中文 ▾

Unfiltered Video API 文本:面向脚本的 LLM 工作流

如果你搜索过未过滤的视频 API 文本,关键区别在于:渲染器负责生成像素,而文本 LLM API 负责编写像素周围的所有文字,从脚本、分镜表到字幕和描述。本指南基于 OpenAI 兼容的接口构建文本部分。

已更新

胶片条转化为终端中的流动文本块,展示用于视频的 LLM 文本工作流

要点

  • API 仅支持文本。它编写脚本、分镜列表、字幕和描述;不渲染视频、图像或音频。
  • 流式输出让你在编写时获得脚本草稿,JSON 模式让你获得代码可解析的分镜列表。
  • 100,000 token 的上下文窗口可在一个请求中容纳长转录文本及你的指令。
  • 处理一个视频的完整文本成本不到一分钱,按每 1M token $0.15 和 $0.50计算。

文本在视频管线中的位置

该站点的 API 不生成视频,仅处理文本:无图像、音频或视频输出,无嵌入,无微调。这一点很重要,因为该短语有两种理解方式。一些人想要一个能渲染片段的模型,为此你需要一个独立的视频模型。另一些人已经有了渲染器、素材库或编辑器,需要一个 LLM 来撰写周围的文本,且不会因合法但令人不适的主题而拒绝:恐怖剧本、真实犯罪重现、黑色喜剧、战争纪录片旁白、面向成人的成熟小说。

第二类用户是本文的目标。实际上,围绕视频的文本工作分为四项任务:

  • 剧本撰写。 将大纲或一堆笔记转化为旁白,保持语气一致。
  • 分镜列表。 将脚本拆分为场景,每个场景包含时长、视觉描述和一行旁白,格式为编辑代码可读取的 JSON。
  • 字幕和字幕清理。 修复原始转录文本中的标点和说话人标签,或编写屏幕文字。
  • 标题、描述和标签。 短输出,且数量众多,这正是按 token 定价对你有利的地方。

该接口背后的模型是由独立提供商运行的一种开放权重模型,针对合法成人用途进行了调整,可无内容拒绝地回答。它不是跨供应商的路由器,也不是任何其他模型官方的 API。有一个硬性限制:禁止涉及未成年人的性内容。如果你仍在决定音频和视频部分如何组合,视频流水线页面 涵盖了劳动分工。

连接客户端

该接口遵循 OpenAI 聊天补全格式,因此更改 Base URL 和密钥后,任何 OpenAI SDK 均可使用。模型 ID 为 uncensored,认证为标准 Bearer token。存在两种方法:POST /v1/chat/completions 和 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"

如果你偏好使用 shell,相同的检查只需一个请求:

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."}]}'

你可以在 API 密钥页面 获取密钥。新账户可一键领取 $0.50 试用额度,有效期 7 天,无需绑卡,足以完成以下所有操作。

步骤 1:流式输出脚本草稿

脚本是流水线中最长的输出,因此值得进行流式输出。使用 stream: true,服务器会通过 SSE 发送生成的 token,并在流结束时发送用量数据。你的编辑器工具可以显示草稿逐渐生成,而不是在整个生成过程中冻结。

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)

有两个细节容易被忽略。首先,最后一个块可能包含用量数据而无选择项,因此循环在索引前检查 chunk.choices。其次,流式请求会占用其并发槽位直到流结束。如果你的工具允许用户同时启动多个草稿,请将每个打开的流计入你的限制。

语气是系列作品中容易漂移的部分。将频道的规则放入系统消息并保持固定:叙述者人称和时态、句子长度、避免使用的词汇、冷开场应如何结束。添加一个脚本绝不应做的简短列表,例如提前解释反转。稳定的系统消息还能使你的 token 计数从一个视频到下一个视频具有可预测性,这有助于后续预算规划。

为了在调整提示词时获得可重复的草稿,请传递具有固定值的 seed 和较低的 temperature。对于首次创意处理,温度在 0.8 到 1.0 之间可产生更松散、更生动的旁白,你可以在润色时降低它。

步骤 2:将脚本转换为分镜列表

编辑代码需要结构,而非段落。JSON 模式要求模型返回单个 JSON 对象,你通过 response_format 启用它。同时在提示词中提及 JSON 并描述你想要的形状;两者结合可确保输出符合预期形状。

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])

JSON 模式使错误输出罕见,但并非不可能。将 json.loads 包裹在 try 块中,以较低温度重试一次,并验证你依赖的字段。缺少 seconds 值的分镜列表比略显笨拙的句子更会严重破坏时间线。

将 visual 字符串传递给生成或选择你素材的任何工具。由于模型未被要求对题材保持谨慎,对阴郁或紧张场景的描述将以书面简报形式返回,而非礼貌的拒绝。在你发布的任何内容中保留自己的审查步骤。

步骤 3:从长转录文本生成字幕和描述

上下文窗口为 100,000 token,包含提示词和补全。对于视频的文本工作来说,这很充裕:长采访转录文本、你的频道风格指南和三个示例描述可放入一个请求中,因此你无需像使用小窗口那样进行分块和拼接。从 usage 字段检查实际大小,而非猜测,并为输出留出空间。

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);

对于字幕清理,按时间而非大小拆分。每次发送几分钟的原始转录文本,指令保持时间戳不变,然后合并。如果你还需要匹配统一风格的屏幕字幕,请将风格规则放入系统消息并在调用中保持一致;这使输出一致并使 token 计数可预测。

也可使用函数调用,如果你希望模型调用你自己的函数,例如一个 lookup_asset 函数,它在编写分镜列表时检查你的素材库以匹配片段。定义工具,从回复中读取 tool_calls,运行它们,并将结果作为 role: "tool" 消息发送回去。

影响流水线的主要限制

完整密钥允许 8 个并发请求和每分钟 300 个请求。试用密钥允许 2 个并发和每分钟 60 个。主体限制为 8 MB,远高于你作为文本发送的任何转录文本。超过限制时,你会收到 HTTP 429,错误代码为 rate_limited(每分钟过多)或 concurrency(同时过多)。在临时过载时,你也会收到 429,带有 Retry-After: 5 标头。

简单规则:在任何 429 时,如果有标头值则等待该值,否则退避几秒,然后重试。失败或被拒绝的请求不收费,因此重试不会花费你的费用。响应包括 X-Request-Id 用于支持问题,以及 X-Balance-USD,这在你的工具中显示剩余额度时很有用。

当你并行渲染许多视频时,为文本阶段分配一个 4 到 6 的小工作池,以便草稿爆发不会导致分镜列表步骤饥饿。流在整个打开期间都计入并发,因此离开半读草稿的用户仍会占用槽位直到完成。

单个视频文本侧的成本

定价为每 1M 输入 token $0.15,每 1M 输出 token $0.50,从预付额度扣除,无订阅。以下是 90 秒视频合理的文本处理示例,数学计算如下:

步骤输入 token输出 token成本
脚本草稿6001,200600 × $0.15/1M = $0.00009,加上 1,200 × $0.50/1M = $0.0006,总计 $0.00069
分镜列表1,500900$0.000225 + $0.00045 = $0.000675
标题、描述、标签1,800300$0.00027 + $0.00015 = $0.00042

这三个步骤使每个视频的成本合计为 $0.001785。一千个视频的文本成本为 $1.785。即使你的实际提示词比这些长三倍,写作仍然是工作中成本较低的部分。仅凭 $0.50 的试用额度,以这些规模计算,就可以覆盖 250 多个视频,因为 $0.50 除以 $0.001785 约等于 280。

试用结束后,额度来自任何整数的充值,金额从 $20 到 $500,通过加密货币支付(TRC20 上的 USDT 或 Base 上的 USDC)。较大充值有奖励:$50 起 +5%,$100 起 +10%,$200 起 +15%。额度永不过期,且提示词不用于训练。定价页面 列出了详细信息,快速入门 提供了更多语言的相同请求格式。

问答

此 API 能生成视频吗?

不能。它仅支持文本,不支持图像、音频或视频生成。用于脚本、分镜列表、字幕和描述,并与你选择的渲染器或编辑器配合使用。

它会拒绝黑暗或成熟题材吗?

该模型针对合法成人用途进行了调整,可无内容拒绝地回答,因此恐怖、犯罪和成人成熟小说均可处理。涉及未成年人的性内容是硬性拒绝。

我该使用哪个模型 ID 和基础 URL?

使用模型 ID uncensored 和 Base URL https://api.unfilteredvideo.com/v1 配合任何 OpenAI 兼容的 SDK。使用 Bearer token 进行认证。

有免费套餐吗?

没有免费套餐。新用户可领取一次性 $0.50 试用额度,有效期 7 天,无需绑卡;之后需从 $20 起充值。

只需填写一个表单即可获得密钥

创建账户,复制密钥,更改基础 URL。这就是全部设置。

获取 API 密钥