Skip to main content

Video Generation - Deploy Model

Publiez un modèle entraîné en tant que service API en ligne.

Prérequis

  • Régions prises en charge : L'API de déploiement de modèle est actuellement disponible uniquement dans la région Singapour. Si vous utilisez d'autres régions, veuillez déployer les modèles via la console Model Studio de cette région.
  • Permissions du compte : Si vous utilisez des sous-comptes Alibaba Cloud (utilisateurs RAM), vous devez accorder au sous-compte les permissions d'invocation, d'entraînement et de déploiement de modèles.
  • Configurer les variables d'environnement : Vous avez réussi à obtenir une clé API et à la configurer comme variable d'environnement.
  • Prérequis : L'entraînement de fine-tuning du modèle doit être terminé. Appelez d'abord l'API Query Fine-tuning Job pour confirmer que le statut de la tâche status est SUCCEEDED avant de procéder au déploiement.

Déployer un modèle

Chine (Pékin)

POST https://dashscope.aliyuncs.com/api/v1/deployments
  • Singapour
POST https://dashscope-intl.aliyuncs.com/api/v1/deployments
Pour Windows CMD, remplacez $DASHSCOPE_API_KEY par %DASHSCOPE_API_KEY% . Pour PowerShell, remplacez par $env:DASHSCOPE_API_KEY

Paramètres de la requête

  • Image vers vidéo (Première image)
  • Image vers vidéo (Première et dernière images)
L'exemple suivant utilise l'effet pluie d'argent. Téléchargez une image de portrait, et le système génère automatiquement une vidéo avec cet effet.
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/deployments' \
    --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
    --header 'Content-Type: application/json' \
    --data '{
        "model_name": "<replace with model_name>",
        "aigc_config": {
            "use_input_prompt": false,
            "prompt": "Provide a video description based on the image content. The description must include the phrase "Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her. The bills continue to fall, she/he stretches her/his arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain."\nOutput Template:\nThe video begins with a shot of [subject description]. [Environment description]. Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her. The bills continue to fall, she/he stretches her/his arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain.\nExample:\nThe video begins showing a young woman standing in front of a brick wall covered with ivy. She has long, smooth reddish-brown hair, wearing a white sleeveless dress, a shiny silver necklace, and a smile on her face. The brick wall in the background is covered with green vines, appearing rustic and natural. Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her. The bills continue to fall, she stretches her arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain.",
            "lora_prompt_default": "Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her. The bills continue to fall, she/he stretches her/his arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain."
        },
        "capacity": 1,
        "plan": "lora"
    }'
En-têtes
Content-Type string (Obligatoire)Valeur fixe : application/json
Authorization string (Obligatoire)Authentification par clé API, au format Bearer sk-xxxx.
Corps de la requête
model_name string (Obligatoire)L'ID du modèle à déployer (non pas le nom du modèle de base, mais l'identifiant du modèle généré après le fine-tuning ou l'exportation). Méthode d'obtention :
  • Modèle fine-tuné : Utilisez la valeur retournée par Create a Tuning Job, par exemple wan2.5-i2v-preview-ft-202511111122-xxxx.
  • Modèle exporté : Utilisez la valeur output[].model_name issue de la réponse de Query Exported Model Details.
capacity integer (Obligatoire)Nombre d'instances de modèle déployées. Valeur recommandée : 1.
plan string (Obligatoire)Méthode de déploiement. Valeur recommandée pour le fine-tuning efficace LoRA : lora.
aigc_config object (Obligatoire)Configuration du prompt.

Propriétés de aigc_config

use_input_prompt boolean (Obligatoire)Contrôle la source du prompt lors de l'appel au modèle déployé pour générer des vidéos.
  • false (par défaut) : Mode de génération automatique. Lors de l'appel à l'API de génération vidéo, le système ignore le prompt d'entrée et utilise les modèles configurés dans aigc_config.prompt et aigc_config.lora_prompt_default pour générer automatiquement les prompts.
  • true : Mode de saisie manuelle. Lors de l'appel à l'API de génération vidéo, le système utilise directement le prompt d'entrée, rendant les deux paramètres ci-dessus inopérants.
prompt string (Obligatoire)Modèle de prompt prédéfini. Efficace uniquement lorsque use_input_prompt=false est défini.Lors de l'appel au modèle déployé pour générer des vidéos, le système analyse l'image d'entrée, insère son contenu dans ce modèle et génère automatiquement une description complète incluant les instructions d'effet.Remarque : Ce paramètre remplace le paramètre prompt transmis dans l'API de génération vidéo.lora_prompt_default string (Obligatoire)Modèle de prompt de secours. Efficace uniquement lorsque use_input_prompt=false est défini.Si la génération via aigc_config.prompt échoue, le système utilise ce paramètre comme prompt de secours pour générer la vidéo.

Paramètres de la réponse

  • Exemple de réponse réussie
  • Exemple de réponse d'erreur
Champs clés : output.deployed_model (identifiant unique du modèle déployé), output.status (statut du déploiement).
{
        "request_id": "96020b2e-9072-4c8a-9981-xxxxxxxxx",
        "output": {
            "deployed_model": "wan2.5-i2v-preview-ft-202511111122-xxxx",
            "gmt_create": "2025-11-11T17:46:53.294",
            "gmt_modified": "2025-11-11T17:46:53.294",
            "status": "PENDING",
            "model_name": "wan2.5-i2v-preview-ft-202511111122-xxxx",
            "base_model": "wan2.5-i2v-preview",
            "workspace_id": "llm-xxxxxxxxx",
            "charge_type": "post_paid",
            "creator": "12xxxxxxx",
            "modifier": "12xxxxxxx",
            "plan": "lora"
        }
    }
request_id stringIdentifiant unique de la requête.
output objectDétails de la tâche.

Propriétés

deployed_model stringIdentifiant unique du modèle déployé. Utilisé pour interroger le statut du déploiement du modèle et invoquer le modèle.model_name stringNom de l'identifiant du modèle.status stringStatut du déploiement :
  • PENDING : En cours de déploiement.
  • RUNNING : En cours d'exécution.
  • FAILED : Échec du déploiement.
base_model stringModèle de base utilisé.gmt_create stringHeure de création de la tâche de déploiement.gmt_modified stringHeure de mise à jour de la tâche de déploiement.workspace_id stringID de l'espace de travail associé à la clé API d'Alibaba Cloud Model Studio. Consultez Obtenir l'ID de l'espace de travail.charge_type stringMode de facturation. post_paid indique un paiement à l'utilisation.creator stringID du compte Alibaba Cloud du créateur.modifier stringID du compte Alibaba Cloud du modificateur.plan stringMéthode de déploiement.
code stringCode d'erreur. Renvoyé lorsque l'appel échoue. Consultez le tableau des codes d'erreur ci-dessous.
message stringDescription détaillée de l'erreur. Renvoyée lorsque l'appel échoue.

Configuration du modèle de prompt

Cette section explique comment configurer le paramètre aigc_config.prompt.
  • Pourquoi définir ce paramètre ? Sans ce paramètre, vous devriez rédiger manuellement un prompt complet à chaque appel du modèle déployé. Une fois configuré, lors de l'appel au modèle fine-tuné pour générer des vidéos, il suffit de télécharger une image ; le système complétera automatiquement les instructions d'effet sur la base de ce paramètre, sans nécessiter de saisie manuelle de prompt.
  • Comment le configurer ? Prompt = Instruction de tâche (indique au modèle quoi faire) + Modèle de sortie (standardise le format de sortie) + Exemple (aide le modèle à apprendre la structure de l'exemple).
    Provide a video description based on the image content. The description must include the phrase "Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her (him). The bills continue to fall, while the camera slowly zooms in, she (he) stretches her (his) arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain."
    Output Template:
    The video begins with a shot of [subject description]. [Environment description]. Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her (him). The bills continue to fall, while the camera slowly zooms in, she (he) stretches her (his) arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain.
    Example:
    The video begins showing a young woman at a beach scene. Her hair is wet, dark brown, curly and slightly messy. She has a bright smile on her face. The background features turbulent waves and distant mountains. Then the s86b5p money rain effect begins, countless huge-sized US dollar bills (beige background/dark green patterns) pour down like a torrential rain, densely hitting and surrounding her. The bills continue to fall, while the camera slowly zooms in, she stretches her arms upward, neck slightly tilted back, expression surprised, completely immersed in this wild money rain.
    
    Pour la description du « Modèle de sortie », consultez Annotation vidéo : Rédiger des prompts pour les vidéos .

Étape suivante

Le déploiement est une opération asynchrone. Après avoir appelé cette API, vous pouvez interroger le statut du déploiement via l'API Query and Manage Deployments.