API RapidVideoMaker

The REST API lets you process video files from any HTTP client — Python scripts, n8n workflows, third-party tools. Five modes available: Merge videos (multiple MP4/MOV), Edit audio (1 MP4/MOV + 1 MP3), Create a video (1 JPG/PNG + 1 MP3), Overlay video (2 MP4/MOV picture-in-picture). Processing is asynchronous: submit files, then poll for the result.

Pobierz swój token API bezpłatnie

Utwórz konto, aby uzyskać token API — 20 żądań dziennie w zestawie, do użytku przez interfejs lub API.

Utwórz bezpłatne konto Masz już konto? Zaloguj się

Pełny przepływ pracy

Każda integracja przebiega według tej samej sekwencji 4 kroków:

Utwórz zadanie — POST /api/v1/render.php

Wyślij pliki jako multipart/form-data z tokenem Bearer. 1 JPG/PNG + 1 MP3 + mode=image_to_video → generowanie wideo. 1 MP4/MOV + 1 MP3 → edycja audio (mode=mix_audio do nakładania). Wiele MP4/MOV → scalenie. Serwer zwraca unikalny job_id. Albo 1 obraz + options.text + options.voice: głos jest generowany z tekstu, bez MP3.

Monitoruj zadanie — GET /api/v1/jobs.php?job_id=…

Odpytuj ten endpoint regularnie (co 5–10 sek.). Zadanie przechodzi przez queued → processing → ready (lub error). Odpowiedź zawiera pozycję w kolejce i szacowany czas.

Pobierz URL do pobrania

Gdy status to ready, odpowiedź zawiera gotowe pole download_url.

Pobierz plik — GET /api/download.php?job_id=…

Pobierz gotowy plik MP4/MOV. Plik jest dostępny przez 2 godziny po zakończeniu zadania, potem automatycznie usuwany. Po wygaśnięciu API odpowiada 410 Gone.

Uwierzytelnianie

Każde żądanie musi zawierać token API. Akceptowane są dwa formaty:

# Uwierzytelnianie — Każde żądanie musi zawierać token API. Akceptowane są dwa formaty:
Authorization: Bearer rvm_your_token_here

# Alternative
X-API-Key: rvm_your_token_here

Twój token jest dostępny w przestrzeni członkowskiej — jeden token na konto, tworzony automatycznie przy rejestracji. Jest wyświetlany w postaci jawnej tylko raz — przechowuj go bezpiecznie. W razie utraty możesz go zregenerować ze swojej przestrzeni członkowskiej.

Limit

Każde konto członkowskie ma 20 żądań dziennie, wspólnych dla interfejsu webowego i API. Nieudane zadania nie zużywają limitu. Licznik resetuje się o północy UTC.

Odpowiedzi POST zawierają quota_used i quota_remaining. Po przekroczeniu limitu serwer odpowiada 429.

Interfejs + API = ten sam licznik. Wideo created przez interfejs webowy i żądanie API zużywają każde po 1 kredycie z tego samego dziennego limitu.

Kolejka

Jedno zadanie jest przetwarzane na raz. Jeśli kilka zadań zostanie przesłanych jednocześnie, są kolejkowane w kolejności przyjęcia. Podczas oczekiwania odpowiedź statusu zawiera:

queue_position — pozycja zadania w kolejce (1 = następne)
queue_total — całkowita liczba oczekujących zadań
eta_minutes — szacowany czas do rozpoczęcia przetwarzania

Zastosowano limit szybkości: endpoint /api/v1/jobs.php akceptuje maksymalnie 12 wywołań na minutę na token. Powyżej serwer odpowiada 429 z nagłówkiem Retry-After: 5. Zalecenie: 10 sekund między wywołaniami.

Dostępne przejścia

Przekaż transition_type=none (domyślnie) dla bezpośredniego scalenia lub jeden z poniższych typów dla przejścia między klipami:

none fade fadeblack dissolve wipeleft wiperight slideleft slideright zoomin circleclose

Czas trwania (transition_duration) wynosi między 0,2 a 2,0 sekundy. Jeśli klip jest za krótki, przejście jest ignorowane.

Endpointy

Five modes, accessible via the mode field (omit mode with multiple MP4s to auto-detect fusion):

Użycie	Tryb API	Wymagane pliki	Opis
Scal wideo	`fusion`	2–20 plików MP4/MOV	Klipy są składane sekwencyjnie w podanej kolejności. Opcjonalne przejścia między klipami.
Edytuj audio	`add_audio` lub `mix_audio`	1 MP4/MOV + 1 MP3	Zastępuje lub wzbogaca ścieżkę audio wideo. Ścieżka wideo nigdy nie jest ponownie kodowana (`-c:v copy`). `add_audio` — oryginalne audio jest usuwane i zastępowane MP3. `mix_audio` — oryginalne audio jest zachowywane i MP3 jest nakładane (amix).
Utwórz wideo	`image_to_video`	1 JPG/PNG + 1 MP3 — lub 1 JPG/PNG + tekst (`options.text` + `options.voice`): głos jest generowany	Tworzy wideo z nieruchomego obrazu i Twojego MP3 — albo z samego tekstu (`options.text`), dla którego generowany jest głos (`options.voice`). Nakładka tekstowa (stała, słowo po słowie lub karaoke), przejścia, rozdzielczość i fps konfigurowane przez pole `options`.
Overlay video	`overlay_video`	2 MP4/MOV	Nakłada drugi film na film główny. Pozycja, rozmiar, przezroczystość i dźwięk konfigurowalne przez pole `options`.
Dodaj tekst	`add_text`	1 MP4/MOV	Nakłada tekst na istniejące wideo (rozdzielczość, liczba klatek i dźwięk zostają zachowane). Te same ustawienia tekstu co w `image_to_video` oraz moment pojawienia się tekstu. Pole `options.text` jest wymagane.
Tekst na MP3	`text_to_mp3`	(tylko tekst)	Konwertuje tekst na mowę i zwraca plik MP3. Nie trzeba przesyłać pliku — wyślij `mode=text_to_mp3`, `text` i `lang` jako pola formularza. Obsługuje wszystkie 20 języków witryny.

Ścisła walidacja: każdy tryb wymaga dokładnej liczby i typu plików. add_audio i mix_audio akceptują tylko 1 MP4/MOV + 1 MP3. image_to_video tylko 1 JPG/PNG + 1 MP3. Typy MIME są weryfikowane przez magic bytes. Wyjątek: z options.text + options.voice tryb image_to_video przyjmuje 1 obraz bez MP3 — głos jest generowany z tekstu.

Reguła czasu trwania: w trybach audio i image_to_video czas trwania wyniku jest równy czasowi trwania MP3. Ścieżka wideo nigdy nie jest ponownie kodowana (-c:v copy). Z options.voice długość image_to_video równa się długości głosu wygenerowanego z tekstu (+0,6 s).

Wspólne parametry (multipart/form-data)

Pole	Typ	Wym.	Opis
videos[]	File[]	TAK	Pliki do przetworzenia. W zależności od trybu: 2–20 MP4/MOV, lub 1 MP4/MOV + 1 MP3, lub 1 obraz (JPG/PNG) + 1 MP3. Max. 500 MB na plik.
mode	string	*	`image_to_video` \| `add_audio` \| `mix_audio` \| `overlay_video` \| `text_to_mp3`. Wymagane dla tych trybów innych niż fusion. Pominięcie `mode` przy samych plikach MP4/MOV zawsze uruchamia `fusion` (łączenie przez kopiowanie strumienia) — nigdy `overlay_video`, nawet przy przesłaniu dokładnie 2 plików MP4/MOV. Do edycji audio: `add_audio` usuwa oryginał, `mix_audio` zachowuje go i nakłada. Jeśli podano pole `mode`, przesłane pliki muszą dokładnie pasować — w przeciwnym razie żądanie zostanie odrzucone. `add_text` jest również akceptowany: to jedyny tryb przyjmujący pojedynczy plik MP4/MOV i wymagający `options.text`.
order	JSON		Tylko tryb `fusion` — tablica JSON indeksów definiujących kolejność klipów.
transition_type	string		Tylko tryb `fusion`. Domyślnie: `none`. Zobacz listę dostępnych przejść.
transition_duration	float		Tylko tryb `fusion`. Czas trwania 0,2–2,0 sek. Domyślnie: `0.5`.
options	JSON		Obiekt JSON z parametrami renderowania dla `image_to_video`, `add_text`, `mix_audio` i `overlay_video` (zobacz tabele poniżej).
timings	File / string		`image_to_video` / `add_text`: plik z czasami karaoke (SRT lub LRC, maks. 200 KB) — pole pliku lub zwykły tekst. Wyświetlany tekst pochodzi z pliku; wymusza `text_mode=karaoke`; nie działa razem z `voice`.
callback_url	string		Publiczny URL (http/https) wywoływany po zakończeniu zadania. Odpowiedź zawiera `webhook_secret`.

Parametry `options` — tryb image_to_video

Wszystkie opcjonalne. Niepodane wartości → domyślne workera.

Klucz	Typ	Domyślnie	Opis
text	string	""	Tekst wyświetlany jako nakładka. Puste = brak tekstu. Max. 500 znaków.
font	string	"default"	Czcionka tekstu, według identyfikatora. Akceptowane wartości: `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` = czcionka standardowa (z obsługą emoji); `amiri` = czcionka Naskh, idealna dla tekstu arabskiego. Każda inna wartość zwraca błąd `invalid_option`. Emoji są wyświetlane tylko z `default`.
font_size	int	60	Rozmiar czcionki w pikselach. Zakres: 10–300. Zalecane: 36, 48, 60, 72, 96.
text_color	string	"white"	Kolor tekstu (np. `white`, `yellow`, `#ffffff`).
text_position	string	"center"	Pozycja tekstu: `center`, `top`, `bottom`.
box	bool	true	Półprzezroczyste tło za tekstem.
box_color	string	"black@0.4"	Kolor + krycie w formacie FFmpeg: `kolor@krycie`. Krycie: 0,0–1,0 (np. `black@0.4` = 40% czerni).
fade_duration	float	0.5	Czas trwania wejścia/wyjścia w sekundach (0–2). 0 = brak zanikania.
width	int	1080	Szerokość wideo w pikselach (64–3840, parzysta). Standard: 1080/1920/720/1280.
height	int	1920	Wysokość wideo w pikselach (64–3840, parzysta).
fps	int	24	Liczba klatek na sekundę (1–60).
image_fit	string	"contain"	contain: Pokaż cały obraz lub film i wypełnij wolne obszary wybranym tłem. solid (domyślnie) lub blur. Rozmycie wymaga image_fit=contain. Tekst pozostaje ostry. cover: Obraz jest powiększany, aby wypełnić ramkę, wyśrodkowany — krawędzie są przycinane.
bg_color	string	"black"	`background_mode=solid`: Kolor tła gdy obraz nie wypełnia rozdzielczości — tylko przy `image_fit=contain` (np. `black`, `white`, `#1a1a2e`).
background_mode	string	"solid"	solid (domyślnie) lub blur. Rozmycie wymaga image_fit=contain. Tekst pozostaje ostry.
blur_strength	number	20	Liczba od 1 do 50; domyślnie 20. Rozmycie Gaussa tylko dla tła.
enable_image_motion	bool	false	Włącza animację zdjęcia. Przy `false` obraz pozostaje statyczny. Przy `true` efekt `image_motion_effect` jest stosowany przez FFmpeg `zoompan`.
image_motion_effect	string	"ken_burns"	Efekt animacji. Wartości: `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`. Domyślnie: `ken_burns`.
motion_intensity	float	1.0	Intensywność animacji zdjęcia (0,25–2,0). Mnoży amplitudę zoomu i prędkość panoramy.
text_effect	string	"none"	Animacja tekstu. Wartości: `none`, `fade_in`, `slide_up`, `slide_down`, `slide_left`, `bounce`.
text_effect_intensity	float	1.0	Intensywność animacji tekstu (0,25–2,0).
text_border_width	int	0	Grubość czarnego obrysu w pikselach (0 = wyłączone, 1–10). Poprawia czytelność.
text_border_color	string	"black"	Kolor obrysu znaków (ten sam format co `text_color`, domyślnie `"black"`). Używany, gdy `text_border_width` > 0.
text_mode	string	"static"	Tryb wyświetlania tekstu. `static` (domyślny): pełny tekst widoczny od pierwszej klatki. `word_by_word`: słowa pojawiają się jedno po drugim w tempie `word_reveal_speed`. Wyklucza `text_effect`: gdy `text_mode=word_by_word`, `text_effect` jest ignorowany. `"karaoke"`: tekst zmienia kolor w rytm dźwięku, strona po stronie (do 1000 znaków). Z `voice` synchronizowany słowo po słowie, w przeciwnym razie rozkładany na dźwięk według długości słów.
word_reveal_speed	float	1.5	Prędkość odkrywania słów na sekundę (0,3–5,0, domyślnie 1,5). Tylko z `text_mode=word_by_word`. Zalecana wartość do synchronizacji z OpenAI TTS: 2,0.
word_anim	string	"none"	Animacja pojawiania się każdego słowa. `none` (domyślnie): natychmiastowe wyświetlenie. `fade`: każde nowe słowo pojawia się z zanikaniem 0.2s i crossfade. Tylko przy `text_mode=word_by_word`.
karaoke_style	string	"fill"	Styl karaoke: `fill` (wypowiedziane słowa przyjmują kolor wyróżnienia), `sweep` (każde słowo wypełnia się stopniowo; całe słowa w pismach od prawej do lewej) lub `highlight` (kolorowane jest tylko bieżące słowo).
highlight_color	string	"#FFD200"	Kolor wypowiedzianych słów / bieżącego słowa w trybie karaoke (ten sam format co `text_color`).
karaoke_lines	int	2	Liczba wierszy na stronę w trybie karaoke (1–4).
voice	string	""	ID głosu (ta sama lista co w `text_to_mp3`, np. `pl-PL-ZofiaNeural`): głos jest generowany z `text` w tym samym zadaniu. `image_to_video` potrzebuje wtedy tylko obrazu (dodatkowo wysłany MP3 zostanie odrzucony). W trybie karaoke każde słowo jest zsynchronizowane z głosem.
voice_rate	int	0	Szybkość wygenerowanego głosu w % (od −50 do +50).

Karaoke z własnymi czasami (SRT / LRC)

Wyślij plik SRT lub LRC w polu timings: każda linia pojawia się w swoim czasie i tworzy stronę karaoke (do 500 linii, 5000 znaków). SRT: linia znika w czasie zakończenia. LRC: linia pozostaje do następnej (pusta linia ją kończy); obsługiwane są [offset:] i czasy słów rozszerzonego LRC <mm:ss.xx> — w przeciwnym razie każda linia jest rozkładana na swój czas trwania. W add_text czasy liczone są od początku filmu, przesunięte o 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]

Parametry `options` — tryb overlay_video

Wszystkie opcjonalne. Kolejność przesyłania ma znaczenie: pierwszy plik to główny film (tło), drugi plik to nakładka (pierwszy plan). Użyj chroma_key, aby usunąć zielone tło z nakładki.

Klucz	Typ	Domyślnie	Opis
position	string	"bottom-right"	Narożnik, w którym umieszczana jest nakładka: `top-left`, `top-right`, `bottom-left`, `bottom-right` lub `center`.
scale	float	0.30	Rozmiar nakładki jako ułamek szerokości głównego filmu. `0.25` = 25% szerokości. Zakres: 0.05–1.0.
opacity	float	1.0	Przezroczystość nakładki. `1.0` = całkowicie nieprzezroczysta, `0.0` = niewidoczna.
margin	int	10	Odstęp w pikselach między nakładką a krawędzią kadru. Ignorowany przy `position=center`. Zakres: 0–200.
audio	string	"main"	Która ścieżka audio ma pozostać. `main`: tylko audio głównego filmu. `overlay`: tylko audio nakładki. `mix`: obie ścieżki zmiksowane.
chroma_key	bool	false	Ustaw `true`, aby usunąć czyste zielone tło (#00FF00) z nakładki — przydatne dla kamerki lub animacji nagranych na zielonym ekranie.
chroma_similarity	float	0.20	Tolerancja chromakey. Niska = ścisłe dopasowanie. Wysoka = szersze usuwanie. Zalecane: `0.10–0.20` dla zieleni cyfrowej, `0.25–0.45` dla ekranu fizycznego. Zakres: 0.01–0.60.

Parametry `options` — tryb add_text

Tekst jest wymagany. Domyślnie zachowane są format, liczba klatek i dźwięk. output_format umożliwia zmianę kadru z image_fit, bg_color i background_mode. width, height, fps i ruch zdjęcia są nadal ignorowane. Maksymalna długość: 15 minut.

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

Klucz	Typ	Domyślnie	Opis
text	string	TAK	Tekst do nałożenia. Wymagany, 1–200 znaków.
text_start	float	0	Sekunda, w której pojawia się tekst (≥ 0). Musi przypadać przed końcem wideo.
text_duration	float	0	Jak długo tekst pozostaje widoczny, w sekundach (0,1–3600). `0` = do końca wideo.
font	string	"default"	Czcionka tekstu, według identyfikatora. Akceptowane wartości: `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` = czcionka standardowa (z obsługą emoji); `amiri` = czcionka Naskh, idealna dla tekstu arabskiego. Każda inna wartość zwraca błąd `invalid_option`. Emoji są wyświetlane tylko z `default`.
font_size	int	60	Rozmiar czcionki podany dla wideo, którego krótszy bok ma 1080 px, i automatycznie skalowany do rzeczywistej rozdzielczości — ta sama wartość wygląda tak samo w 720p i 4K. Zakres: 10–300.
fade_duration	float	0.5	Czas zanikania tekstu (nie wideo) przy pojawianiu się i znikaniu, w sekundach. Zakres: 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	—	—	Identyczne jak w `image_to_video` (zobacz tabelę powyżej).
original_volume	float	0.3	Z `voice`: głośność oryginalnego dźwięku filmu pod głosem (0–2, domyślnie 0.3; 0 = zastąpiony). Głos zaczyna się w `text_start`; tekst pozostaje widoczny do jego końca, a jeśli głos wykracza poza koniec filmu, ostatnia klatka zostaje zatrzymana.
background_mode	string	"solid"	solid (domyślnie) lub blur. Rozmycie wymaga image_fit=contain. Tekst pozostaje ostry.
blur_strength	number	20	Liczba od 1 do 50; domyślnie 20. Rozmycie Gaussa tylko dla tła.
output_format	string	"original"	Tylko add_text: original (domyślnie), portrait (1080×1920), square (1080×1080), landscape (1920×1080). Rozmycie wymaga formatu innego niż original.
image_fit	string	"contain"	contain: Pokaż cały obraz lub film i wypełnij wolne obszary wybranym tłem. solid (domyślnie) lub blur. Rozmycie wymaga image_fit=contain. Tekst pozostaje ostry. cover: Obraz jest powiększany, aby wypełnić ramkę, wyśrodkowany — krawędzie są przycinane.
bg_color	string	"black"	`background_mode=solid`: Kolor tła gdy obraz nie wypełnia rozdzielczości — tylko przy `image_fit=contain` (np. `black`, `white`, `#1a1a2e`).

Parametry `options` — Edycja audio (`mix_audio`)

Dostępne tylko z mode=mix_audio. Ignorowane dla add_audio.

Klucz	Typ	Domyślnie	Opis
mp3_volume	float	1.0	Głośność nakładanego MP3 (0,0 = wyciszony, 1,0 = oryginał, 2,0 = podwójny). Wartości powyżej 1,0 mogą powodować przesterowanie.

Tryb `text_to_mp3` — bezpośrednie parametry (bez JSON `options`)

W przeciwieństwie do innych trybów, te pola są wysyłane bezpośrednio jako pola formularza, a nie wewnątrz obiektu JSON options. Wymagane jest tylko pole text.

Klucz	Typ	Domyślnie	Opis
text	string	—	Tekst do zamiany na mowę. Wymagane. Maksymalnie 5000 znaków.
lang	string	"en"	Kod języka używany do wyboru domyślnego głosu, gdy `voice` jest pominięte lub nieprawidłowe. Jeden z 20 języków witryny (zobacz tabelę poniżej). W przypadku nieznanego kodu używane jest `en`.
voice	string	automatycznie	ID głosu edge-tts (zobacz tabelę poniżej). Jeśli pominięte lub nieprawidłowe, automatycznie używany jest pierwszy głos dla `lang`.
slow	bool	false	Ustaw na `true` (lub `1`), aby zwolnić tempo mowy o 25%. Każda inna wartość jest traktowana jako `false`.

Nie wymaga przesyłania pliku: w przeciwieństwie do innych trybów, text_to_mp3 nie wymaga videos[]. Wyślij mode=text_to_mp3 razem z text / lang / voice / slow jako zwykłe pola formularza.

Dostępne głosy (edge-tts, Microsoft Neural), pogrupowane według kodu języka:

Język	Dostępne głosy
`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`

Odpowiedź sukcesu (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..."
}

W przypadku text_to_mp3 odpowiedź nie zawiera pól file_count ani transition (żaden plik nie został przesłany) — reszta jest identyczna: job_id, quota_used, quota_remaining, status_url, webhook_secret.

Przykład curl — tryb 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)

Tekst karaoke z wygenerowanym głosem (image_to_video, bez 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 z plikiem SRT (image_to_video + Twój 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"

Przykład curl — Edycja 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)

Przykład curl — tryb 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)

Przykład curl — tryb 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

Przykład curl — Scalanie wideo

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"

Przykład curl — tryb 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"

Status zawiera rzeczywisty etap i czas, który upłynął. Szacunki są orientacyjne; przekroczenie czasu klienta nie oznacza błędu. Wznów sprawdzanie tego samego ID zadania. Pliki wygasają dwie godziny po zakończeniu.

Możliwe statusy

Status	Znaczenie	Dodatkowe pola
queued	W kolejce, jeszcze nie przetworzone	`queue_position`, `queue_total`, `eta_minutes`
processing	Przetwarzanie FFmpeg w toku	`processing_stage`, `processing_elapsed_seconds`, `stage_elapsed_seconds`, `last_activity_at`, `processed_media_seconds`, `eta_overrun`
ready	Ukończone — plik dostępny	`download_url`, `media_available`, `created_at`, `expires_at`
error	Przetwarzanie nie powiodło się	`error` (message), `quota_refund_status`: `pending` \| `confirmed` \| `not_required`
cancelled	Anulowano	`quota_refund_status`: `pending` \| `confirmed` \| `not_required`

Odpowiedzi według statusu

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"
}

Przykład curl

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

Wspólne parametry (multipart/form-data)

Parametr	Typ	Domyślnie	Opis
`page`	integer	1	Numer strony (od 1)
`limit`	integer	20	Wyników na stronę (maks. 50, domyślnie 20)

Odpowiedzi według statusu

{
  "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
}

Przesyła strumieniowo gotowy plik. Content-Type to video/mp4 dla trybów wideo lub audio/mpeg dla text_to_mp3. Nie wymaga tokenu. Dostępny tylko gdy status to ready.

Plik jest przechowywany przez 2 godziny po zakończeniu, potem usuwany. Pobierz go, gdy tylko status stanie się ready.

Opcjonalne parametry

Parametr	Opis
filename	Sugerowana nazwa pobieranego pliku (np. `moje-wideo.mp4`)
preview	Ustaw na `1`, aby odtwarzać w linii (pomija `Content-Disposition: attachment`) zamiast wywoływać pobieranie — używane do podglądu w przeglądarce.

Przykład curl

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

Webhooki

Webhooki są alternatywą dla pollingu: zamiast sprawdzać status co X sekund, podajesz URL i serwer automatycznie Cię powiadamia, gdy zadanie jest gotowe.

Jak to działa

Przekaż callback_url w POST do /api/v1/render.php
Odpowiedź zawiera webhook_secret — zachowaj go do weryfikacji podpisów
Gdy zadanie osiągnie ready lub error, serwer wysyła podpisany JSON-POST na Twój URL
Zweryfikuj podpis za pomocą HMAC-SHA256(webhook_secret, raw_body)

Ograniczenia: callback_url musi być publicznie dostępnym URL. Prywatne i loopback IP są zablokowane. Timeout: 10 sekund.

Otrzymany payload

Sukces (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"
}

Błąd (error)

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

Nagłówki wysyłane przez serwer

Nagłówek	Wartość
Content-Type	`application/json`
X-RVM-Signature	`sha256=<hmac_hex>` — podpis HMAC-SHA256 surowego body
X-RVM-Job-Id	Odpowiedni `job_id`

Weryfikacja podpisu

# 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()

Kody błędów

HTTP	Kod JSON	Przyczyna
401	unauthorized	Brak tokenu, nieprawidłowy lub odwołany
400	missing_files	Nie otrzymano plików
400	too_few_files	Wysłano mniej niż 2 pliki
400	too_many_files	Wysłano więcej niż 20 plików
400	invalid_mime	Nieobsługiwany plik — akceptowane tylko MP4, MP3 i JPG/PNG (MIME weryfikowany przez magic bytes)
400	wrong_file_count	Liczba plików nie odpowiada wybranemu trybowi
400	wrong_file_types	Typy plików nie odpowiadają wybranemu trybowi
400	invalid_file_combination	Kombinacja plików bez trybu nie odpowiada żadnemu obsługiwanemu trybowi
400	invalid_options	Pole `options` nie jest prawidłowym JSON lub nie zawiera obiektu
400	invalid_option	Wartość w `options` jest nieprawidłowa (kolor, czcionka, pozycja…)
400	file_too_large	Plik przekracza 500 MB
400	text_required	Pole `options.text` jest nieobecne lub puste (tryb add_text)
400	video_too_long	Wideo dłuższe niż 15 minut (tryb add_text)
400	text_start_out_of_range	`text_start` wykracza poza koniec wideo
400	invalid_voice	Nieznany identyfikator `voice`.
400	invalid_timings	Nieczytelny plik z czasami (nierozpoznany format, brak linii z czasem, koniec przed początkiem, za długi…).
400	invalid_order	Tablica `order` nie jest prawidłową permutacją
400	invalid_job_id	Nieprawidłowy format job_id (musi być 32-znakowym szesnastkowym)
404	job_not_found	Zadanie nie znalezione — `job_id` nieznany lub nigdy nie istniał
410	job_expired	Zadanie wygasło — istniało, ale 2-godzinne okno minęło
429	quota_exceeded	Osiągnięto 20 udanych zadań/dzień
429	rate_limited	Ponad 12 wywołań/min na `/api/v1/jobs.php` — poczekaj `Retry-After` sekund
500	server_error	Wewnętrzny błąd serwera

Przykłady integracji

Przykłady dla każdego trybu — zainstaluj requests przez pip install requests.

Wspólna konfiguracja

import requests, time, sys, json

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

Tryb image_to_video — obraz + audio → wideo

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"
            }),
        },
    )

Edycja 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
    )

Tryb overlay_video — obraz w obrazie

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
            }),
        },
    )

Tryb add_text — tekst na wideo

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)
            }),
        },
    )

Scalanie wideo

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"},
    )

Tryb text_to_mp3 — tekst na mowę

# 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 + pobieranie (wspólne dla wszystkich trybów)

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")

Dwa podejścia w n8n: polling (pętla statusu) lub webhook (serwer wywołuje n8n). Webhook jest zalecany — czystszy, zero zbędnego obciążenia.

Podejście A — Webhook (zalecane)

Tylko 3 węzły, bez pętli.

Węzeł 1 — Wyzwalacz Webhook
Dodaj węzeł Webhook jako wejście workflow (metoda POST). Zanotuj wygenerowany URL, np. https://twoj-n8n.com/webhook/rvm-callback.

Węzeł 2 — Utwórz zadanie (HTTP Request)

Metoda	`POST`
URL	`https://rapidvideomaker.com/api/v1/render.php`
Uwierzytelnianie	Header Auth — `Authorization: Bearer rvm_…`
Typ zawartości body	`Form-Data Multipart`
Body params	Pole Binary `videos[]` dla każdego klipu + Pole Text `callback_url` = URL węzła webhook

Zachowaj webhook_secret z odpowiedzi w zmiennej workflow.

Węzeł 3 — Przetwórz wynik (w workflow aktywowanym przez webhook)
Gdy n8n otrzyma POST serwera, $json.status to ready lub error. Przy ready, $json.download_url zawiera bezpośredni URL pobierania.

Weryfikacja podpisu: porównaj {{ $headers['x-rvm-signature'] }} z sha256= + HMAC-SHA256 surowego body. Węzeł Code: crypto.createHmac('sha256', secret).update(body).digest('hex').

Podejście B — Polling (bez webhooków)

5 węzłów, pętla statusu co 10 sek.

Węzeł 1 — Utwórz zadanie — ta sama konfiguracja, bez callback_url.

Węzeł 2 — Czekaj — 10 sekund.

Węzeł 3 — Pobierz status (HTTP Request GET)

URL	`https://rapidvideomaker.com/api/v1/jobs.php`
Parametry zapytania	`job_id` = `{{ $('Węzeł 1').item.json.job_id }}`
Uwierzytelnianie	Uwierzytelnianie nagłówkiem — ten sam token

Węzeł 4 — If: {{ $json.status }} === 'ready' → true: Węzeł 5 / false: wróć do Węzła 2.

Dodaj licznik iteracji w węźle Set, aby przerwać pętlę po 60 próbach (max. 10 min.).

Węzeł 5 — Pobierz: HTTP Request GET na {{ $json.download_url }}, format odpowiedzi File.

Krok 1 — Utwórz zadanie (wybierz tryb)

# 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"

Krok 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

Krok 3 — Pobieranie

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

Najlepsze praktyki

Sprawdzaj to samo zadanie co 5–10 sekund. Czas zależy od trybu i rozmiaru danych.
Status zawiera rzeczywisty etap i czas, który upłynął. Szacunki są orientacyjne; przekroczenie czasu klienta nie oznacza błędu. Wznów sprawdzanie tego samego ID zadania. Pliki wygasają dwie godziny po zakończeniu.
Szybkie pobieranie: gdy tylko status to ready, pobierz plik. Zostaje usunięty 2 godziny po zakończeniu.
Zarządzanie limitem: sprawdź quota_remaining w odpowiedzi POST. Przy 0 następne zadanie zostanie odrzucone z 429.
Błędy sieciowe: przy błędzie sieci poczekaj i spróbuj ponownie — zadanie kontynuuje wykonywanie po stronie serwera.

Pliki wynikowe są przechowywane przez 2 godziny po zakończeniu, potem automatycznie usuwane. Pobierz wideo, gdy tylko status stanie się ready.

API RapidVideoMaker

Pełny przepływ pracy

Uwierzytelnianie

Limit

Kolejka

Dostępne przejścia

Endpointy

Wspólne parametry (multipart/form-data)

Parametry options — tryb image_to_video

Karaoke z własnymi czasami (SRT / LRC)

Parametry options — tryb overlay_video

Parametry options — tryb add_text

Parametry options — Edycja audio (mix_audio)

Tryb text_to_mp3 — bezpośrednie parametry (bez JSON options)

Odpowiedź sukcesu (HTTP 200)

Przykład curl — tryb image_to_video

Tekst karaoke z wygenerowanym głosem (image_to_video, bez MP3)

Karaoke z plikiem SRT (image_to_video + Twój MP3)

Przykład curl — Edycja audio

Przykład curl — tryb overlay_video

Przykład curl — tryb add_text

Przykład curl — Scalanie wideo

Przykład curl — tryb text_to_mp3

Możliwe statusy

Odpowiedzi według statusu

Przykład curl

Wspólne parametry (multipart/form-data)

Odpowiedzi według statusu

Opcjonalne parametry

Przykład curl

Webhooki

Jak to działa

Otrzymany payload

Nagłówki wysyłane przez serwer

Weryfikacja podpisu

Kody błędów

Przykłady integracji

Wspólna konfiguracja

Tryb image_to_video — obraz + audio → wideo

Edycja audio

Tryb overlay_video — obraz w obrazie

Tryb add_text — tekst na wideo

Scalanie wideo

Tryb text_to_mp3 — tekst na mowę

Polling + pobieranie (wspólne dla wszystkich trybów)

Podejście A — Webhook (zalecane)

Podejście B — Polling (bez webhooków)

Krok 1 — Utwórz zadanie (wybierz tryb)

Krok 2 — Polling

Krok 3 — Pobieranie

Najlepsze praktyki

Parametry `options` — tryb image_to_video

Parametry `options` — tryb overlay_video

Parametry `options` — tryb add_text

Parametry `options` — Edycja audio (`mix_audio`)

Tryb `text_to_mp3` — bezpośrednie parametry (bez JSON `options`)