OpenRouter lança API de geração de vídeo, integrando Sora 2, Veo 3.1 e Seedance

Notícia da ME, 16 de abril (UTC+8), segundo monitoramento da Beating, a plataforma de agregação de modelos de IA OpenRouter lançou oficialmente a API de geração de vídeo, inicialmente suportando texto para vídeo e imagem para vídeo, com integração ao Seedance 2.0/1.5, Veo 3.1, Wan 2.7/2.6 e Sora 2 Pro, com mais modelos a serem adicionados posteriormente. A fragmentação de APIs no campo de geração de vídeo é muito mais grave do que nos modelos de texto: cada fornecedor possui formatos de requisição diferentes, nomenclaturas de parâmetros distintas, unidades de cobrança variadas e, frequentemente, diferentes capacidades dentro da mesma família de modelos (texto para vídeo, imagem para vídeo, geração de personagem de referência) correspondem a endpoints distintos. A abordagem da OpenRouter é criar, na camada superior, um schema unificado que roteia automaticamente a requisição para o endpoint correto com base nos parâmetros fornecidos: se uma imagem for incluída, será usado o endpoint de imagem para vídeo; se um personagem de referência for especificado, será usado o endpoint de consistência de personagem — o desenvolvedor não precisa se preocupar com as diferenças subjacentes. A normalização dos parâmetros também abrange detalhes propensos a erros. Por exemplo, o Veo 3.1 suporta segmentos de 4, 6 e 8 segundos, enquanto o Wan 2.6 suporta 5 ou 10 segundos; enviar uma duração incorreta resulta em erro direto. A OpenRouter oferece um endpoint de consulta de capacidades do modelo `/api/v1/videos/models`, que retorna a resolução, duração, proporção de aspecto, precificação e parâmetros específicos do modelo para cada um; desenvolvedores ou agentes programáticos podem consultar uma única vez antes da chamada para evitar erros por tentativa e erro. Como a geração de vídeo leva minutos, a API opera em modo assíncrono: após submeter o prompt, retorna um ID de tarefa, e o vídeo é recuperado após a conclusão. A OpenRouter também abriu fonte uma aplicação de demonstração de fluxo multimodal que ilustra o processo encadeado: LLM gerando prompts detalhados, modelo de imagem gerando personagens e modelo de vídeo gerando cenas. Este é também o valor mais direto da integração à roteamento unificado: desenvolvedores podem combinar modelos de texto, imagem e vídeo dentro da mesma API, sem precisar integrar separadamente cada SDK. (Fonte: BlockBeats)