API Text Unfiltered Video : un flux de travail LLM pour les scripts
Si vous avez recherché une API textuelle vidéo sans filtre, la distinction utile est la suivante : votre moteur de rendu génère les pixels, et une API LLM textuelle rédige tout ce qui les entoure, des scripts et listes de plans aux sous-titres et descriptions. Ce guide construit cette partie textuelle sur un endpoint compatible OpenAI.

Points clés
- L'API est textuelle uniquement. Elle rédige des scripts, des listes de plans, des sous-titres et des descriptions ; elle ne rend pas la vidéo, les images ou l'audio.
- Le streaming vous donne un brouillon de script à mesure qu'il est rédigé, et le mode JSON vous fournit une liste de plans que votre code peut analyser.
- La fenêtre de 100 000 tokens contient un long transcript ainsi que vos instructions dans une seule requête.
- Un passage textuel complet pour une vidéo coûte une fraction de centime à 0,15 $ et 0,50 $ par 1 M de tokens.
Où le texte s’insère dans un pipeline vidéo
L'API de ce site ne génère pas de vidéo. Elle est textuelle uniquement : pas de sortie d'image, d'audio ou de vidéo, pas d'embeddings, pas de fine-tuning. Cela a de l'importance car l'expression se lit de deux façons. Certaines personnes veulent un modèle qui génère des clips, et pour cela vous avez besoin d'un modèle vidéo séparé. D'autres ont déjà un moteur de rendu, une bibliothèque de stock ou un éditeur, et ont besoin d'un LLM qui rédige le texte environnant sans refuser les sujets qui sont légaux mais inconfortables : scripts d'horreur, reconstitutions de faits divers, comédie sombre, narration de documentaires de guerre, fiction mature écrite pour adultes.
Le deuxième groupe est celui pour qui cet article est destiné. En pratique, le travail textuel autour d'une vidéo se divise en quatre tâches :
- Rédaction de scripts. Transformez un plan ou une pile de notes en narration avec une voix cohérente.
- Listes de plans. Divisez un script en scènes avec une durée, une description visuelle et une ligne de narration chacune, en JSON que votre code de montage peut lire.
- Nettoyage des sous-titres et des légendes. Corrigez la ponctuation et les étiquettes de locuteur dans une transcription brute, ou rédigez du texte à l'écran.
- Titres, descriptions et tags. Sorties courtes, nombreuses, ce qui est avantageux pour la tarification par token.
Le modèle derrière l'endpoint est un modèle à poids ouverts géré par un fournisseur indépendant et ajusté pour répondre sans refus de contenu pour une utilisation adulte légale. Ce n'est pas un routeur entre fournisseurs et n'est pas l'API officielle du modèle de quiconque. Une limite stricte s'applique : pas de contenu sexuel impliquant des mineurs. Si vous décidez encore comment les parties audio et vidéo de votre pile s'articulent, la page sur les pipelines vidéo couvre la répartition du travail.
Connecter le client
L'endpoint utilise le format de complétions de chat OpenAI, donc n'importe quel SDK OpenAI fonctionne après avoir modifié deux valeurs : l'URL de base et la clé. L'ID de modèle est uncensored, et l'authentification est un jeton Bearer standard. Deux méthodes existent : POST /v1/chat/completions et 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"
Si vous préférez le shell, la même vérification est une seule requête :
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."}]}'
Vous pouvez obtenir une clé sur la page des clés API. Les nouveaux comptes peuvent réclamer 0,50 $ de crédit d'essai en un clic, valable 7 jours et sans carte nécessaire, ce qui est largement suffisant pour tout ce qui suit.
Étape 1 : streamer un brouillon de script
Un script est la sortie la plus longue du pipeline, donc c'est celle qui vaut la peine d'être diffusée. Avec stream: true, le serveur envoie des tokens via SSE à mesure qu'ils sont produits, et les chiffres d'utilisation arrivent à la fin du flux. Votre outil d'édition peut montrer le brouillon se développer au lieu de geler pendant toute la génération.
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)
Deux détails sont faciles à manquer. Premièrement, le dernier segment peut contenir l'utilisation et aucun choix, c'est pourquoi la boucle vérifie chunk.choices avant l'indexation. Deuxièmement, une requête en streaming occupe son slot de concurrence jusqu'à la fin du flux. Si votre outil permet aux utilisateurs de lancer plusieurs brouillons à la fois, comptez chaque flux ouvert contre votre limite.
La voix est ce qui dérive à travers une série. Placez les règles de la chaîne dans le message système et gardez-les fixes : personne et temps du narrateur, longueur des phrases, mots à éviter, comment doit se terminer un prologue. Ajoutez une courte liste de choses que le script ne doit jamais faire, comme expliquer la révélation tôt. Un message système stable rend également vos comptes de tokens prévisibles d'une vidéo à l'autre, ce qui aide lorsque vous budgétisez plus tard.
Pour des brouillons répétables pendant que vous ajustez un prompt, passez seed avec une valeur fixe et un temperature plus bas. Pour une première phase créative, une température autour de 0,8 à 1,0 donne une narration plus libre et vivante, et vous pouvez la baisser une fois que vous polissez.
Étape 2 : transformer le script en liste de plans
Le code de montage veut de la structure, pas des paragraphes. Le mode JSON demande au modèle de retourner un seul objet JSON, et vous l'activez avec response_format. Dites aussi le mot JSON dans votre prompt et décrivez la forme que vous voulez ; les deux ensemble maintiennent la sortie dans la forme.
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])
Le mode JSON rend les mauvaises sorties rares, pas impossibles. Enveloppez json.loads dans un bloc try, réessayez une fois avec une température plus basse, et validez les champs sur lesquels vous dépendez. Une liste de plans avec une valeur seconds manquante cassera une ligne de temps bien plus bruyamment qu'une phrase légèrement maladroite.
Transmettez les chaînes visual à ce qui génère ou sélectionne vos rushes. Comme le modèle n’est pas demandé d’être prudent quant à la matière, les descriptions de scènes sombres ou tendues reviennent sous forme de brefs écrits plutôt que de refus polis. Conservez votre propre étape de revue dans la boucle pour tout ce que vous publiez.
Étape 3 : sous-titres et descriptions à partir d'une longue transcription
La fenêtre de contexte est de 100 000 tokens, prompt et complétion ensemble. Pour le travail textuel sur la vidéo, c'est généreux : un long transcript d'interview, votre guide de style de chaîne et trois descriptions d'exemple tiennent dans une seule requête, donc vous n'avez pas besoin de fractionner et assembler comme vous le feriez avec une petite fenêtre. Vérifiez la taille réelle depuis le champ usage plutôt que de deviner, et laissez de la place pour la sortie.
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);
Pour le nettoyage des sous-titres, divisez par temps plutôt que par taille. Envoyez quelques minutes de transcription brute à la fois avec l'instruction de ne pas toucher aux horodatages, puis fusionnez. Si vous avez aussi besoin de sous-titres à l'écran qui correspondent à une charte graphique, placez les règles de style dans le message système et gardez-les identiques d'un appel à l'autre ; cela rend les sorties cohérentes et le compte de jetons prévisible.
L’appel de fonctions est également disponible, si vous voulez que le modèle appelle vos propres fonctions, par exemple une fonction lookup_asset qui vérifie votre bibliothèque d’images pour un clip correspondant pendant qu’elle rédige la liste des plans. Définissez les outils, lisez tool_calls dans la réponse, exécutez-les, et renvoyez les résultats sous forme de messages role: "tool".
Limites qui façonnent le pipeline
Une clé complète permet 8 requêtes simultanées et 300 requêtes par minute. Une clé d'essai permet 2 requêtes simultanées et 60 par minute. La limite de corps est de 8 Mo, ce qui est bien au-dessus de toute transcription que vous enverrez en texte. Au-delà d'une limite, vous obtenez HTTP 429 avec le code d'erreur rate_limited (trop par minute) ou concurrency (trop à la fois). En cas de surcharge temporaire, vous obtenez également un 429, avec un en-tête Retry-After: 5.
La règle simple : sur n'importe quel 429, attendez la valeur de l'en-tête s'il y en a une, sinon reculez pendant quelques secondes, puis réessayez. Les requêtes échouées ou refusées ne sont pas facturées, donc les réessais ne vous coûtent rien. Les réponses incluent X-Request-Id pour les questions de support et X-Balance-USD, ce qui est pratique pour afficher le crédit restant à l'intérieur de votre propre outil.
Lorsque vous rendez beaucoup de vidéos en parallèle, donnez à l'étape textuelle son propre petit pool de travailleurs de 4 à 6 afin qu'une rafale de brouillons ne puisse pas affamer l'étape de liste de plans. Les flux comptent contre la concurrence tant qu'ils sont ouverts, donc un utilisateur qui s'éloigne d'un brouillon à moitié lu conserve toujours une connexion jusqu'à ce qu'il se termine.
Ce que coûte la partie textuelle d'une vidéo
Les prix sont de 0,15 $ par 1 M de jetons d'entrée et de 0,50 $ par 1 M de jetons de sortie, prélevés sur un crédit prépayé sans abonnement. Voici un exemple réaliste de l'étape textuelle pour une vidéo de 90 secondes, avec le détail des calculs :
| Étape | Tokens d'entrée | Tokens de sortie | Coût |
|---|---|---|---|
| Brouillon de script | 600 | 1,200 | 600 × $0,15/1M = $0,00009, plus 1 200 × $0,50/1M = $0,0006, total $0,00069 |
| Liste de plans | 1,500 | 900 | 0,000225 $ + 0,00045 $ = 0,000675 $ |
| Titre, description, tags | 1,800 | 300 | $0.00027 + $0.00015 = $0.00042 |
Les trois étapes s’additionnent à $0,001785 par vidéo. Mille vidéos représentent $1,785 de texte. Même si vos vrais prompts sont trois fois plus longs que ceux-ci, l’écriture est la partie peu coûteuse du travail. Le seul crédit d’essai de $0,50 couvre plus de 250 vidéos à ces tailles, puisque $0,50 divisé par $0,001785 donne environ 280.
Après l'essai, le crédit provient de recharges de tout montant entier de $20 à $500, payées en crypto (USDT sur TRC20 ou USDC sur Base). Des bonus s'appliquent sur les recharges plus importantes : +5 % à partir de $50, +10 % à partir de $100, +15 % à partir de $200. Le crédit n'expire jamais, et les prompts ne sont pas utilisés pour l'entraînement. La page tarification liste les détails, et le démarrage rapide propose le même format de requête dans quelques langues supplémentaires.
Plus de guides
Questions et réponses
Cette API peut-elle générer de la vidéo ?
Non. Il est textuel uniquement, sans génération d'images, d'audio ou de vidéo. Utilisez-le pour les scripts, les listes de plans, les légendes et les descriptions, et associez-le au rendu ou à l'éditeur de votre choix.
Refuse-t-elle les sujets sombres ou pour adultes ?
Le modèle est ajusté pour répondre sans refus de contenu pour un usage adulte légal, donc l'horreur, le crime et la fiction mature pour adultes sont faisables. Le contenu sexuel impliquant des mineurs est un non catégorique.
Quel ID de modèle et quelle URL de base dois-je utiliser ?
Utilisez l'ID de modèle uncensored et l'URL de base https://api.unfilteredvideo.com/v1 avec n'importe quel SDK compatible OpenAI. Authentifiez-vous avec un jeton bearer.
Existe-t-il une offre gratuite ?
Il n'y a pas de niveau gratuit. Les nouveaux utilisateurs peuvent réclamer un crédit d'essai unique de 0,50 $, valable 7 jours, sans carte ; après cela, vous rechargez à partir de 20 $.
Votre clé est à un formulaire de vous
Créez un compte, copiez la clé, changez l'URL de base. C'est toute la configuration.