DE ▾

Unfiltered Video API-Text: Ein LLM-Workflow für Skripte

Wenn du nach unfiltered video api text gesucht hast, ist die sinnvolle Aufteilung folgende: Dein Renderer erzeugt die Pixel, und eine Text-LLM-API schreibt alles darum herum, von Skripten und Shot-Listen bis hin zu Untertiteln und Beschreibungen. Dieser Leitfaden baut diese Textseite auf einem OpenAI-kompatiblen Endpunkt auf.

Aktualisiert

Filmstreifen, der in fließende Textblöcke in einem Terminal übergeht, zur Veranschaulichung eines LLM-Text-Workflows für Videos

Wichtige Punkte

  • Die API ist textbasiert. Sie schreibt Skripte, Shot-Listen, Untertitel und Beschreibungen; sie rendert keine Videos, Bilder oder Audio.
  • Streaming gibt dir einen Skriptentwurf, während er geschrieben wird, und der JSON-Modus liefert dir eine Shot-Liste, die dein Code parsen kann.
  • Das 100.000-Token-Kontextfenster fasst ein langes Transkript und deine Anweisungen in einer einzigen Anfrage.
  • Eine vollständige Textdurchlauf für ein Video kostet einen Bruchteil eines Cents bei $0,15 und $0,50 pro 1M Token.

Wo Text in einer Videopipeline passt

Die API dieser Seite generiert kein Video. Sie ist textbasiert: keine Bild-, Audio- oder Videoausgabe, keine Embeddings, kein Fine-Tuning. Das ist wichtig, weil der Begriff auf zwei Arten gelesen wird. Manche wollen ein Modell, das Clips rendert, dafür brauchst du ein separates Videomodell. Andere haben bereits einen Renderer, eine Bibliothek oder einen Editor und brauchen ein LLM, das den umgebenden Text schreibt, ohne bei Themen abzulehnen, die rechtlich sind, aber unangenehm sein können: Horror-Skripte, True-Crime-Nacherzählungen, dunkle Komödie, Sprecher zu Kriegsdokumentationen, erwachsene Fiktion für Erwachsene.

Die zweite Gruppe ist die Zielgruppe dieses Artikels. In der Praxis teilt sich die Textarbeit rund um ein Video in vier Aufgaben:

  • Skripterstellung. Wandle einen Entwurf oder einen Haufen Notizen in eine Erzählung mit einer konsistenten Stimme um.
  • Storyboard-Listen. Teile ein Skript in Szenen auf, jede mit einer Dauer, einer visuellen Beschreibung und einer Erzählzeile, als JSON, das dein Editing-Code lesen kann.
  • Untertitel und Untertitel-Bereinigung. Korrigiere Zeichensetzung und Sprecherkennzeichnungen in einem rohen Transkript oder schreibe On-Screen-Text.
  • Titel, Beschreibungen und Tags. Kurze Ausgaben, viele davon, genau dort, wo die tokenbasierte Abrechnung dir zugutekommt.

Das Modell hinter dem Endpunkt ist ein Open-Weight-Modell, das von einem unabhängigen Anbieter betrieben wird und darauf abgestimmt ist, ohne Inhaltsverweigerung für die rechtmäßige Nutzung durch Erwachsene zu antworten. Es ist kein Router über Anbieter hinweg und nicht die offizielle API eines anderen Modells. Eine harte Grenze gilt: keine sexuellen Inhalte mit Minderjährigen. Wenn du noch entscheidest, wie die Audio- und Videohälften deiner Stack zusammenpassen, behandelt die Seite zu Video-Pipelines die Aufgabenteilung.

Client verbinden

Der Endpunkt spricht das OpenAI-Chat-Vervollständigungsformat, daher funktioniert jedes OpenAI SDK nach dem Ändern von zwei Werten: der Base URL und des Schlüssels. Die Modell-ID ist uncensored, und die Authentifizierung erfolgt über ein Standard-Bearer-Token. Es gibt zwei Methoden: POST /v1/chat/completions und GET /v1/models.

from openai import OpenAI
import os

client = OpenAI(api_key=os.environ["API_KEY"], base_url="https://api.unfilteredvideo.com/v1")

# sanity check: the model list should include "uncensored"
print([m.id for m in client.models.list().data])
MODEL = "uncensored"

Wenn du die Shell bevorzugst, ist dieselbe Überprüfung eine einzige Anfrage:

curl https://api.unfilteredvideo.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Write a two-line cold open for a ghost-story video."}]}'

Du kannst einen Schlüssel auf der API-Schlüssel-Seite erhalten. Neue Konten können $0,50 kostenloses Testguthaben mit einem Klick beanspruchen, gültig für 7 Tage und ohne Kreditkarte, was für alles untenstehende ausreicht.

Schritt 1: Skriptentwurf streamen

Ein Skript ist die längste Ausgabe in der Pipeline, also ist das Streaming hier am sinnvollsten. Mit stream: true sendet der Server Token über SSE, sobald sie produziert werden, und die Nutzungszahlen kommen am Ende des Streams an. Dein Editor-Tool kann den wachsenden Entwurf anzeigen, anstatt für die gesamte Generierung zu frieren.

from openai import OpenAI
import os

client = OpenAI(api_key=os.environ["API_KEY"], base_url="https://api.unfilteredvideo.com/v1")

outline = """Cold open: abandoned lighthouse at night.
Act 1: the keeper's logbook, last entry torn out.
Act 2: the tide table that does not match the moon.
Close: the lamp turns on by itself."""

stream = client.chat.completions.create(
    model="uncensored",
    stream=True,
    temperature=0.9,
    messages=[
        {"role": "system", "content": "You write narration for short horror videos. Second person, present tense, about 90 seconds spoken."},
        {"role": "user", "content": outline},
    ],
)

script = []
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        piece = chunk.choices[0].delta.content
        script.append(piece)
        print(piece, end="", flush=True)
    if getattr(chunk, "usage", None):
        print("\n\ntokens:", chunk.usage.prompt_tokens, chunk.usage.completion_tokens)

script = "".join(script)

Zwei Details sind leicht zu übersehen. Erstens kann der letzte Chunk Nutzungsinformationen enthalten, aber keine Choices, weshalb die Schleife chunk.choices überprüft, bevor indiziert wird. Zweitens hält eine gestreamte Anfrage ihren Concurrency-Slot, bis der Stream endet. Wenn dein Tool Nutzern erlaubt, mehrere Entwürfe gleichzeitig zu starten, zähle jeden offenen Stream gegen dein Limit.

Die Stimme ist das, was über eine Serie hinweg variiert. Lege die Regeln des Kanals in die Systemnachricht und halte sie fest: Erzählerperson und -zeit, Satzlänge, zu vermeidende Wörter, wie ein Cold Open enden soll. Füge eine kurze Liste von Dingen hinzu, die das Skript niemals tun darf, wie das frühe Erklären des Twists. Eine stabile Systemnachricht macht auch deine Token-Zählungen von einem Video zum nächsten vorhersehbar, was beim Budgetieren hilft.

Für wiederholbare Entwürfe während du einen Prompt anpasst, übergebe seed mit einem festen Wert und einem niedrigeren temperature. Für einen ersten kreativen Durchlauf gibt eine Temperatur von 0,8 bis 1,0 lockerere, lebendigere Erzählung, und du kannst sie senken, wenn du polstest.

Schritt 2: Das Skript in eine Storyboard-Liste umwandeln

Editing-Code braucht Struktur, keine Absätze. Der JSON-Modus bittet das Modell, ein einzelnes JSON-Objekt zurückzugeben, und du aktivierst es mit response_format. Sage auch das Wort JSON in deinem Prompt und beschreibe die gewünschte Form; die beiden zusammen halten die Ausgabe in der Form.

import json, os
from openai import OpenAI

client = OpenAI(api_key=os.environ["API_KEY"], base_url="https://api.unfilteredvideo.com/v1")

def shot_list(script_text):
    resp = client.chat.completions.create(
        model="uncensored",
        response_format={"type": "json_object"},
        temperature=0.3,
        messages=[
            {"role": "system", "content": (
                "Return JSON only: {\"shots\": [{\"n\": int, \"seconds\": number, "
                "\"visual\": string, \"narration\": string}]}. "
                "Keep each shot between 3 and 8 seconds."
            )},
            {"role": "user", "content": script_text},
        ],
    )
    data = json.loads(resp.choices[0].message.content)
    return data["shots"]

for s in shot_list(script):
    print(s["n"], s["seconds"], s["visual"][:60])

Der JSON-Modus macht schlechte Ausgaben selten, aber nicht unmöglich. Verpacke json.loads in einen try-Block, wiederhole einmal mit niedrigerer Temperatur und validiere die Felder, von denen du abhängst. Eine Storyboard-Liste mit einem fehlenden seconds-Wert wird eine Timeline lauter zum Scheitern bringen als ein etwas ungeschickter Satz.

Übergebe die visual-Strings an das Tool, das deine Footage generiert oder auswählt. Da das Modell nicht gebeten wird, vorsichtig bezüglich des Themas zu sein, kommen Beschreibungen düsterer oder angespannter Szenen als geschriebene Kurzfassungen zurück, statt als höfliche Ablehnungen. Behalte deinen eigenen Überprüfungsschritt in der Schleife für alles, was du veröffentlichst.

Schritt 3: Untertitel und Beschreibungen aus einem langen Transkript

Das Kontextfenster umfasst 100.000 Token, Prompt und Completion zusammen. Für Textarbeit im Video ist das großzügig: Ein langes Interviewtranskript, dein Kanal-Stilguide und drei Beispielbeschreibungen passen in eine Anfrage, sodass du nicht aufteilen und zusammenfügen musst, wie du es bei einem kleinen Fenster tun würdest. Prüfe die tatsächliche Größe über das usage-Feld, statt zu raten, und lass Platz für die Ausgabe.

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  apiKey: process.env.API_KEY,
  baseURL: "https://api.unfilteredvideo.com/v1",
});

const transcript = fs.readFileSync("interview.txt", "utf8");

const res = await client.chat.completions.create({
  model: "uncensored",
  temperature: 0.4,
  messages: [
    { role: "system", content: "You write video metadata. Reply with a title under 70 characters, a 3 sentence description, and 8 tags separated by commas." },
    { role: "user", content: transcript },
  ],
});

console.log(res.choices[0].message.content);
console.log(res.usage);

Zur Untertitelbereinigung teile nach Zeit statt nach Größe. Sende ein paar Minuten Rohtranskript auf einmal mit der Anweisung, Zeitstempel unverändert zu lassen, und füge dann zusammen. Wenn du auch On-Screen-Untertitel brauchst, die einem Hausstil entsprechen, lege die Stilregeln in die Systemnachricht und halte sie über Aufrufe hinweg identisch; das macht Ausgaben konsistent und die Token-Zählung vorhersehbar.

Function Calling ist ebenfalls verfügbar, wenn du möchtest, dass das Modell deine eigenen Funktionen aufruft, z. B. eine lookup_asset-Funktion, die deine Footage-Bibliothek nach einem passenden Clip durchsucht, während sie die Storyboard-Liste schreibt. Definiere die Tools, lese tool_calls aus der Antwort, führe sie aus und sende die Ergebnisse als role: "tool"-Nachrichten zurück.

Grenzen, die die Pipeline bestimmen

Ein vollständiger Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Trial-Schlüssel erlaubt 2 parallele und 60 pro Minute. Die Body-Limit ist 8 MB, was weit über jedem Transkript liegt, das du als Text sendest. Nach Überschreiten eines Limits erhältst du HTTP 429 mit dem Fehlercode rate_limited (zu viele pro Minute) oder concurrency (zu viele auf einmal). Bei temporärer Überlastung erhältst du ebenfalls eine 429 mit einem Retry-After: 5-Header.

Die einfache Regel: Bei jeder 429 warte auf den Header-Wert, falls vorhanden, andernfalls warte ein paar Sekunden und versuche es erneut. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, daher kosten Wiederholungen dich nichts. Antworten enthalten X-Request-Id für Support-Fragen und X-Balance-USD, was praktisch ist, um das verbleibende Guthaben in deinem eigenen Tool anzuzeigen.

Wenn du viele Videos parallel renderst, gib der Textphase einen eigenen kleinen Worker-Pool von 4 bis 6, damit ein Burst von Entwürfen den Shot-List-Schritt nicht verhungern lässt. Streams zählen die ganze Zeit, solange sie offen sind, gegen die Concurrency, sodass ein Benutzer, der einen halb gelesenen Entwurf verlässt, trotzdem einen Slot belegt, bis er fertig ist.

Was die Textseite eines Videos kostet

Die Preise liegen bei $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token, vom Prepaid-Guthaben ohne Abonnement. Hier ist ein realistischer Textdurchlauf für ein 90-Sekunden-Video, mit der Rechnung:

SchrittInput-TokenOutput-TokenKosten
Skriptentwurf6001,200600 × $0,15/1M = $0,00009, plus 1.200 × $0,50/1M = $0,0006, gesamt $0,00069
Shot-Liste1,500900$0.000225 + $0.00045 = $0.000675
Titel, Beschreibung, Tags1,800300$0.00027 + $0.00015 = $0.00042

Die drei Schritte summieren sich zu $0,001785 pro Video. Tausend Videos sind $1,785 Text. Selbst wenn deine echten Prompts dreimal so lang sind wie diese, ist das Schreiben der günstige Teil der Aufgabe. Das $0,50 Testguthaben allein deckt mehr als 250 Videos bei diesen Größen, da $0,50 geteilt durch $0,001785 etwa 280 ergibt.

Nach dem Test kommen Guthaben aus Aufladungen in jedem ganzen Betrag von $20 bis $500, bezahlt in Krypto (USDT auf TRC20 oder USDC auf Base). Boni gelten bei größeren Aufladungen: +5% ab $50, +10% ab $100, +15% ab $200. Guthaben verfällt nie, und Prompts werden nicht zum Training verwendet. Die Preisseite listet die Details auf, und der Quickstart hat das gleiche Anfrageformat in einigen weiteren Sprachen.

Fragen und Antworten

Kann diese API Videos generieren?

Nein. Es ist textbasiert, ohne Bild-, Audio- oder Video-Generierung. Nutze es für Skripte, Shot Lists, Untertitel und Beschreibungen und kombiniere es mit dem Renderer oder Editor deiner Wahl.

Verweigert es dunkle oder erwachsene Themen?

Das Modell ist darauf abgestimmt, bei gesetzlich zulässiger Erwachsennutzung ohne Inhaltsfilter zu antworten, daher sind Horror, Krimi und erwachsene Fiktion gut umsetzbar. Sexuelle Inhalte mit Minderjährigen sind eine harte Grenze.

Welche Modell-ID und Base URL verwende ich?

Verwende die Modell-ID uncensored und die Base URL https://api.unfilteredvideo.com/v1 mit jedem OpenAI-kompatiblen SDK. Authentifiziere dich mit einem Bearer-Token.

Gibt es einen kostenlosen Tarif?

Es gibt keine kostenlose Stufe. Neue Nutzer können einmalig $0,50 Testguthaben beanspruchen, gültig für 7 Tage, ohne Karte; danach lädst du ab $20 auf.

Dein Schlüssel ist nur ein Formular entfernt

Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Das ist die gesamte Einrichtung.

API-Schlüssel erhalten