Web Studio 媒体工作台
Web Studio 是 studio.d2capi.com 的多媒体创作与媒体网关工作台。网页端和微信服务号共用同一套媒体模型目录、参数约束、路由和计费说明。
入口
页面能力
- AI 文字：写作、改写、总结、翻译、解释和结构化文本任务。
- AI 生图：根据提示词生成图片，参数来自当前接入模型。
- AI 视频：文生视频、图生视频、参考图视频、首尾帧视频、视频 Remix、视频延展。
- AI 音频：使用语音大模型生成配音。
- 文字配音：使用 GCP Text-to-Speech 服务命令，音色作为参数选择，不作为单独路由按钮展示。
- AI 音乐：使用 Lyria 等 text-to-music 模型生成音乐作品。
- 视频编辑：本地素材裁剪、多视频合并、字幕、水印、转码和任务结果管理。
- 我的作品：查看、播放、全屏预览、下载、发布或删除生成结果。
API 基础信息
请在 API 访问页面 查看当前账户可用模型、参数和示例。
text
Base URL: https://media.d2capi.com
Authorization: Bearer sk-d2capi-your-key图片 API
| 能力 | 路由 | 主要参数 |
|---|---|---|
| 生成图片 | POST /v1/images/generations | model, prompt, sample_count, aspect_ratio, person_generation, safety_setting, mime_type, seed |
视频 API
AI 视频只展示真实创作能力命令。竖屏视频通过 aspect_ratio=9:16 参数完成；指定清晰度通过 resolution 参数完成，不作为独立能力命令。
| 能力命令 | API 路由 | 关键参数 | 说明 |
|---|---|---|---|
video.generate | POST /v1/videos/generations | model, prompt, duration_seconds, aspect_ratio, resolution, generate_audio | 文生视频 |
video.image_to_video | POST /v1/videos/generations | model, prompt, images, duration_seconds, aspect_ratio, resolution | 图生视频 |
video.reference | POST /v1/videos/generations | model, prompt, images, duration_seconds=8 | 参考图视频 |
video.first_last_frame | POST /v1/videos/generations | model, prompt, images | 首尾帧视频 |
video.remix | POST /v1/videos/edits | model, prompt, video 或 video_id, resolution | 基于已有视频改写 |
video.extend | POST /v1/videos/extend | model, video 或 video_id, duration_seconds=7 | 延展已有视频 |
常用参数约束：
| 参数 | 当前可选值 | 说明 |
|---|---|---|
aspect_ratio | 16:9, 9:16 | 横屏或竖屏画面比例 |
resolution | 720p, 1080p, 4k | 可用值会按模型和路由约束过滤 |
duration_seconds | 4, 6, 8；延展固定 7 | 不同模型和能力可能有更严格限制 |
bash
curl https://media.d2capi.com/v1/videos/generations \
-H "Authorization: Bearer sk-d2capi-your-key" \
-H "Content-Type: application/json" \
-d '{
"model": "veo-3.1-generate-001",
"prompt": "8 秒电影感城市夜景航拍，雨后街道，霓虹灯反射，缓慢推进",
"duration_seconds": 8,
"aspect_ratio": "16:9",
"resolution": "720p",
"generate_audio": true
}'音频和音乐 API
| 能力 | 路由 | 主要参数 | 说明 |
|---|---|---|---|
| AI 语音生成 | POST /v1/audio/speech | model, input, style, instructions, audio_encoding | 使用 gemini-2.5-flash-tts、gemini-2.5-pro-tts 等大模型 |
| 文字配音服务 | POST /v1/audio/speech | input, language, voice, speaking_rate, pitch | 使用 GCP Text-to-Speech 服务命令 |
| AI 音乐生成 | POST /v1/music/generations | model, prompt, sample_count, seed, negative_prompt | 使用 lyria-002 等 text-to-music 模型 |
google-tts-long、google-transcoder 是 GCP API 服务命令，不作为大模型展示。文字配音页面的音色来自参数列表，不再提供“查询音色”创作命令。