Ir al contenido principal
Español— Elegir un idioma
Menú

Imágenes y vídeos en lotes

Lección 9 de 12 Actualizado el 2 de noviembre de 2026 Desarrollador
En esta página
  1. Generación multimodal masiva
  2. Generación de imágenes por lotes
  3. Edición de imágenes por lotes
  4. Generación de vídeos por lotes
  5. Edición y ampliación de vídeo
  6. Uso del SDK de Python
  7. Precios de contenido multimodal
  8. Caducidad de las URL de resultados
  9. Flujo de trabajo multimodal mixto
  10. Puntos clave

Actualizado el 2 de noviembre de 2026 según la documentación de xAI: el descuento por lotes es del 20 % en modelos de texto elegibles (no del 50 %), los ejemplos siguen la API REST y el xai-sdk oficial (client.batch.*; la API de lotes de xAI no utiliza el formato de OpenAI, por lo que el SDK de OpenAI no aplica), y la API de Responses tiene prioridad sobre Chat Completions, un endpoint heredado en xAI. Fuentes: Batch API · REST Reference · Batch Pricing.

Generación multimodal masiva

La API de lotes no se limita al texto. Puedes enviar solicitudes para generar y editar imágenes, así como para generar, editar y ampliar vídeos. Esta capacidad abre la puerta a flujos de trabajo multimodales completos: redactar descripciones y producir sus elementos visuales en una única operación.

Generación de imágenes por lotes

El endpoint /v1/images/generations funciona en modo lote igual que en modo síncrono. Selecciona el formato con aspect_ratio, la definición con resolution ("1k", "1.5k" o "2k") y el número de imágenes con n:

{"custom_id": "img-001", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Minimalist logo for a fintech startup, white background, vector style", "n": 1, "aspect_ratio": "1:1", "resolution": "1k"}}
{"custom_id": "img-002", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Isometric illustration of a datacenter", "n": 1, "aspect_ratio": "16:9", "resolution": "1k"}}

Edición de imágenes por lotes

El endpoint /v1/images/edits modifica una imagen existente, pasada dentro de un objeto image: una url (dirección pública o datos codificados en base64) o el file_id de un archivo subido.

{"custom_id": "edit-001", "method": "POST", "url": "/v1/images/edits", "body": {"model": "grok-imagine-image-2.0", "prompt": "Replace the background with a solid white background", "image": {"url": "https://example.com/photo.jpg"}}}

En modo lote, la edición ayuda a procesar catálogos enteros: homogeneizar fondos, añadir un elemento o aplicar el mismo retoque a cientos de visuales.

Generación de vídeos por lotes

El endpoint /v1/videos/generations (o /v1/videos) genera vídeos de 1 a 15 segundos (duration, 8 por defecto), en resoluciones 480p, 720p o 1080p:

{"custom_id": "vid-001", "method": "POST", "url": "/v1/videos/generations", "body": {"model": "grok-imagine-video-1.5", "prompt": "Smooth animation of a bar chart growing progressively", "duration": 8, "resolution": "720p"}}

El procesamiento de vídeo consume más recursos que el de texto o imágenes, por lo que estas solicitudes pueden tardar más en completarse dentro del lote.

Edición y ampliación de vídeo

El endpoint /v1/videos/edits modifica un vídeo existente, y /v1/videos/extensions lo amplía añadiendo un segmento de 2 a 10 segundos. Pasa el vídeo de origen en un objeto video (URL de un archivo .mp4 o file_id):

{"custom_id": "vid-edit-001", "method": "POST", "url": "/v1/videos/edits", "body": {"model": "grok-imagine-video", "prompt": "Slow down the scene", "video": {"url": "https://example.com/clip.mp4"}}}
{"custom_id": "vid-ext-001", "method": "POST", "url": "/v1/videos/extensions", "body": {"model": "grok-imagine-video", "prompt": "The camera slowly pulls back and reveals a sunset", "video": {"url": "https://example.com/clip.mp4"}, "duration": 6}}

Uso del SDK de Python

El SDK prepara estas solicitudes con métodos dedicados y luego las añade al lote igual que las solicitudes de texto:

from xai_sdk import Client

client = Client()
batch = client.batch.create(batch_name="catalog_visuals")

requetes = [
    client.image.prepare(
        prompt="Product shot of wireless headphones, dark background, studio lighting",
        model="grok-imagine-image-2.0",
        batch_request_id="prod-42-img",
    ),
    client.video.prepare(
        prompt="The headphones rotate slowly on a turntable, dramatic lighting",
        model="grok-imagine-video-1.5",
        batch_request_id="prod-42-vid",
    ),
]
client.batch.add(batch_id=batch.batch_id, batch_requests=requetes)

Precios de contenido multimodal

Punto importante: el descuento por lotes solo se aplica a modelos de texto elegibles. Las imágenes y los vídeos se facturan a la tarifa estándar, incluso en modo lote. A fecha de 2 de noviembre de 2026, el coste es de 0,04 $ por imagen con grok-imagine-image-2.0 (0,02 $ con grok-imagine-image) y de 0,08 $ por segundo de vídeo con grok-imagine-video-1.5 (0,02 $ en la versión -lite, 0,05 $ con grok-imagine-video).

La ventaja de los lotes para contenido multimodal no es el precio, sino la operativa: enviar cientos de generaciones en una única operación, sin tener que gestionar tantas llamadas individuales ni chocar con los límites de tasa.

Caducidad de las URL de resultados

Los resultados de imágenes y vídeos se proporcionan como URL firmadas que caducan tras una hora. Esta es una restricción crítica: descarga los archivos tan pronto como recuperes los resultados.

import mimetypes

import requests


def telecharger_medias(resultats, dossier):
    """Descarga imágenes y vídeos tan pronto como se recuperan los resultados."""
    for r in resultats:
        reponse = r.proto.response
        if reponse.HasField("image_response"):
            url = r.image_response.url
        elif reponse.HasField("video_response"):
            url = r.video_response.url
        else:
            continue  # resultado de texto
        fichier = requests.get(url, timeout=120)
        fichier.raise_for_status()
        type_mime = fichier.headers.get("Content-Type", "").split(";")[0]
        extension = mimetypes.guess_extension(type_mime) or ".bin"
        with open(f"{dossier}/{r.batch_request_id}{extension}", "wb") as f:
            f.write(fichier.content)

Nunca almacenes URL firmadas para usarlas más tarde: guarda los archivos en tu propio almacenamiento (S3, GCS, disco local).

Flujo de trabajo multimodal mixto

Un caso de uso concreto: producir fichas de producto completas, con texto y visual, en el mismo lote:

{"custom_id": "prod-42-desc", "method": "POST", "url": "/v1/responses", "body": {"model": "grok-4.3", "input": "Write a marketing description for a high-end wireless headphone.", "max_output_tokens": 300}}
{"custom_id": "prod-42-img", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Product shot of premium wireless headphones, dark gradient background, studio lighting"}}

Un prefijo común en los identificadores (prod-42-desc, prod-42-img) facilita agrupar los resultados de texto e imagen del mismo producto.

Puntos clave

  • Las imágenes (generación, edición) y los vídeos (generación, edición, ampliación) funcionan en lotes
  • Los parámetros coinciden con la API: aspect_ratio, resolution, objetos image y video
  • Las imágenes y los vídeos mantienen las tarifas estándar, sin descuentos por lotes
  • Las URL firmadas de los resultados caducan al cabo de una hora: descárgalas inmediatamente
  • Un prefijo común en los identificadores agrupa los resultados del mismo producto