AI 生图、视频、配音 API 接口怎么接：一个接口生成图片、透明底图标、视频和语音

RooYun（如云）开放 API 用一个生成接口覆盖 AI 生图（含透明底 PNG）、图生视频、文字转语音、音乐和音效，不用建画布。在个人中心创建令牌，查模型目录、用 precheck 报价，提交后轮询任务，再从资产下载接口取回文件。

发布于 2026-11-05

文中价格按价格页实时显示（价目更新于 2026 年 11 月 5 日），以价格页为准。

RooYun（如云）开放 API 用一个生成接口 POST /api/v1/generations 覆盖 AI 生图（含透明底 PNG）、图生视频、文字转语音、音乐和音效：发一个请求拿到任务 id，等它完成后把文件下载回来。生成不需要先建项目或画布，按积分计费，提交前可以先报价。

适合这些场景：

给自己的 App 或网站批量做图标、插画、空状态图；
给小游戏生成角色立绘（透明底）、音效和背景音乐；
给内容工具接上配音、数字人口播或图生视频；
写个脚本，每天自动出一张配图或一段语音。

不想自己写代码，也可以让 Claude Code、Codex 这类智能体替你写，后面有说法。

RooYun Agent 接入页：接进来之后 AI 能做什么，每项能力列出对应的 API 端点

一个接口能调哪些能力

生图、视频、配音都走同一个接口，用 capability 区分：

capability	做什么	必填参数（在 params 里）
`t2i`	文生图；加 `transparentBackground: true` 出透明底 PNG	`prompt`
`i2i`	图生图、编辑、放大、抠图	`image`（源图的资产 id）
`i2v`	图生视频	`firstFrame` + `prompt`
`flf2v`	首尾帧生视频	`firstFrame` + `lastFrame` + `prompt`
`ref2v`	参考图生视频（请求顶层带 `referenceAssetIds`）	`prompt`
`avatar`	数字人口播	`drivingAudio` + `firstFrame`
`t2a`	配音	`text` + `voiceId` 或 `voiceName`
`music`	音乐	`text`（风格描述），可选 `lyrics`、`instrumental`
`sfx`	音效	`text`，可选 `durationSec`
`upscale`	视频高清	`video`

素材一律用资产 id 传：本地图片、音频先上传，换成资产 id 再用。

第一步：拿到 API 令牌

两种方式：

手动创建：登录后到个人中心 → API 访问创建令牌，令牌以 dj_pat_ 开头。可以只勾选需要的权限，并设一个消费上限。
让智能体授权：装好 RooYun Skill 后让智能体运行 dj login，浏览器弹出授权页，点一次「授权」，令牌保存在本机 ~/.rooyun/credentials.json。

验证令牌能用：

curl -s "https://www.rooyun.com/api/v1/me" -H "Authorization: Bearer $ROOYUN_TOKEN"

返回账号 id、令牌名、权限和已用额度，就说明鉴权通了。令牌只放在环境变量或服务端配置里，不要写进前端代码。

第二步：选模型，先报价（API 怎么收费）

MCP 接入三步：创建 API 令牌、在 Claude Code 或 Cursor 里添加服务、让 AI 开工

先查模型目录，看每个模型支持哪些能力、多少积分一次：

curl -s "https://www.rooyun.com/api/v1/models?capability=t2i" -H "Authorization: Bearer $ROOYUN_TOKEN"

提交前可以用 POST /api/v1/generations/precheck 预估这次要花多少积分、余额够不够，口径和网页上生成前显示的一致。

参考价格（1 元 = 1 积分，以生成前显示为准）：

用途	模型	价格
图标、透明底立绘	Qwen-Image-2.1 · GPU	每张 0.05 元
配音	自建配音 · VoxCPM2	每秒 0.02 元
音效	自建音效 · 文生音效	每次 0.024 元
背景音乐	自建音乐 · MiniMax-Music3	每首 0.1 元
图生视频	MiniMax H3 · 文生视频	每秒 0.08 元

完整价目见价格页。

第三步：调用生图接口（以透明底图标为例）

curl -s -X POST "https://www.rooyun.com/api/v1/generations" \
  -H "Authorization: Bearer $ROOYUN_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "requestId": "8f14e45f-ceea-4672-9e5c-2a1b3c4d5e6f",
    "model": "<从模型目录里选的模型 id>",
    "capability": "t2i",
    "params": {
      "prompt": "一个圆角方形的天气 App 图标，太阳和云，扁平插画风格",
      "transparentBackground": true,
      "size": "1k"
    }
  }'

几个要点：

requestId 必填，是 uuid 形态的幂等键。每笔生成新取一个并存下来；网络出错重试时复用同一个，不会重复扣费。
透明底要选支持的模型：在模型目录里筛 image.transparentBackground 为 true 的模型，目前是 Qwen-Image-2.1。别的模型会静默忽略这个参数，出来的是普通图片。
画面里只写主体，不描述背景，透明底交给参数，不用在提示词里写「透明背景」。
想让产物落到画布上的某张卡片，请求里加 canvasId 和 nodeId；不加就只进资产库。

第四步：查任务状态，下载文件

图生视频、文字转语音的调用方式一样，只是 capability 和 params 不同，例如配音用 "capability": "t2a"，params 里放 text 和 voiceId（音色先用 GET /api/v1/voices 查）。

下载步骤：提交后返回任务 id。用 GET /api/v1/generations/{taskId} 查状态，图片通常几秒到几十秒，视频要几分钟。完成后从任务结果里拿到资产 id，再用 GET /api/v1/assets/{assetId}/download 下载文件。

生成失败时积分会退回，任务结果里有失败原因：服务繁忙一类的失败，换一个新的 requestId 重提即可。

让智能体替你写接入代码

如果你用 Claude Code、Codex、Cursor，不用照着上面一行行写。把这句话发给它：

请阅读 https://www.rooyun.com/developers/llms.txt（RooYun 的 Agent 接入说明），按说明帮我把 RooYun 接上：安装 Skill、帮我登录授权，最后做一次连通检查。

接好后直接说需求，比如：

「给这个 App 的 12 个功能入口各生成一个透明底图标，统一扁平风格，先报价」；
「给这个小游戏生成跳跃、得分、失败三个音效，再配一段 30 秒的循环背景音乐」；
「写一个脚本，读 posts 目录里的文章，给每篇生成一张头图」。

智能体每次生成前会先报价，你确认了才提交。

RooYun Agent 接入页方式一：复制一句话发给智能体，它自己装好 Skill 并请你点授权

有哪些限制

API 不拼成片：视频是一镜一段，要拼成完整成片，用你自己的 ffmpeg，或在画布上点「合成成片」。
单个上传文件不超过 50MB：大视频先压缩再上传。
生成会消耗积分：建议给令牌设消费上限，额度用尽后新的生成会被拒绝，不会继续扣钱。

常见问题

必须先建项目和画布才能生成吗？ 不用。生成请求里的 canvasId、nodeId 是可选的：带上时产物落回画布上的卡片，不带时产物只进你的资产库，用资产下载接口取回。

能生成透明底的图标和贴纸吗？ 能。文生图请求里传 params.transparentBackground: true，产物是带 alpha 通道的 PNG。目前只有部分模型支持，先在模型目录里筛 image.transparentBackground 为 true 的模型，其他模型会忽略这个参数。

失败了会扣钱吗？重试会不会重复扣？ 生成失败会退回积分。每个生成请求要带一个 requestId（uuid 形态的幂等键），重试时复用同一个 requestId 不会重复扣费。

怎么防止代码出错把余额花光？ 在个人中心 → API 访问给令牌设消费上限，额度用尽后新的生成会被拒绝。也可以去掉用不到的权限，或随时吊销令牌。