API RapidVideoMaker

La API REST te permite procesar archivos de vídeo desde cualquier cliente HTTP — scripts Python, flujos de trabajo n8n, herramientas de terceros. Cinco modos disponibles: Fusionar vídeos (varios MP4/MOV), Editar audio (1 MP4/MOV + 1 MP3), Crear un vídeo (1 JPG/PNG + 1 MP3), Superposición de vídeo (2 MP4/MOV picture-in-picture). El procesamiento es asíncrono: envía los archivos y luego consulta el resultado.

Obtén tu token API gratis

Crea una cuenta para obtener tu token API — 20 solicitudes incluidas por día, usables desde la interfaz o la API.

Crear una cuenta gratuita ¿Ya tienes cuenta? Iniciar sesión

Flujo de trabajo completo

Cada integración sigue la misma secuencia de 4 pasos:

Crear el trabajo — POST /api/v1/render.php

Envía tus archivos como multipart/form-data con tu token Bearer. 1 imagen JPG/PNG + 1 MP3 + mode=image_to_video → generación de vídeo. 1 MP4/MOV + 1 MP3 → edición de audio (añade mode=mix_audio para superponer pistas). Múltiples MP4/MOV → fusión. El servidor devuelve un job_id único. O 1 imagen + options.text + options.voice: la voz se genera a partir del texto, sin MP3.

Esperar el trabajo — GET /api/v1/jobs.php?job_id=…

Consulta este endpoint regularmente (cada 5–10 s). El trabajo avanza por queued → processing → ready (o error). La respuesta incluye la posición en cola y un tiempo estimado restante.

Obtener la URL de descarga

Cuando el estado es ready, la respuesta contiene un campo download_url listo para usar.

Descargar el archivo — GET /api/download.php?job_id=…

Descarga el MP4/MOV final. El archivo está disponible durante 2 horas tras completarse el trabajo, luego se elimina automáticamente. Tras el vencimiento, la API responde 410 Gone (en lugar de 404) para indicar que el trabajo existió pero ya no está disponible.

Autenticación

Cada solicitud debe incluir tu token API. Se aceptan dos formatos:

# Autenticación — Cada solicitud debe incluir tu token API. Se aceptan dos formatos:
Authorization: Bearer rvm_your_token_here

# Alternative
X-API-Key: rvm_your_token_here

Tu token está disponible en tu espacio de miembro — un token por cuenta, creado automáticamente al registrarse. Solo se muestra en claro una vez — guárdalo bien. Si lo pierdes, puedes regenerarlo desde tu espacio de miembro.

Cuota

Cada cuenta de miembro tiene 20 solicitudes por día, compartidas entre la interfaz web y la API. Los trabajos fallidos no consumen cuota. El contador se reinicia a medianoche UTC.

Las respuestas POST incluyen quota_used y quota_remaining. Cuando se supera el límite, el servidor responde 429.

Interfaz + API = mismo contador. Un vídeo creado desde la interfaz web y una solicitud API consumen cada uno 1 crédito del mismo cupo diario.

Cola

Se procesa un trabajo a la vez. Si se envían varios trabajos simultáneamente, se ponen en cola y se procesan en orden de llegada. Mientras espera, la respuesta de estado incluye:

queue_position — posición del trabajo en la cola (1 = el próximo en procesarse)
queue_total — número total de trabajos en espera
eta_minutes — tiempo estimado antes de que comience el procesamiento

Límite de tasa aplicado: el endpoint /api/v1/jobs.php acepta como máximo 12 llamadas por minuto por token (1 cada 5 s). Más allá, el servidor responde 429 con un encabezado Retry-After: 5. Recomendación: 10 segundos entre cada llamada.

Transiciones disponibles

Pasa transition_type=none (por defecto) para una fusión directa, o uno de los tipos siguientes para un fundido entre clips:

none fade fadeblack dissolve wipeleft wiperight slideleft slideright zoomin circleclose

La duración (transition_duration) está entre 0,2 y 2,0 segundos. Si un clip es demasiado corto para acomodar la transición, se ignora y la fusión procede sin transición.

Endpoints

Cinco modos, accesibles mediante el campo mode (omite mode con varios MP4 para detectar automáticamente fusion):

Uso	Modo(s) API	Archivos requeridos	Descripción
Fusionar vídeos	`fusion`	2–20 archivos MP4/MOV	Los clips se ensamblan de principio a fin en el orden indicado. Transiciones opcionales entre clips.
Editar audio	`add_audio` o `mix_audio`	1 MP4/MOV + 1 MP3	Reemplaza o enriquece la pista de audio de un vídeo. La pista de vídeo nunca se recodifica (`-c:v copy`). `add_audio` — el audio original se elimina y se reemplaza completamente por el MP3. `mix_audio` — el audio original se mantiene y el MP3 se superpone (amix). Pasa `options={"mp3_volume":…}` para ajustar el volumen del MP3 añadido. Si el vídeo no tiene audio, se comporta como `add_audio`.
Crear un vídeo	`image_to_video`	1 JPG/PNG + 1 MP3 — o 1 JPG/PNG + un texto (`options.text` + `options.voice`): la voz se genera	Genera un vídeo a partir de una imagen fija y tu MP3 — o de un simple texto (`options.text`) cuya voz se genera (`options.voice`). Texto superpuesto (fijo, palabra a palabra o karaoke), fundidos, resolución y fps configurables mediante el campo `options`.
Superposición de vídeo	`overlay_video`	2 MP4/MOV	Superpone un segundo vídeo sobre el principal. Posición, tamaño, opacidad y audio configurables mediante el campo `options`.
Añadir texto	`add_text`	1 MP4/MOV	Superpone texto a un vídeo existente (se conservan resolución, fotogramas por segundo y audio). Mismos ajustes de texto que `image_to_video`, más el momento en que aparece el texto. `options.text` es obligatorio.
Texto a MP3	`text_to_mp3`	(solo texto)	Convierte texto a voz y devuelve un archivo MP3. No se necesita subir archivos — envía `mode=text_to_mp3`, `text` y `lang` como campos de formulario. Compatible con los 20 idiomas del sitio.

Validación estricta: cada modo requiere un número exacto y tipos de archivos. add_audio y mix_audio solo aceptan 1 MP4/MOV + 1 MP3 (exactamente). image_to_video solo acepta 1 JPG/PNG + 1 MP3 (exactamente). Cualquier otra combinación se rechaza con un código de error explícito. Los tipos MIME se verifican por bytes mágicos, no solo por extensión. Múltiples MP4/MOV sin campo mode → detección automática de fusion. Excepción: con options.text + options.voice, image_to_video acepta 1 imagen sola — la voz se genera a partir del texto (sin MP3).

Regla de duración: en los modos audio e image_to_video, la duración del resultado está fijada a la duración del MP3. La pista de vídeo nunca se recodifica en los modos audio (-c:v copy). Con options.voice, image_to_video dura lo que la voz generada a partir del texto (+0,6 s).

Parámetros comunes (multipart/form-data)

Campo	Tipo	Req.	Descripción
videos[]	File[]	SÍ	Archivos a procesar. Según el modo: 2–20 MP4/MOV, o 1 MP4/MOV + 1 MP3, o 1 imagen (JPG/PNG) + 1 MP3. Máx. 500 MB por archivo.
mode	string	*	`image_to_video` \| `add_audio` \| `mix_audio` \| `overlay_video` \| `text_to_mp3`. Requerido para estos modos no-fusion. Omitir `mode` con solo archivos MP4/MOV siempre activa `fusion` (concatenación por copia de flujo) — nunca `overlay_video`, incluso con exactamente 2 MP4/MOV. Para edición de audio: `add_audio` elimina el original, `mix_audio` lo mantiene y superpone. Si se proporciona el campo `mode`, los archivos subidos deben coincidir exactamente — de lo contrario la solicitud es rechazada. `add_text` también se acepta: es el único modo que recibe un solo archivo MP4/MOV y exige `options.text`.
order	JSON		Solo modo `fusion` — array JSON de índices que define el orden de los clips.
transition_type	string		Solo modo `fusion`. Por defecto: `none`. Ver la lista de transiciones disponibles.
transition_duration	float		Solo modo `fusion`. Duración 0,2–2,0 s. Por defecto: `0,5`.
options	JSON		Objeto JSON de parámetros de renderizado para `image_to_video`, `add_text`, `mix_audio` y `overlay_video` (ver las tablas de abajo).
timings	File / string		`image_to_video` / `add_text`: archivo de tiempos del karaoke (SRT o LRC, 200 KB máx.), como campo de archivo o texto plano. El texto mostrado sale del archivo; impone `text_mode=karaoke`; no es compatible con `voice`.
callback_url	string		URL pública (http/https) llamada al completarse el trabajo. La respuesta incluye un `webhook_secret`.

Parámetros de `options` — modo image_to_video

Todos opcionales. Los valores no proporcionados → valores por defecto aplicados por el worker.

Clave	Tipo	Por defecto	Descripción
text	string	""	Texto mostrado como superposición. Vacío = sin texto. Máx. 500 caracteres.
font	string	"default"	Fuente del texto, por identificador. Valores aceptados: `default`, `dejavu-sans-bold`, `dejavu-serif`, `liberation-serif`, `dejavu-mono`, `amiri`, `noto-sans-sc` (简体中文), `noto-sans-tc` (繁體中文), `noto-sans-jp` (日本語), `noto-sans-kr` (한국어), `noto-sans-hebrew` (עברית), `noto-sans-thai` (ไทย). `default` = fuente estándar (compatible con emoji); `amiri` = fuente Naskh, ideal para texto en árabe. Cualquier otro valor devuelve el error `invalid_option`. Los emoji solo se muestran con `default`.
font_size	int	60	Tamaño de fuente en píxeles. Rango: 10–300. Recomendado: 36, 48, 60, 72, 96.
text_color	string	"white"	Color del texto (ej. `white`, `yellow`, `#ffffff`, `0xffffff`).
text_position	string	"center"	Posición del texto: `center`, `top`, `bottom`.
box	bool	true	Fondo semitransparente detrás del texto.
box_color	string	"black@0.4"	Color + opacidad en formato FFmpeg: `color@opacity`. Colores: `black`, `white`, `yellow`, `#ff4444`, `#00ccff`, `#ff8800`, `#ff69b4`… Opacidad: 0,0–1,0 (ej. `black@0.4` = negro al 40%, `white@0.70` = blanco al 70%).
fade_duration	float	0.5	Duración del fundido de entrada/salida en segundos (0–2). El texto se incluye en el fundido. 0 = sin fundido.
width	int	1080	Ancho del vídeo en píxeles (64–3840, forzado par). Combinaciones estándar: 1080/1920/720/1280.
height	int	1920	Alto del vídeo en píxeles (64–3840, forzado par).
fps	int	24	Tasa de fotogramas (1–60).
image_fit	string	"contain"	contain: Muestra la imagen o el vídeo completos y rellena el espacio libre con el fondo elegido. solid (predeterminado) o blur. El desenfoque requiere image_fit=contain. El texto permanece nítido. cover: La imagen se amplía para rellenar el marco, centrada — los bordes se recortan.
bg_color	string	"black"	`background_mode=solid`: Color de fondo (relleno) si la imagen no ocupa la resolución objetivo — relevante solo con `image_fit=contain` (ej. `black`, `white`, `#1a1a2e`).
background_mode	string	"solid"	solid (predeterminado) o blur. El desenfoque requiere image_fit=contain. El texto permanece nítido.
blur_strength	number	20	Número de 1 a 50; predeterminado 20. Desenfoque gaussiano solo en el fondo.
enable_image_motion	bool	false	Activa la animación de foto. Si es `false`, la imagen permanece estática. Si es `true`, se aplica el efecto definido por `image_motion_effect` mediante el filtro `zoompan` de FFmpeg.
image_motion_effect	string	"ken_burns"	Efecto de animación (ignorado si `enable_image_motion` es `false`). Valores aceptados: `zoom_in`, `zoom_out`, `pan_left_to_right`, `pan_right_to_left`, `pan_top_to_bottom`, `pan_bottom_to_top`, `zoom_pan_soft`, `ken_burns`. Por defecto si está ausente o es inválido: `ken_burns`.
motion_intensity	float	1.0	Intensidad de la animación de foto (0,25–2,0). Multiplica la amplitud de zoom y la velocidad de paneo. `0,25` = muy sutil, `1,0` = por defecto, `2,0` = doble amplitud. Ignorado si `enable_image_motion` es `false`.
text_effect	string	"none"	Animación del texto superpuesto (ignorado si `text` está ausente). Valores aceptados: `none`, `fade_in` (fundido de entrada), `slide_up` (deslizar desde abajo), `slide_down` (deslizar desde arriba), `slide_left` (deslizar desde la derecha), `bounce` (oscilación vertical continua).
text_effect_intensity	float	1.0	Intensidad de la animación de texto (0,25–2,0). Controla la velocidad del fundido, la duración de entrada del deslizamiento, o la frecuencia y amplitud del rebote. Ignorado si `text_effect` es `none`.
text_border_width	int	0	Grosor del contorno negro alrededor de los caracteres, en píxeles (0 = desactivado, 1–10). Mejora la legibilidad sobre fondos brillantes o de colores. Ignorado si `text` está ausente.
text_border_color	string	"black"	Color del contorno de los caracteres (mismo formato que `text_color`, por defecto `"black"`). Se usa si `text_border_width` > 0.
text_mode	string	"static"	Modo de revelación del texto. `static` (defecto): texto completo visible desde el primer fotograma. `word_by_word`: las palabras aparecen de una en una al ritmo de `word_reveal_speed`. Exclusivo con `text_effect`: si `text_mode=word_by_word`, `text_effect` se ignora. `"karaoke"`: el texto cambia de color al ritmo del audio, página por página (hasta 1000 caracteres). Sincronizado palabra por palabra con `voice`; si no, repartido sobre el audio según la longitud de las palabras.
word_reveal_speed	float	1.5	Velocidad de revelación en palabras por segundo (0.3–5.0, por defecto 1.5). Solo con `text_mode=word_by_word`. Valor recomendado para sincronización con voz OpenAI TTS: 2.0.
word_anim	string	"none"	Animación de aparición de cada palabra. `none` (por defecto): revelación instantánea. `fade`: cada nueva palabra aparece con un fundido de 0.2s y crossfade con el bloque anterior. Solo con `text_mode=word_by_word`.
karaoke_style	string	"fill"	Estilo de karaoke: `fill` (las palabras pronunciadas toman el color de resaltado), `sweep` (cada palabra se rellena progresivamente; palabras enteras en escrituras de derecha a izquierda) o `highlight` (solo se colorea la palabra actual).
highlight_color	string	"#FFD200"	Color de las palabras pronunciadas / de la palabra actual en modo karaoke (mismo formato que `text_color`).
karaoke_lines	int	2	Líneas mostradas por página en modo karaoke (1–4).
voice	string	""	ID de voz (misma lista que `text_to_mp3`, p. ej. `es-ES-ElviraNeural`): la voz se genera a partir de `text` en el mismo trabajo. `image_to_video` solo necesita entonces la imagen (se rechaza un MP3 enviado además). En modo karaoke, cada palabra se sincroniza con la voz.
voice_rate	int	0	Velocidad de la voz generada, en % (−50 a +50).

Karaoke con tus propios tiempos (SRT / LRC)

Envía un archivo SRT o LRC en el campo timings: cada línea aparece en su momento y forma una página del karaoke (hasta 500 líneas, 5000 caracteres). SRT: una línea desaparece en su hora de fin. LRC: una línea permanece hasta la siguiente (una línea vacía la detiene); se admiten [offset:] y los tiempos por palabra del LRC «enhanced» <mm:ss.xx>; si no, cada línea se reparte en su duración. En add_text, los tiempos son relativos al inicio del vídeo y se desplazan con text_start.

# lyrics.srt
1
00:00:01,000 --> 00:00:03,500
First line of the song

2
00:00:04,000 --> 00:00:07,200
Second line, on its own page

# lyrics.lrc — enhanced LRC: optional per-word times <mm:ss.xx>
[00:01.00]<00:01.00>First <00:01.60>line <00:02.10>here
[00:04.00]Second line
[00:07.50]

Parámetros `options` — modo overlay_video

Todos opcionales. El orden de envío importa: el primer archivo es el vídeo principal (fondo), el segundo archivo es el overlay (primer plano). Usa chroma_key para eliminar un fondo verde del overlay.

Clave	Tipo	Por defecto	Descripción
position	string	"bottom-right"	Esquina donde se coloca el overlay: `top-left`, `top-right`, `bottom-left`, `bottom-right`, o `center`.
scale	float	0.30	Tamaño del overlay como fracción del ancho del vídeo principal. `0.25` = 25% del ancho. Rango: 0.05–1.0.
opacity	float	1.0	Transparencia del overlay. `1.0` = totalmente opaco, `0.0` = invisible.
margin	int	10	Separación en píxeles entre el overlay y el borde. Ignorado si `position=center`. Rango: 0–200.
audio	string	"main"	Audio a conservar. `main`: solo audio principal. `overlay`: solo audio del overlay. `mix`: ambas pistas mezcladas.
chroma_key	bool	false	Pon `true` para eliminar el fondo verde puro (#00FF00) del overlay — útil para webcam o animaciones filmadas en pantalla verde.
chroma_similarity	float	0.20	Tolerancia del chroma key. Bajo = coincidencia estricta. Alto = eliminación más amplia. Recomendado: `0.10–0.20` para verde digital, `0.25–0.45` para pantalla física. Rango: 0.01–0.60.

Parámetros de `options` — modo add_text

El texto es obligatorio. Por defecto se conservan el formato, los fotogramas por segundo y el audio. output_format activa el ajuste con image_fit, bg_color y background_mode. width, height, fps y el movimiento de foto siguen ignorados. Duración máxima: 15 minutos.

{"text":"Hello","output_format":"portrait","image_fit":"contain","background_mode":"blur","blur_strength":20}

Clave	Tipo	Por defecto	Descripción
text	string	SÍ	Texto a superponer. Obligatorio, de 1 a 200 caracteres.
text_start	float	0	Segundo en el que aparece el texto (≥ 0). Debe ser anterior al final del vídeo.
text_duration	float	0	Tiempo que el texto permanece visible, en segundos (0,1–3600). `0` = hasta el final del vídeo.
font	string	"default"	Fuente del texto, por identificador. Valores aceptados: `default`, `dejavu-sans-bold`, `dejavu-serif`, `liberation-serif`, `dejavu-mono`, `amiri`, `noto-sans-sc` (简体中文), `noto-sans-tc` (繁體中文), `noto-sans-jp` (日本語), `noto-sans-kr` (한국어), `noto-sans-hebrew` (עברית), `noto-sans-thai` (ไทย). `default` = fuente estándar (compatible con emoji); `amiri` = fuente Naskh, ideal para texto en árabe. Cualquier otro valor devuelve el error `invalid_option`. Los emoji solo se muestran con `default`.
font_size	int	60	Tamaño de fuente, expresado para un vídeo cuyo lado corto mide 1080 px y escalado automáticamente a la resolución real: el mismo valor se ve igual en 720p y en 4K. Rango: 10–300.
fade_duration	float	0.5	Duración del fundido de entrada/salida del texto (no del vídeo), en segundos. Rango: 0–2.
text_color, box, box_color, text_position, text_border_width, text_border_color, text_effect, text_effect_intensity, text_mode, word_reveal_speed, word_anim, karaoke_style, highlight_color, karaoke_lines, voice, voice_rate	—	—	Idénticas a `image_to_video` (ver la tabla anterior).
original_volume	float	0.3	Con `voice`: volumen del sonido original del vídeo bajo la voz (0–2, por defecto 0.3; 0 = sustituido). La voz empieza en `text_start`; el texto permanece hasta que termina y, si supera el final del vídeo, se mantiene la última imagen.
background_mode	string	"solid"	solid (predeterminado) o blur. El desenfoque requiere image_fit=contain. El texto permanece nítido.
blur_strength	number	20	Número de 1 a 50; predeterminado 20. Desenfoque gaussiano solo en el fondo.
output_format	string	"original"	Solo add_text: original (predeterminado), portrait (1080×1920), square (1080×1080), landscape (1920×1080). El desenfoque requiere un formato distinto de original.
image_fit	string	"contain"	contain: Muestra la imagen o el vídeo completos y rellena el espacio libre con el fondo elegido. solid (predeterminado) o blur. El desenfoque requiere image_fit=contain. El texto permanece nítido. cover: La imagen se amplía para rellenar el marco, centrada — los bordes se recortan.
bg_color	string	"black"	`background_mode=solid`: Color de fondo (relleno) si la imagen no ocupa la resolución objetivo — relevante solo con `image_fit=contain` (ej. `black`, `white`, `#1a1a2e`).

Parámetros de `options` — Editar audio (`mix_audio`)

Disponible solo con mode=mix_audio. Ignorado para add_audio.

Clave	Tipo	Por defecto	Descripción
mp3_volume	float	1.0	Volumen del MP3 superpuesto (0,0 = silenciado, 1,0 = volumen original, 2,0 = doble). Los valores superiores a 1,0 pueden provocar saturación.

Modo `text_to_mp3` — parámetros directos (sin JSON `options`)

A diferencia de otros modos, estos campos se envían directamente como campos de formulario, no dentro del objeto JSON options. Solo text es obligatorio.

Clave	Tipo	Por defecto	Descripción
text	string	—	Texto a convertir en voz. Obligatorio. Máximo 5.000 caracteres.
lang	string	"en"	Código de idioma usado para elegir la voz por defecto cuando se omite o no es válido `voice`. Uno de los 20 idiomas del sitio (ver tabla abajo). Si no se reconoce, usa `en`.
voice	string	auto	ID de voz edge-tts (ver tabla abajo). Si se omite o no es un ID válido, se usa automáticamente la primera voz de `lang`.
slow	bool	false	Pon `true` (o `1`) para reducir la velocidad de la voz un 25%. Cualquier otro valor se trata como `false`.

No requiere subir archivos: a diferencia de los demás modos, text_to_mp3 no necesita videos[]. Envía mode=text_to_mp3 junto con text / lang / voice / slow como campos de formulario normales.

Voces disponibles (edge-tts, Microsoft Neural), agrupadas por código de idioma:

Idioma	Voces disponibles
`en`	`en-US-AvaNeural`, `en-US-AndrewNeural`, `en-GB-LibbyNeural`, `en-AU-NatashaNeural`, `en-AU-WilliamMultilingualNeural`
`fr`	`fr-FR-DeniseNeural`, `fr-FR-HenriNeural`, `fr-FR-EloiseNeural`, `fr-CA-SylvieNeural`, `fr-CA-ThierryNeural`
`es`	`es-ES-ElviraNeural`, `es-ES-AlvaroNeural`, `es-MX-DaliaNeural`, `es-AR-ElenaNeural`, `es-AR-TomasNeural`
`ar`	`ar-SA-ZariyahNeural`, `ar-SA-HamedNeural`, `ar-EG-SalmaNeural`, `ar-MA-MounaNeural`, `ar-MA-JamalNeural`
`pt`	`pt-BR-FranciscaNeural`, `pt-BR-AntonioNeural`, `pt-PT-RaquelNeural`
`de`	`de-DE-KatjaNeural`, `de-DE-ConradNeural`, `de-DE-AmalaNeural`, `de-AT-IngridNeural`, `de-AT-JonasNeural`
`it`	`it-IT-ElsaNeural`, `it-IT-DiegoNeural`, `it-IT-IsabellaNeural`
`nl`	`nl-NL-ColetteNeural`, `nl-NL-MaartenNeural`, `nl-BE-DenaNeural`, `nl-BE-ArnaudNeural`
`ru`	`ru-RU-SvetlanaNeural`, `ru-RU-DmitryNeural`
`tr`	`tr-TR-EmelNeural`, `tr-TR-AhmetNeural`
`hi`	`hi-IN-SwaraNeural`, `hi-IN-MadhurNeural`
`bn`	`bn-IN-TanishaaNeural`, `bn-IN-BashkarNeural`, `bn-BD-NabanitaNeural`, `bn-BD-PradeepNeural`
`ur`	`ur-PK-UzmaNeural`, `ur-PK-AsadNeural`, `ur-IN-GulNeural`, `ur-IN-SalmanNeural`
`id`	`id-ID-GadisNeural`, `id-ID-ArdiNeural`
`ja`	`ja-JP-NanamiNeural`, `ja-JP-KeitaNeural`
`ko`	`ko-KR-SunHiNeural`, `ko-KR-InJoonNeural`
`zh-CN`	`zh-CN-XiaoxiaoNeural`, `zh-CN-YunxiNeural`, `zh-CN-XiaoyiNeural`
`zh-TW`	`zh-TW-HsiaoChenNeural`, `zh-TW-YunJheNeural`
`vi`	`vi-VN-HoaiMyNeural`, `vi-VN-NamMinhNeural`
`pl`	`pl-PL-ZofiaNeural`, `pl-PL-MarekNeural`

Respuesta de éxito (HTTP 200)

{
  "success": true,
  "job_id": "a3f1c8d2e5b09471...",
  "mode": "fusion",              // "fusion" | "add_audio" | "mix_audio" | "image_to_video" | "overlay_video" | "add_text" | "text_to_mp3"
  "file_count": 2,
  "transition": null,
  "quota_used": 1,
  "quota_remaining": 9,
  "status_url": "https://rapidvideomaker.com/api/v1/jobs.php?job_id=a3f1c8..."
}

Para text_to_mp3, la respuesta no incluye file_count ni transition (no se sube ningún archivo) — el resto es idéntico: job_id, quota_used, quota_remaining, status_url, webhook_secret.

Ejemplo curl — modo image_to_video

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@scene.jpg" \
  -F "videos[]=@narration.mp3" \
  -F "mode=image_to_video" \
  -F 'options={"text":"Chapter 1","font_size":72,"text_color":"white","text_position":"bottom","box":true,"box_color":"black@0.4","fade_duration":0.5,"width":1080,"height":1920,"image_fit":"contain","bg_color":"black","enable_image_motion":true,"image_motion_effect":"ken_burns","motion_intensity":1.0,"text_effect":"slide_up","text_effect_intensity":1.0}'
# image_fit           : "contain" | "cover"
# background_mode     : "solid" | "blur" (blur requires contain)
# blur_strength       : 1–50, default 20
# bg_color            : ignored if image_fit="cover"
# enable_image_motion : true = animation on, false (default) = static image
# image_motion_effect : zoom_in | zoom_out | pan_left_to_right | pan_right_to_left | pan_top_to_bottom | pan_bottom_to_top | zoom_pan_soft | ken_burns
# motion_intensity    : 0.25–2.0 — photo animation amplitude (default 1.0)
# text_effect         : none | fade_in | slide_up | slide_down | slide_left | bounce (ignored if text_mode=word_by_word)
# text_effect_intensity : 0.25–2.0 — text animation intensity (default 1.0)
# text_border_width   : 0–10 px — outline around characters (0 = disabled)
# text_border_color   : outline color, default "black" (e.g. "#FF3366", "white@0.8")
# text_mode           : "static" (default) | "word_by_word" — reveal words one by one
# word_reveal_speed   : 0.3–5.0 w/s — speed for word_by_word mode (default 1.5, ~2.0 for OpenAI TTS)
# word_anim           : "none" (default) | "fade" — fade-in crossfade on each word (word_by_word only)

Texto karaoke con voz generada (image_to_video, sin MP3)

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@scene.jpg" \
  -F "mode=image_to_video" \
  -F 'options={"text":"Every word lights up as the voice reads it.","voice":"en-US-AvaNeural","text_mode":"karaoke","karaoke_style":"sweep","highlight_color":"#FFD200","karaoke_lines":2,"text_position":"bottom","font_size":72}'
# no MP3: the voice is generated from "text" and gives the timing of every word
# text_mode="karaoke" : text up to 1000 characters, shown page by page (karaoke_lines: 1–4)
# karaoke_style       : "fill" (default) | "sweep" | "highlight"
# voice_rate          : -50…+50 (%), default 0
# with your own MP3 (no "voice"): karaoke timing is spread over the audio by word length
# add_text: same options + "original_volume" (0–2, default 0.3) = original sound under the voice

Karaoke con un archivo SRT (image_to_video + tu MP3)

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@cover.jpg" \
  -F "videos[]=@song.mp3" \
  -F "timings=@lyrics.srt" \
  -F "mode=image_to_video" \
  -F 'options={"karaoke_style":"sweep","karaoke_lines":2,"text_position":"bottom","font_size":72}'
# timings : SRT or LRC file (200 KB max), or its content as a plain text field: -F "timings=<lyrics.lrc"
# the displayed text comes from the file ("text" is ignored), text_mode is forced to "karaoke"
# not compatible with "voice" (the timings follow your own audio)
# add_text: times are relative to the video start, shifted by "text_start"

Ejemplo curl — Editar audio

# Replace audio (deletes original)
curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@my_video.mp4" \
  -F "videos[]=@my_music.mp3" \
  -F "mode=add_audio"

# Keep original audio + overlay MP3
curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@my_video.mp4" \
  -F "videos[]=@my_music.mp3" \
  -F "mode=mix_audio" \
  -F 'options={"mp3_volume":0.7}'
# mp3_volume : 0.0 (muted) → 1.0 (original volume, default) → 2.0 (amplified)

Ejemplo curl — modo overlay_video

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@main_video.mp4" \
  -F "videos[]=@overlay_video.mp4" \
  -F "mode=overlay_video" \
  -F 'options={"position":"bottom-right","scale":0.25,"opacity":1.0,"margin":20,"audio":"main"}'

# Green screen overlay
curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@main_video.mp4" \
  -F "videos[]=@webcam_greenscreen.mp4" \
  -F "mode=overlay_video" \
  -F 'options={"position":"bottom-left","scale":0.35,"chroma_key":true,"chroma_similarity":0.15,"audio":"mix"}'
# position           : top-left | top-right | bottom-left | bottom-right | center (default: bottom-right)
# scale              : 0.05–1.0 — overlay width as fraction of main video (default 0.30)
# opacity            : 0.0–1.0 — overlay transparency (default 1.0)
# margin             : 0–200 px — gap from frame edge, ignored if center (default 10)
# audio              : main | overlay | mix — audio to keep (default: main)
# chroma_key         : true | false — remove green (#00FF00) background from overlay (default false)
# chroma_similarity  : 0.01–0.60 — green screen tolerance (default 0.20)

Ejemplo curl — modo add_text

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@my_video.mp4" \
  -F "mode=add_text" \
  -F 'options={"text":"Hello world","text_position":"bottom","font_size":72,"text_color":"#ffd700","text_start":2,"text_duration":5,"text_effect":"slide_up"}'
# text          : required, 1–200 characters
# text_start    : second at which the text appears (default 0)
# text_duration : seconds the text stays visible, 0 = until the end (default 0)
# the video keeps its resolution, frame rate and audio track

Ejemplo curl — Fusionar vídeos

curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@clip1.mp4" \
  -F "videos[]=@clip2.mp4" \
  -F "transition_type=fade" \
  -F "transition_duration=0.5"

Ejemplo curl — modo text_to_mp3

# No file upload — text + lang + voice as plain form fields
curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "mode=text_to_mp3" \
  -F "text=Welcome to Rapid Video Maker." \
  -F "lang=en" \
  -F "voice=en-US-AvaNeural" \
  -F "slow=false"
# voice omitted or invalid -> falls back to the first voice of "lang"
curl -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "mode=text_to_mp3" \
  -F "text=Bienvenue sur Rapid Video Maker." \
  -F "lang=fr"

El estado incluye la etapa real y el tiempo transcurrido. Las estimaciones son orientativas; un tiempo de espera del cliente no implica un fallo. Retoma el seguimiento del mismo ID. Los archivos caducan dos horas después de finalizar.

Estados posibles

Estado	Significado	Campos adicionales
queued	En cola, aún no procesado	`queue_position`, `queue_total`, `eta_minutes`
processing	Procesamiento FFmpeg en curso	`processing_stage`, `processing_elapsed_seconds`, `stage_elapsed_seconds`, `last_activity_at`, `processed_media_seconds`, `eta_overrun`
ready	Completado — archivo disponible	`download_url`, `media_available`, `created_at`, `expires_at`
error	Procesamiento fallido	`error` (message), `quota_refund_status`: `pending` \| `confirmed` \| `not_required`
cancelled	Cancelado	`quota_refund_status`: `pending` \| `confirmed` \| `not_required`

Respuestas por estado

queued

{
  "job_id": "a3f1c8...",
  "status": "queued",
  "queue_position": 2,
  "queue_total": 3,
  "eta_minutes": 7
}

ready

{
  "job_id": "a3f1c8...",
  "status": "ready",
  "download_url": "https://rapidvideomaker.com/api/download.php?job_id=a3f1c8...",
  "created_at": "2026-06-02T10:00:00+00:00",
  "expires_at": "2026-06-02T12:00:00+00:00"
}

Ejemplo curl

curl -H "Authorization: Bearer rvm_your_token" \
  "https://rapidvideomaker.com/api/v1/jobs.php?job_id=a3f1c8..."

Parámetros comunes (multipart/form-data)

Parámetro	Tipo	Por defecto	Descripción
`page`	integer	1	Número de página (empieza en 1)
`limit`	integer	20	Resultados por página (máx. 50, por defecto 20)

Respuestas por estado

{
  "success": true,
  "jobs": [
    { "job_id": "a3f1c8...", "status": "ready", "mode": "fusion", "created_at": "2026-06-02T10:00:00+00:00", "expires_at": "2026-06-02T12:00:00+00:00", "download_url": "https://..." },
    ...
  ],
  "total": 12,
  "page": 1,
  "limit": 20
}

Transmite el archivo final. El Content-Type es video/mp4 para los modos de vídeo, o audio/mpeg para text_to_mp3. No requiere token — la URL es suficientemente opaca. Disponible solo cuando el estado es ready.

El archivo se conserva 2 horas tras completarse el trabajo, luego se elimina. Descárgalo tan pronto como el estado sea ready.

Parámetros opcionales

Parámetro	Descripción
filename	Nombre sugerido para el archivo descargado (ej. `mi-video.mp4`)
preview	Establece `1` para reproducción en línea (omite `Content-Disposition: attachment`) en lugar de iniciar una descarga — usado para previsualización en el navegador.

Ejemplo curl

curl -o "output.mp4" \
  "https://rapidvideomaker.com/api/download.php?job_id=a3f1c8...&filename=output.mp4"

Webhooks

Los webhooks son una alternativa al polling: en lugar de verificar el estado cada X segundos, proporcionas una URL y el servidor te llama automáticamente cuando el trabajo se completa.

Cómo funciona

Pasa callback_url en el POST a /api/v1/render.php
La respuesta contiene un webhook_secret — guárdalo para verificar firmas
Cuando el trabajo llega a ready o error, el servidor envía un POST JSON firmado a tu URL
Verifica la firma con HMAC-SHA256(webhook_secret, raw_body)

Restricciones: callback_url debe ser una URL públicamente accesible (http o https). Las direcciones IP privadas, de loopback y reservadas están bloqueadas en el servidor. Tiempo de espera: 10 segundos.

Payload recibido

Éxito (ready)

{
  "job_id": "a3f1c8...",
  "status": "ready",
  "download_url": "https://rapidvideomaker.com
  /api/download.php?job_id=a3f1c8...",
  "timestamp": "2026-04-04T12:00:00+00:00"
}

Fallo (error)

{
  "job_id": "a3f1c8...",
  "status": "error",
  "error": "FFmpeg xfade failed:...",
  "timestamp": "2026-04-04T12:00:00+00:00"
}

Encabezados enviados por el servidor

Encabezado	Valor
Content-Type	`application/json`
X-RVM-Signature	`sha256=<hmac_hex>` — firma HMAC-SHA256 del cuerpo bruto
X-RVM-Job-Id	El `job_id` correspondiente

Verificación de firma

# Python
import hmac, hashlib

def verify_webhook(secret: str, body: bytes, signature_header: str) -> bool:
    expected = "sha256=" + hmac.new(
        secret.encode(), body, hashlib.sha256
    ).hexdigest()
    return hmac.compare_digest(expected, signature_header)

# Flask/FastAPI endpoint:
sig    = request.headers.get("X-RVM-Signature", "")
if not verify_webhook(WEBHOOK_SECRET, request.data, sig):
    return "Invalid signature", 403
data = request.get_json()

Códigos de error

HTTP	Código JSON	Causa
401	unauthorized	Token ausente, inválido o revocado
400	missing_files	No se recibieron archivos
400	too_few_files	Menos de 2 archivos enviados
400	too_many_files	Más de 20 archivos enviados
400	invalid_mime	Archivo no admitido — solo se aceptan MP4, MP3 e imágenes JPG/PNG (MIME verificado por bytes mágicos)
400	wrong_file_count	El número de archivos no coincide con el modo elegido (ej. 3 archivos con `mode=add_audio` que requiere 2)
400	wrong_file_types	Los tipos de archivos no coinciden con el modo elegido (ej. 2 MP4 con `mode=add_audio` que requiere 1 MP4 + 1 MP3; o 1 MP4 + 1 MP3 con `mode=image_to_video`)
400	invalid_file_combination	La combinación de archivos sin modo especificado no coincide con ningún modo admitido
400	invalid_options	El campo `options` no es JSON válido o contiene un objeto esperado
400	invalid_option	Un valor en `options` es inválido (color, nombre de fuente, posición…)
400	file_too_large	Un archivo supera los 500 MB
400	text_required	Falta el campo `options.text` o está vacío (modo add_text)
400	video_too_long	Vídeo de más de 15 minutos (modo add_text)
400	text_start_out_of_range	`text_start` supera el final del vídeo
400	invalid_voice	ID de `voice` desconocido.
400	invalid_timings	Archivo de tiempos ilegible (formato no reconocido, ninguna línea con tiempo, fin antes del inicio, demasiado largo…).
400	invalid_order	El array `order` no es una permutación válida
400	invalid_job_id	Formato de job_id incorrecto (debe ser hex de 32 caracteres)
404	job_not_found	Trabajo no encontrado — `job_id` desconocido o nunca existió
410	job_expired	Trabajo expirado — existió pero la ventana de recuperación de 2h ha pasado
429	quota_exceeded	20 trabajos exitosos/día alcanzados (todos los modos combinados)
429	rate_limited	Más de 12 llamadas/min en `/api/v1/jobs.php` — espera `Retry-After` segundos
500	server_error	Error interno del servidor

Ejemplos de integración

Ejemplos para cada modo — instala requests con pip install requests.

Configuración común

import requests, time, sys, json

API_BASE  = "https://rapidvideomaker.com"
API_TOKEN = "rvm_your_token_here"
HEADERS   = {"Authorization": f"Bearer {API_TOKEN}"}

Modo image_to_video — imagen + audio → vídeo

with open("scene.jpg", "rb") as fi, open("narration.mp3", "rb") as fa:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[
            ("videos[]", ("scene.jpg", fi, "image/jpeg")),
            ("videos[]", ("narration.mp3", fa, "audio/mpeg")),
        ],
        data={
            "mode": "image_to_video",
            "options": json.dumps({
                "text":          "Chapter 1",
                "font_size":     72,
                "text_color":    "white",
                "text_position": "bottom",
                "box":           True,
                "box_color":     "black@0.4",
                "fade_duration": 0.5,
                "width":              1080,
                "height":             1920,
                "image_fit":          "contain",  # "contain" | "cover"
                "background_mode": "solid", # or "blur" with contain
                "blur_strength":   20,
                "bg_color":           "black",    # ignored if image_fit="cover"
                "enable_image_motion": True,
                "image_motion_effect": "ken_burns",
                "motion_intensity":    1.0,        # 0.25–2.0 — photo animation amplitude
                "text_effect":         "slide_up", # none | fade_in | slide_up | slide_down | slide_left | bounce (ignored if text_mode=word_by_word)
                "text_effect_intensity": 1.0,      # 0.25–2.0 — text animation intensity
                # word-by-word reveal (mutually exclusive with text_effect):
                # "text_mode": "word_by_word", "word_reveal_speed": 2.0, "word_anim": "fade"
            }),
        },
    )

Editar audio

# Replace audio (deletes original) — mode=add_audio
with open("video.mp4", "rb") as fv, open("music.mp3", "rb") as fa:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[
            ("videos[]", ("video.mp4", fv, "video/mp4")),
            ("videos[]", ("music.mp3", fa, "audio/mpeg")),
        ],
        data={"mode": "add_audio"},
    )

# Keep original audio + overlay MP3 — mode=mix_audio
with open("video.mp4", "rb") as fv, open("music.mp3", "rb") as fa:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[
            ("videos[]", ("video.mp4", fv, "video/mp4")),
            ("videos[]", ("music.mp3", fa, "audio/mpeg")),
        ],
        data={"mode": "mix_audio", "options": json.dumps({"mp3_volume": 0.7})},
        # mp3_volume : 0.0 = muted, 1.0 = original volume (default), 2.0 = amplified
    )

Modo overlay_video — picture-in-picture

with open("main.mp4", "rb") as fm, open("overlay.mp4", "rb") as fo:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[
            ("videos[]", ("main.mp4",    fm, "video/mp4")),
            ("videos[]", ("overlay.mp4", fo, "video/mp4")),
        ],
        data={
            "mode": "overlay_video",
            "options": json.dumps({
                "position": "bottom-right",  # top-left | top-right | bottom-left | bottom-right | center
                "scale":    0.25,             # 0.05–1.0 — overlay width fraction
                "opacity":  1.0,             # 0.0–1.0 — transparency
                "margin":   20,              # 0–200 px — gap from frame edge
                "audio":    "main",          # main | overlay | mix
                # green screen: "chroma_key": True, "chroma_similarity": 0.15
            }),
        },
    )

Modo add_text — texto sobre un vídeo

with open("video.mp4", "rb") as fv:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[("videos[]", ("video.mp4", fv, "video/mp4"))],
        data={
            "mode": "add_text",
            "options": json.dumps({
                "text":          "Hello world",  # required
                "text_position": "bottom",       # center | top | bottom
                "font":          "amiri",        # font id (see the table above)
                "font_size":     72,
                "text_start":    2,              # appears at 2 s
                "text_duration": 5,              # stays 5 s (0 = until the end)
            }),
        },
    )

Fusionar vídeos

with open("clip1.mp4", "rb") as f1, open("clip2.mp4", "rb") as f2:
    resp = requests.post(
        f"{API_BASE}/api/v1/render.php",
        headers=HEADERS,
        files=[
            ("videos[]", ("clip1.mp4", f1, "video/mp4")),
            ("videos[]", ("clip2.mp4", f2, "video/mp4")),
        ],
        data={"transition_type": "fade", "transition_duration": "0.5"},
    )

Modo text_to_mp3 — texto a voz

# No files — text + lang (+ optional voice / slow) as form fields
resp = requests.post(
    f"{API_BASE}/api/v1/render.php",
    headers=HEADERS,
    data={
        "mode":  "text_to_mp3",
        "text":  "Welcome to Rapid Video Maker.",
        "lang":  "en",          # one of the 20 site language codes
        "voice": "en-US-AvaNeural", # optional — falls back to the first voice of "lang"
        "slow":  "false",      # "true" = -25% speech rate
    },
)

Polling + descarga (común a todos los modos)

resp.raise_for_status()
job_id = resp.json()["job_id"]
print(f"Job created: {job_id}")

for _ in range(120):          # timeout 10 min (120 × 5s)
    r = requests.get(
        f"{API_BASE}/api/v1/jobs.php",
        headers=HEADERS,
        params={"job_id": job_id},
    )
    data   = r.json()
    status = data["status"]

    if status == "queued":
        pos = data.get("queue_position", "?")
        eta = data.get("eta_minutes", "?")
        print(f"Queued — position {pos}, ETA ~{eta} min")
    elif status == "processing":
        print("Processing…")
    elif status == "ready":
        download_url = data["download_url"]
        break
    elif status == "error":
        sys.exit(f"Error: {data.get('error')}")

    time.sleep(5)
else:
    sys.exit("Timeout: job not completed after 10 min")

r = requests.get(download_url, stream=True)
with open("output.mp4", "wb") as f:
    for chunk in r.iter_content(65536):
        f.write(chunk)
print("Downloaded: output.mp4")

Dos enfoques en n8n: polling (bucle de estado) o webhook (el servidor llama a n8n). El webhook es recomendado — más limpio, carga innecesaria cero.

Enfoque A — Webhook (recomendado)

Solo 3 nodos, sin bucle.

Nodo 1 — Webhook trigger
Agrega un nodo Webhook como entrada del flujo de trabajo (método POST). Anota la URL generada, ej.: https://tu-n8n.com/webhook/rvm-callback.

Nodo 2 — Crear el trabajo (HTTP Request)

Método	`POST`
URL	`https://rapidvideomaker.com/api/v1/render.php`
Autenticación	Header Auth — `Authorization: Bearer rvm_…`
Tipo de contenido	`Form-Data Multipart`
Body params	Campo Binary `videos[]` para cada clip + campo Text `callback_url` = URL del nodo Webhook de arriba

Guarda el webhook_secret de la respuesta en una variable del flujo de trabajo para verificar la firma al recibirla.

Nodo 3 — Procesar el resultado (en el flujo de trabajo disparado por el Webhook)
Cuando n8n recibe el POST del servidor, $json.status es ready o error. Si es ready, $json.download_url contiene la URL de descarga directa.

Para verificar la firma: compara {{ $headers['x-rvm-signature'] }} con sha256= + HMAC-SHA256 del cuerpo bruto desde tu webhook_secret. Usa un nodo Code con crypto.createHmac('sha256', secret).update(body).digest('hex').

Enfoque B — Polling (sin webhook)

5 nodos, bucle de estado cada 10 s.

Nodo 1 — Crear el trabajo — misma configuración que arriba, sin callback_url.

Nodo 2 — Wait — 10 segundos.

Nodo 3 — Consultar estado (HTTP Request GET)

URL	`https://rapidvideomaker.com/api/v1/jobs.php`
Parámetros de consulta	`job_id` = `{{ $('Nodo 1').item.json.job_id }}`
Autenticación	Header Auth — mismo token

Nodo 4 — If: {{ $json.status }} === 'ready' → true: Nodo 5 / false: volver al Nodo 2.

Agrega un contador de iteraciones en un nodo Set para romper el bucle después de 60 intentos (10 min máx.) y evitar un bucle infinito.

Nodo 5 — Descargar: HTTP Request GET en {{ $json.download_url }}, Response Format File.

Paso 1 — Crear el trabajo (elegir un modo)

# fusion
JOB=$(curl -s -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@clip1.mp4" -F "videos[]=@clip2.mp4")

# add_audio (replace audio)
JOB=$(curl -s -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@video.mp4" -F "videos[]=@music.mp3" \
  -F "mode=add_audio")

# mix_audio (overlay music at 70% volume)
JOB=$(curl -s -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@video.mp4" -F "videos[]=@music.mp3" \
  -F "mode=mix_audio" -F 'options={"mp3_volume":0.7}')

# image_to_video
JOB=$(curl -s -X POST https://rapidvideomaker.com/api/v1/render.php \
  -H "Authorization: Bearer rvm_your_token" \
  -F "videos[]=@scene.jpg" -F "videos[]=@narration.mp3" \
  -F "mode=image_to_video" \
  -F 'options={"text":"Chapter 1","font_size":72,"text_position":"bottom","fade_duration":0.5,"width":1080,"height":1920}')

JOB_ID=$(echo $JOB | grep -o '"job_id":"[^"]*"' | cut -d'"' -f4)
echo "Job ID: $JOB_ID"

Paso 2 — Polling

while true; do
  STATUS=$(curl -s \
    -H "Authorization: Bearer rvm_your_token" \
    "https://rapidvideomaker.com/api/v1/jobs.php?job_id=$JOB_ID")
  STATE=$(echo $STATUS | grep -o '"status":"[^"]*"' | cut -d'"' -f4)
  echo "Status: $STATE"
  [ "$STATE" = "ready" ] && break
  [ "$STATE" = "error" ] && { echo "Error"; exit 1; }
  sleep 10
done

Paso 3 — Descargar

DOWNLOAD_URL=$(echo $STATUS | grep -o '"download_url":"[^"]*"' | cut -d'"' -f4)
curl -o output.mp4 "$DOWNLOAD_URL"

Buenas prácticas

Consulta el mismo trabajo cada 5–10 segundos. La duración depende del modo y del tamaño de los datos.
El estado incluye la etapa real y el tiempo transcurrido. Las estimaciones son orientativas; un tiempo de espera del cliente no implica un fallo. Retoma el seguimiento del mismo ID. Los archivos caducan dos horas después de finalizar.
Descarga rápida: tan pronto como el estado sea ready, descarga el archivo. Se eliminará 2 horas después de que el trabajo se complete.
Gestión de cuota: verifica quota_remaining en la respuesta POST. Si es 0, el siguiente trabajo será rechazado con 429.
Errores de red: en caso de error de red durante el polling, espera y vuelve a intentarlo — el trabajo continúa ejecutándose en el servidor de forma independiente.

Los archivos de resultado se conservan 2 horas tras completarse el trabajo, luego se eliminan automáticamente. Descarga tu vídeo tan pronto como el estado sea ready.

API RapidVideoMaker

Flujo de trabajo completo

Autenticación

Cuota

Cola

Transiciones disponibles

Endpoints

Parámetros comunes (multipart/form-data)

Parámetros de options — modo image_to_video

Karaoke con tus propios tiempos (SRT / LRC)

Parámetros options — modo overlay_video

Parámetros de options — modo add_text

Parámetros de options — Editar audio (mix_audio)

Modo text_to_mp3 — parámetros directos (sin JSON options)

Respuesta de éxito (HTTP 200)

Ejemplo curl — modo image_to_video

Texto karaoke con voz generada (image_to_video, sin MP3)

Karaoke con un archivo SRT (image_to_video + tu MP3)

Ejemplo curl — Editar audio

Ejemplo curl — modo overlay_video

Ejemplo curl — modo add_text

Ejemplo curl — Fusionar vídeos

Ejemplo curl — modo text_to_mp3

Estados posibles

Respuestas por estado

Ejemplo curl

Parámetros comunes (multipart/form-data)

Respuestas por estado

Parámetros opcionales

Ejemplo curl

Webhooks

Cómo funciona

Payload recibido

Encabezados enviados por el servidor

Verificación de firma

Códigos de error

Ejemplos de integración

Configuración común

Modo image_to_video — imagen + audio → vídeo

Editar audio

Modo overlay_video — picture-in-picture

Modo add_text — texto sobre un vídeo

Fusionar vídeos

Modo text_to_mp3 — texto a voz

Polling + descarga (común a todos los modos)

Enfoque A — Webhook (recomendado)

Enfoque B — Polling (sin webhook)

Paso 1 — Crear el trabajo (elegir un modo)

Paso 2 — Polling

Paso 3 — Descargar

Buenas prácticas

Parámetros de `options` — modo image_to_video

Parámetros `options` — modo overlay_video

Parámetros de `options` — modo add_text

Parámetros de `options` — Editar audio (`mix_audio`)

Modo `text_to_mp3` — parámetros directos (sin JSON `options`)