalisation des paramètres couvre également des détails souvent sources d'erreurs. Par exemple, Veo 3.1 prend en charge des clips de 4, 6 ou 8 secondes, tandis que Wan 2.6 ne supporte que 5 ou 10 secondes ; une durée incorrecte entraîne une erreur directe. OpenRouter propose un point de terminaison de consultation des capacités du modèle `/api/v1/videos/models`, qui retourne pour chaque modèle les résolutions prises en charge, les durées, les rapports d'aspect, les tarifs et les paramètres spécifiques au modèle ; un seul appel avant l'utilisation par le développeur ou un agent programmé suffit à éviter les essais-erreurs. Étant donné que la génération vidéo prend plusieurs minutes, l'API utilise un mode asynchrone : après soumission du prompt, un ID de tâche est retourné, et la vidéo est récupérée une fois le traitement terminé. OpenRouter a également open-sourcé une application de démonstration de flux multimodal, illustrant le processus en chaîne où un LLM génère des prompts détaillés, un modèle d'image crée un personnage, puis un modèle vidéo génère la scène. C'est là la valeur la plus directe offerte par l'intégration unifiée à la passerelle : les développeurs peuvent combiner des modèles textuels, d'images et vidéo au sein d'une même API, sans avoir à intégrer séparément chaque SDK. (Source : BlockBeats)