文生图：根据文字描述生成图片。

• model（模型版本）：

  • jimeng_t2i_v40 图片生成 4.0（默认，推荐）

  • jimeng_seedream46_cvtob 图片生成 4.6（Seedream，支持最高 4K）

  • jimeng_t2i_v31 文生图 3.1

  • jimeng_t2i_v30 文生图 3.0

  • jimeng_high_aes_general_v21_L 通用高美感 v2.1

• aspect_ratio: 1:1 / 16:9 / 9:16 / 4:3 / 3:4 / 3:2 / 2:3

• quality: 2k（默认）/ normal

• negative_prompt: 负面提示词（可选，部分模型不支持）

图生图（智能参考）：参考输入图片，结合文字描述编辑或生成新图片。 使用即梦图生图 3.0 模型（jimeng_i2i_v30）。

• image_url: 参考图片 URL（JPEG/PNG，最大 4.7MB，最大 4096×4096）

• aspect_ratio: 1:1 / 16:9 / 9:16 / 4:3 / 3:4 / 3:2 / 2:3

• quality: 2k（默认）/ normal

• scale: 文本影响程度 0.0～1.0（默认 0.5，越大越贴近文字描述，越小越保留原图）

局部重绘（Inpainting）：在图片的指定区域（mask）内根据提示词重新生成内容。 使用即梦交互编辑模型（jimeng_image2image_dream_inpaint）。

• image_url: 原图 URL（JPEG/PNG，最大 4.7MB）

• mask_url: 遮罩图 URL（单通道灰度图，白色=重绘区域，黑色=保留区域）

• prompt: 重绘内容描述；输入"删除"可消除选区内容

智能超清：将图片放大并增强细节至 4K 或 8K 分辨率。 使用即梦智能超清模型（jimeng_i2i_seed3_tilesr_cvtob）。

• image_url: 输入图片 URL（JPEG/PNG，最大 4.7MB，最大 4096×4096）

• resolution: "4k"（默认）或 "8k"

• detail: 细节生成程度 0～100（默认 50，越大细节越多但可能偏离原图）

文生视频：根据文字描述生成视频（约需 1～5 分钟）。

• model（模型版本）：

  • jimeng_t2v_v30 视频生成 3.0 720P（默认）

  • jimeng_t2v_v30_1080p 视频生成 3.0 1080P

  • jimeng_ti2v_v30_pro 视频生成 3.0 Pro 1080P（效果更好）

• aspect_ratio: 16:9 / 4:3 / 1:1 / 3:4 / 9:16 / 21:9

• duration_sec: 5（默认）或 10

图生视频：将静态图片转换为动态视频（约需 1～5 分钟）。

• image_url: 首帧图片 URL（JPEG/PNG，最大 4.7MB）

• prompt: 视频内容描述（必填）

• mode（模式）：

  • first 首帧驱动 720P（默认）

  • first_1080p 首帧驱动 1080P

  • first_tail 首尾帧驱动 720P（需提供 tail_image_url）

  • first_tail_1080p 首尾帧驱动 1080P（需提供 tail_image_url）

  • recamera 重新运镜 720P（需提供 template_id，通过 prompt 描述运镜效果）

  • pro 视频生成 3.0 Pro 1080P（首帧，效果更好）

• duration_sec: 5（默认）或 10

• tail_image_url: 尾帧图片 URL（仅 first_tail / first_tail_1080p 模式需要）

recamera 模式可用运镜模板（在 prompt 中指定 template_id）： hitchcock_dolly_in / hitchcock_dolly_out / robo_arm / dynamic_orbit / central_orbit / crane_push / quick_pull_back / counterclockwise_swivel / clockwise_swivel / handheld / rapid_push_pull

动作模仿 2.0：提取参考视频中的动作/表情/口型，迁移到目标人物图片上。 使用模型：jimeng_dreamactor_m20_gen_video

• image_url: 目标人物图片 URL（JPEG/PNG，480×480 以上，1920×1080 以内）

• video_url: 动作参考视频 URL（MP4/MOV/WEBM，最长 30 秒）

输出视频约需 3～5 分钟（10 秒视频约需 180 秒）。

数字人生成（OmniHuman 1.5）：驱动人物图片口型和动作，配合音频生成说话视频。 使用模型：jimeng_realman_avatar_picture_omni_v15

• portrait_url: 人物肖像图片 URL（含人物/动漫/宠物）

• audio_url: 驱动音频 URL（WAV/MP3，必须小于 60 秒）

• resolution: 输出分辨率，720 或 1080（默认 1080）

• prompt: 可选提示词，支持中/英/日/韩语，最长 300 字符

注意：此接口使用 CVSubmitTask/CVGetResult（与普通接口不同）。

视频翻译 2.0：将视频中的语音翻译并口型同步为目标语言。 使用模型：video_translate_v2_cvtob

• video_url: 原始视频 URL（需公网可访问）

• target_language: 目标语言缩写

• src_language: 源语言缩写（默认 "zh" 中文）

支持的语言代码： zh（中文）en（英语）ja（日语）ko（韩语）fr（法语）de（德语） es（西班牙语）pt（葡萄牙语）ru（俄语）ar（阿拉伯语）it（意大利语） hi（印地语）id（印尼语）nl（荷兰语）tr（土耳其语）pl（波兰语）等