Rozszerzanie wideo za pomocą /v1/videos/extensions
Na tej stronie
Lekcja zaktualizowana 2 listopada 2026 r. na podstawie dokumentacji API wideo xAI: rozszerzenie otrzymuje wideo w obiekcie
video({"url": ...}), dokładnie tak jak edycja – poprzedni tekst twierdził co innego – wynik odczytuje się zvideo.url, a źródło jest ograniczone do 15 sekund. Źródła: Video Extension · Video Reference.
Rozszerzanie istniejącego wideo
Podczas gdy edycja przekształca sekwencję bez zmiany jej długości, rozszerzanie działa dokładnie odwrotnie: wydłuża wideo poprzez wygenerowanie kontynuacji spójnej z tym, co było wcześniej. Rozwiązuje to najczęstszy problem w generowaniu wideo – udany klip, który jest zbyt krótki, lub scena, która zasługuje na rozwinięcie poza początkowy czas trwania. Zamiast generować wszystko od nowa i mieć nadzieję na odtworzenie tego samego wyglądu, zaczynasz od tego, co istnieje, i kontynuujesz.
Punkt końcowy POST /v1/videos/extensions
Żądanie przypomina żądanie generowania, z dodanym wideo startowym.
{
"model": "grok-imagine-video",
"prompt": "Continue the scene with a zoom out revealing the full landscape",
"video": {"url": "https://exemple.com/video-courte.mp4"},
"duration": 5
}
Pole model pozostaje ustawione na grok-imagine-video, prompt opisuje, co powinno się wydarzyć w kontynuacji, obiekt video określa wideo do rozszerzenia (adres url lub file_id przesłanego pliku, dla źródła od 2 do 15 sekund), a duration ustawia długość rozszerzenia od 2 do 10 sekund – domyślnie jest to 6 sekund. W przeciwieństwie do edycji, tutaj odzyskujesz kontrolę nad czasem trwania. Zwracane wideo zawiera oryginał, a po nim rozszerzenie: źródło 10-sekundowe rozszerzone o 5 sekund daje wideo 15-sekundowe.
Poniższa tabela podsumowuje różnice między tymi dwoma punktami końcowymi, ponieważ często dochodzi do pomyłek.
| Aspekt | Edycja (/edits) | Rozszerzanie (/extensions) |
|---|---|---|
| Cel | Modyfikacja treści | Dodanie czasu trwania |
| Parametr wideo | Obiekt video (url lub file_id) | Obiekt video (url lub file_id) |
| Czas trwania źródła | Maks. 8,7 s | Od 2 do 15 s |
| Czas trwania wyjścia | Taki sam jak źródło (Maks. 720p) | Źródło + od 2 do 10 s |
| Treść oryginalna | Modyfikuje | Zachowuje |
Oba punkty końcowe REST API otrzymują wideo w ten sam sposób, w obiekcie video z właściwością url. Python SDK przyjmuje je jednak jako parametr video_url: nie kopiuj tej nazwy parametru do treści JSON, ponieważ API jej nie rozpozna. Tym, co naprawdę odróżnia te dwa punkty końcowe, jest czas trwania.
Trzy sposoby na kontynuację sceny
Najprostszy przypadek polega na pozwoleniu, aby to, co już się dzieje, trwało dalej. Prompt podejmuje bieżącą akcję i rozszerza ją bez przerwy.
{
"model": "grok-imagine-video",
"prompt": "The character continues walking along the beach, waves rolling gently",
"video": {"url": "https://exemple.com/promenade.mp4"},
"duration": 6
}
Możesz również wprowadzić zmianę, czyli dodać nowy element lub zmodyfikować kierunek widoku. Nadaje to sekwencji narracyjny postęp.
{
"model": "grok-imagine-video",
"prompt": "The camera pivots right revealing a lighthouse in the distance, the lighthouse beam starts to rotate",
"video": {"url": "https://exemple.com/plage.mp4"},
"duration": 8
}
Trzeci przypadek użycia to zakończenie: krótkie rozszerzenie, które czysto zamyka sekwencję, często z wygaszaniem.
{
"model": "grok-imagine-video",
"prompt": "The scene ends with a gradual fade to black, the last glimmers of sunlight disappear on the horizon",
"video": {"url": "https://exemple.com/coucher-soleil.mp4"},
"duration": 4
}
Łączenie rozszerzeń w celu zbudowania sekwencji
Nic nie stoi na przeszkodzie, aby rozszerzać wideo wielokrotnie z rzędu. Każde rozszerzenie produkuje nowe wideo, którego adres URL może posłużyć jako źródło dla kolejnego rozszerzenia, pozwalając zbudować długą sekwencję poprzez successive segmenty, z których każdy jest sterowany własnym promptem. Poniższy skrypt łączy trzy rozszerzenia, ponownie wprowadzając uzyskany adres URL na każdym etapie.
import httpx
import time
api_key = "your_key"
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
def attendre_video(request_id):
"""Poll status until completion."""
while True:
resp = httpx.get(
f"https://api.x.ai/v1/videos/{request_id}",
headers=headers
).json()
if resp["status"] == "done":
return resp["video"]["url"]
if resp["status"] == "failed":
raise RuntimeError(f"Generation failed: {resp.get('error')}")
time.sleep(5)
# Base video
video_url = "https://exemple.com/video-initiale.mp4"
# Chain 3 extensions
prompts = [
"The character crosses the bridge, profile view",
"He stops in the middle and looks at the river below",
"He resumes walking toward the other bank, the camera follows"
]
for prompt in prompts:
resp = httpx.post(
"https://api.x.ai/v1/videos/extensions",
headers=headers,
json={
"model": "grok-imagine-video",
"prompt": prompt,
"video": {"url": video_url},
"duration": 5
}
).json()
video_url = attendre_video(resp["request_id"])
print(f"Extension complete: {video_url}")
Ta elegancja ma swoją cenę, dosłownie i w przenośni. Każde rozszerzenie jest rozliczane osobno. Źródło nie może przekroczyć 15 sekund, co ogranicza łańcuch: zaczynając od 5 sekund, sekwencja osiąga 20 sekund po trzech 5-sekundowych rozszerzeniach, a czwarte zostanie odrzucone. Spójność wizualna pogarsza się na kolejnych ogniwach, ponieważ każdy krok opiera się na już zinterpretowanym wyniku: poza trzema lub czterema połączonymi rozszerzeniami widoczne stają się dryfy kolorów i morfologii. I jak wszędzie w tym API, adresy URL są tymczasowe – pobierz każdą wersję pośrednią, w przeciwnym razie awaria na końcu łańcucha zmusi cię do rozpoczęcia wszystkiego od początku.
Duety: generowanie, a następnie rozszerzanie
Najczęstszy wzorzec w produkcji łączy oba punkty końcowe. Najpierw generujesz krótką, 3-sekundową bazę z bardzo precyzyjnym promptem, używając POST /v1/videos/generations, co pozwala iterować nad estetyką startową przy niższym koszcie. Następnie dodajesz 5 sekund rozwoju poprzez POST /v1/videos/extensions, a potem 4 sekundy zakończenia poprzez drugie wywołanie tego samego punktu końcowego. Wynikiem jest 12-sekundowe wideo budowane segment po segmencie, gdzie każda część została zwalidowana przed przejściem do kolejnej – kontrola, której nie oferowałoby żadne pojedyncze generowanie 12-sekundowe.
Kluczowe wnioski
- Rozszerzanie wydłuża wideo trwające od 2 do 15 sekund o segment od 2 do 10 sekund (domyślnie 6) i zwraca kompletne wideo
- Wideo źródłowe umieszcza się w obiekcie
video(urllubfile_id), tak jak przy edycji; Python SDK przyjmuje je jakovideo_url - Łączenie pozwala tworzyć długie sekwencje krok po kroku
- Spójność pogarsza się po więcej niż 3-4 kolejnych rozszerzeniach
- Połącz początkowe generowanie z rozszerzeniami, aby uzyskać precyzyjną kontrolę nad treścią