Janvia

接口

模型与参数

查询在售模型和价格,以及图片、视频、音频任务的 input 参数。

模型列表

GET /v1/models 是公开接口,不需要密钥。它返回所有在售模型:模型 ID、类型、参数限制 constraints、默认值 defaults,以及每条线路的价格。

constraints 里标了 "ignored": true 的参数可以传,但对这个模型不起作用,比如 Nano Banana 的 quality、output_format 和 seed。

curl https://api.janvia.io/v1/models

每条线路的 pricing 是一个列表,按顺序取第一条条件匹配的价格。per 是计价单位:

  • call:每次请求。
  • image:每张图,乘以 count。
  • second:每秒,乘以 duration。
  • kchar:语音文本每 1000 个字符(不足 1000 按 1000 算)。
  • token:按 token 计价,token_rates_usd 给出文本输入、图片输入、输出三项每百万 token 的美元价格。提交时按模型的 token_estimate(每张图的输出 token 按参数取第一条匹配的,加上每张参考图的输入 token)预估扣费,完成后按实际用量结算,见 计费与退款。有的线路上游不按画质或尺寸出图,它的价格档会带自己的 token_estimate,以它为准。

价格档带 "upscaled": true 表示该线路先以较低分辨率生成,再把图片放大到所请求的分辨率,不是原生输出。

各模型具体支持哪些值,以 模型页 的「参数」为准。参数组合没有线路支持时,返回 400 unsupported_parameters。

图片

字段说明
prompt要生成的内容,必填。
negative_prompt不希望出现的内容。
image_urls参考图或要编辑的原图:http(s) 链接或 base64 data URL。
resolution输出尺寸:1K、2K 或 4K。
aspect_ratio宽高比,如 1:1、16:9、9:16,每个模型可选的比例不同。auto 跟随第一张参考图:GPT Image 按参考图的实际形状出图(最宽或最高 3:1),其他模型取最接近的可选比例;没有参考图时为 1:1。1:4、1:8 这类超长比例只在明确选择时使用,超长竖图可能拼成几张小图。
count每个任务生成几张,1–4,按张计价。
qualityauto、low、medium 或 high。只对 GPT Image 有效(按画质分档计价),Nano Banana 会忽略。
output_formatpng、jpeg 或 webp;GPT Image 2.6 还可以选 gif(动图)和 svg(矢量图,只能文生图)。Nano Banana 会忽略(出图基本都是 JPEG);GPT Image 在 express、adobe 线路上,png、jpeg、webp 不管要哪种都出 PNG。express、adobe、plus 线路不支持 svg,adobe 不支持用参考图生成 GIF,这类任务会交给你选的其他线路。每个文件的实际格式以返回的 mime_type 为准;SVG 链接直接打开时会下载。
frame_count只用于 GIF:帧数,2–16(不填为 9)。express、plus 线路固定出 9 帧、每帧 200 毫秒,填了别的帧数或时长就不走这两条线路。
frame_duration_ms只用于 GIF:每帧多少毫秒,20–2000(不填为 200)。GIF 每帧的尺寸由模型决定,所以分辨率要用 1K、宽高比要用 auto。
backgroundauto、opaque(不透明)或 transparent(透明)。只有 GPT Image 2.6 支持。透明背景要用 png 或 webp 格式;express、plus 线路不支持透明背景,这类任务会交给你选的其他线路。
seed固定种子,便于复现结果。Nano Banana 会忽略。

视频

字段说明
prompt视频内容描述,必填;replace 模式下选填,作为额外指示(最多 2000 字)。
modet2v 文生视频,i2v 首帧生视频,first_last 首尾帧,last_frame 只给尾帧,r2v 参考生视频(参考图、参考视频或参考音频),replace 动作换人(一张人物图按一段动作视频动起来),upscale 把之前任务的视频放大到两倍分辨率。不传时按输入推断;last_frame 和 replace 要明确指定。
task_idupscale 模式:要超分的、你自己已完成任务的 ID(29 天内,未做过超分)。时长和分辨率取自该任务,并按它计价。
image_urls图片:i2v 和 last_frame 传一张,first_last 两张,r2v 传参考图,replace 传人物图。
video_urlsr2v 的参考视频,或 replace 的动作视频:MP4,http(s) 链接或 base64 data URL。
audio_urlsr2v 模式的参考音频:MP3 或 WAV,http(s) 链接或 base64 data URL。
motion_startreplace 模式:从动作视频的第几秒开始,单位秒。从这里往后的长度要够整个时长。
tier生成档位:fast、standard、enhanced 或 quality。档位越高画质越好,每秒价格越高。
duration时长(秒)。多数模型按秒计价。
resolution480p、720p、768p、1080p 或 4k。
aspect_ratio如 16:9、9:16、1:1、adaptive。
upscalenone 或 2x:把成片放大到两倍分辨率,每秒另加费用。不是每个档位、模型、模式都支持。
turbo加速生成,生成部分加价 30%。尽力而为:上游没有余量时按普通速度跑,任务完成时退回差价。
enhance_prompt生成前让模型改写提示词。replace 模式总会改写。
keep_video_audio用参考视频自带的声音,不另外生成。需要传参考视频。
audio生成声音(模型支持时)。
seed固定种子,便于复现结果。

视频模式和输入要对得上:t2v 什么都不传,i2v 一张图(首帧),first_last 两张(首帧、尾帧),last_frame 一张(尾帧),r2v 传一个或多个参考图、参考视频(video_urls)或参考音频(audio_urls),replace 动作换人:一张人物图加 video_urls 里的一段动作视频,图里的人按视频的动作动起来。不传 mode 时自动推断:带了参考视频或音频就是 r2v,否则按图片数量定;last_frame 和 replace 要明确指定。replace 模式下提示词选填,motion_start 指定从动作视频的第几秒开始,往后的长度要够整个 duration。

参考视频用 MP4,参考音频用 MP3 或 WAV,可以是 http(s) 链接(每个不超过 100 MB)或 base64 data URL;上传接口 只收图片。keep_video_audio 沿用参考视频的原声,enhance_prompt 让模型先改写提示词。

按 tier 计价的模型(MiniMax H3)档位越高每秒越贵,成片都带声音。upscale: "2x" 把成片放大到两倍分辨率,每秒另加费用;turbo: true 加速生成,价格更高。Turbo 是尽力而为:上游没有余量时按普通速度跑,任务完成时退回差价。模型跑不了的组合(比如 enhanced 档配 2x)提交时直接拒绝,不扣费。

upscale 模式不生成新视频,而是把已有的成片放大:给支持超分的模型(minimax-h3-upscale)传 task_id,即你自己已完成任务的 ID(29 天内,没做过超分)。任务沿用源任务的时长和分辨率,也按它们计价。

音频

字段说明
kindspeech(语音)或 music(音乐),必填。
text语音:要朗读的文本,语音必填。
voice语音:音色 ID。
speed语音:语速 0.5–2。
format语音:mp3 或 wav。
prompt音乐:歌曲描述。音乐需要描述或歌词之一。
lyrics音乐:自定义歌词。
title音乐:歌名。
tags音乐:风格标签。
instrumental音乐:纯音乐,没有人声。

图片输入

image_urls 可以填 http(s) 地址,也可以填 base64 data URL(如 data:image/png;base64,...)。单张 base64 图片约 10 MB 以内,整个请求体不超过 30 MB。本地图片建议先用 文件上传 换成地址再传,请求更小,也更快。