黑色星期五充值赠礼
每笔符合条件的充值都可获赠额度,并可与其他优惠叠加。
11月30日截止
交给你的 AI 智能体
把这段提示词复制到 Claude Code、Cursor、Codex 或任何编程智能体中。它会告诉智能体文档在哪里,以及如何使用你的 API 密钥。
Build a pipeline that turns product photos and an ad script into vertical UGC-style video ads with the Lovely Router images, video shots, joins and speech APIs. - Docs (read first): https://lovelyrouter.com/docs/models/images.md and https://lovelyrouter.com/docs/api/video-shots.md and https://lovelyrouter.com/docs/api/audio.md - Images: POST https://lovelyrouter.com/v1/images/edits with the product photos as references. Shots: POST https://lovelyrouter.com/v1/videos/shots (`consent: true`; read the model licence in the docs and tell me if my use or region might not be allowed). Voiceover: POST https://lovelyrouter.com/v1/audio/speech. Join with POST https://lovelyrouter.com/v1/videos/joins. - Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys. - Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large. - Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt. My task: <the product photos, the presenter, the script and the languages>
工作原理
不用影棚也能拍产品
把产品照片作为参考图发给
POST /v1/images/edits,并描述场景:放在浴室搁板上、健身包里、窗边的一只手中。用n一次请求最多要 10 个版本,每张图统一价格。选一个出镜人
用图像 API 画出出镜人的转面图,并保存为角色,免费。给角色配一个声音:用
qwen3-tts根据描述设计一个并保存,或者上传你自己拥有或已获授权的声音。把台词拍成镜头
每个片段都是一个镜头:
POST /v1/videos/shots,提示词里用标签标出出镜人(@Jess),并把台词放在双引号里。返回的镜头带有画面、声音,以及用该角色声音说出的台词。要以产品开场,就把一帧作为场景发过去,并说明镜头从它开始。拼接成片
POST /v1/videos/joins把最多 50 个同尺寸的成品镜头按顺序拼在一起,每个镜头保留自己的声音,免费。之后要加的东西(字幕、音乐、logo 片尾)在你自己的剪辑器里完成。
请求示例
先做产品图,用指向 https://lovelyrouter.com/v1 的 OpenAI SDK:
import base64
import os
from openai import OpenAI
client = OpenAI(base_url="https://lovelyrouter.com/v1", api_key=os.environ["LOVELY_API_KEY"])
result = client.images.edit(
model="gpt-image-2.5-flare",
image=[open("serum.png", "rb")],
prompt="The serum bottle from the image on a sunlit bathroom shelf next to a folded towel, phone-camera look, vertical",
size="1024x1536",
n=4,
)
for i, image in enumerate(result.data):
with open(f"serum-{i + 1}.png", "wb") as f:
f.write(base64.b64decode(image.b64_json))然后是一个镜头:出镜人是一个已保存的角色,开场帧(例如把你的一张产品图配上出镜人的转面图作为第二张参考图来编辑)作为场景发送。
curl "https://lovelyrouter.com/v1/videos/shots?wait=300" \
-H "Authorization: Bearer $LOVELY_API_KEY" \
-H "content-type: application/json" \
-d '{
"model": "minimax-h3-video",
"consent": true,
"size": "9:16",
"seconds": 10,
"prompt": "The shot opens exactly on @[Opening frame] as its first frame. @Jess picks up the bottle, holds it to the camera and says: \"Okay, this is the one I keep telling you about.\"",
"characters": ["chr_3b9e1f0c7a2d4e58b6c1a9f2"],
"scenes": [{"name": "Opening frame", "image": "https://example.com/jess-with-serum.png"}]
}'用同样的方式做其他台词,然后用 POST /v1/videos/joins 和 {"shots": ["shot_…", "shot_…", "shot_…"]} 把它们拼起来。视频镜头参考里讲了轮询、标签和错误。
哪个部分由哪个 API 生成
| 广告的组成部分 | 由谁生成 | 说明 |
|---|---|---|
| 产品图和开场帧 | 图像 API:gpt-image-2、gpt-image-2.5-flare、gpt-image-2.5-sunburst | 每次编辑最多 16 张参考图,n 最大 10,最高 3840×2160 |
| 出镜人的外形 | 图像 API 生成的转面图,用 POST /v1/characters(sheet_image_job)保存 | 保存免费,每个账户最多 100 个 |
| 出镜人的声音 | 用 qwen3-tts 设计的声音,通过 POST /v1/audio/voices 保存;或上传已获同意的样本 | 作为 voice_id 关联到角色 |
| 说话片段 | 用 minimax-h3-video 的视频镜头 | 每个 5–15 秒,9:16、16:9 或 1:1,含声音和对话 |
| 你自己素材里的出镜人 | 用 mode: "face" 的角色替换 | 只拍一次,按市场替换出镜人的头部;手、衣服和产品保持实拍原样 |
| 单独的配音 | 文本转语音 | 一个音频文件;由你自己混到视频上 |
| 最终成片 | POST /v1/videos/joins,免费 | 按顺序拼接镜头;不含字幕、音乐或叠加层 |
你仍然要做的事
镜头会一字不差地说出你放在引号里的词。广告承诺了什么,由你负责。
生成的图像或镜头可能改动小细节:标签文字、瓶盖、液体颜色。发布前把每一帧和真实产品对照,把跑偏的重新生成。
拼接给你的是一个带各镜头原声的 mp4。字幕、音乐、配音混音、你的 logo 和片尾,要在你的剪辑器里或用你自己的 ffmpeg 步骤完成。
在广告投放的每个地方都说明出镜人是 AI 生成的,遵守广告平台的规则,绝不要把生成的出镜人当作真实顾客或真实评价。
视频模型受 MiniMax H3 条款约束,每个请求都用 consent: true 表示接受。它们不允许在欧盟、英国、韩国或美国使用。
费用
| 部分 | 价格 |
|---|---|
| 产品图、转面图和帧 | 每张图 $0.04,任意尺寸,生成和编辑同价 |
| 视频镜头 | 每渲染一秒 $0.13(含一张图),每多一张图每秒加 $0.06 |
| 拼接、保存的角色、保存的声音 | 免费 |
| 声音设计和配音 | 每分钟音频 $0.036 |
| 角色替换 | 每替换一秒 $0.2 |
一条 30 秒的广告由三个 10 秒镜头组成,每个镜头都带出镜人和一个开场帧(两张图),每个镜头渲染 10.13 秒,视频约 $5.77,再加上几张每张 $0.04 的图。当一个镜头里有两个或更多角色时,一次简短的 chat 调用会在提示词里点名每个人,并按普通 chat 请求计费。镜头提交时从你的预付余额中预留,完成时扣费;失败的镜头不收费。所有价格都在定价页。
常见问题
整条广告是一次调用生成的吗?+
不是。每个部分都是独立的请求:产品图用图像,每个片段用一个镜头,成片用一次拼接。这样每一步都可以检查,你只需要重新生成出错的那部分。
出镜人真的会说话吗?+
会。镜头提示词里双引号中的词,会由它前面标签标出的角色说出,如果该角色有保存的声音就用那个声音,声音由视频模型生成。
我的产品会和真品一模一样吗?+
接近,但要检查。参考图能很好地保持形状和颜色,但小字和细节可能变化。把每一帧和真实产品对比,把跑偏的重新生成。
我可以用自己的素材代替生成的出镜人吗?+
可以。自己拍广告,然后用角色替换换掉出镜人,可以换整个人,也可以只换头部。动作、机位、剪辑和声音都保留。
能通过 API 加音乐和字幕吗?+
不能。拼接只是把镜头连同各自的声音放在一起。音乐、字幕、叠加层和单独的配音要在你的剪辑器里加。
这些广告可以投在哪里?+
遵守广告平台的规则和模型的条款。MiniMax H3 条款不允许在欧盟、英国、韩国或美国使用,每个生成的出镜人都应披露为 AI。
AI 智能体能搭这条流水线吗?+
可以。把本页的提示词复制到 Claude Code、Cursor 或 Codex:它会读取 Markdown 文档,并用你的密钥写出图像、镜头和拼接调用。