/videos

/videos

| Feature | Supported | | Cost Tracking | ✅ | | Logging | ✅ (Full request/response logging) | | Fallbacks | ✅ (Between supported models) | | Load Balancing | ✅ | | Guardrails Support | ✅ Content moderation and safety checks | | Proxy Server Support | ✅ Full proxy integration with virtual keys | | Spend Management | ✅ Budget tracking and rate limiting | | Supported Providers | openai, azure, gemini, vertex_ai, runwayml |

tip

LiteLLM은 OpenAI Video Generation API 스펙을 따릅니다.

LiteLLM Python SDK 사용법

빠른 시작

from litellm import video_generation, video_status, video_contentimport osimport timeos.environ["OPENAI_API_KEY"] = "sk-.."# Generate videoresponse = video_generation(
    model="openai/sora-2",
    prompt="A cat playing with a ball of yarn in a sunny garden",
    seconds="8",
    size="720x1280")print(f"Video ID: {response.id}")
print(f"Initial Status: {response.status}")# Check status until video is readywhile True:
    status_response = video_status(
        video_id=response.id
    )
        print(f"Current Status: {status_response.status}")
        if status_response.status == "completed":
        break
    elif status_response.status == "failed":
        print("Video generation failed")
        break
        time.sleep(10)  # Wait 10 seconds before checking again# Download video content when readyvideo_bytes = video_content(
    video_id=response.id)# Save to filewith open("generated_video.mp4", "wb") as f:    f.write(video_bytes)

비동기 사용법

from litellm import avideo_generation, avideo_status, avideo_contentimport os, asyncioos.environ["OPENAI_API_KEY"] = "sk-.."async def test_async_video():
    response = await avideo_generation(
        model="openai/sora-2",
        prompt="A cat playing with a ball of yarn in a sunny garden",
        seconds="8",
        size="720x1280"
    )
        print(f"Video ID: {response.id}")
    print(f"Initial Status: {response.status}")
        # Check status until video is ready
    while True:
        status_response = await avideo_status(
            video_id=response.id
        )
                print(f"Current Status: {status_response.status}")
                if status_response.status == "completed":
            break
        elif status_response.status == "failed":
            print("Video generation failed")
            break
                await asyncio.sleep(10)  # Wait 10 seconds before checking again
        # Download video content when ready
    video_bytes = await avideo_content(
        video_id=response.id
    )
        # Save to file
    with open("generated_video.mp4", "wb") as f:
        f.write(video_bytes)asyncio.run(test_async_video())

비디오 상태 확인

from litellm import video_statusstatus_response = video_status(
    video_id="video_1234567890")print(f"Video Status: {status_response.status}")
print(f"Created At: {status_response.created_at}")
print(f"Model: {status_response.model}")

비디오 목록

비디오를 나열하려면 디코딩할 video_id가 없으므로 제공자를 지정해야 해요:

from litellm import video_list# List videos from OpenAIvideos = video_list(custom_llm_provider="openai")for video in videos:    print(f"Video ID: {video['id']}")

참조 이미지로 비디오 생성

from litellm import video_generation# Video generation with reference imageresponse = video_generation(
    model="openai/sora-2",
    prompt="A cat playing with a ball of yarn in a sunny garden",
    input_reference=open("path/to/image.jpg", "rb"),  # Reference image as file object
    seconds="8",
    size="720x1280")print(f"Video ID: {response.id}")

비디오 Remix (비디오 편집)

from litellm import video_remix# Remix an existing video by its ID with a new promptresponse = video_remix(
    video_id="video_1234567890",
    prompt="Make the cat jump higher",
    custom_llm_provider="openai")print(f"Video ID: {response.id}")

선택적 파라미터

response = video_generation(
    model="openai/sora-2",
    prompt="A cat playing with a ball of yarn in a sunny garden",
    seconds="8",                    # Video duration in seconds
    size="720x1280",               # Video dimensions
    input_reference=open("path/to/image.jpg", "rb"),  # Reference image as file object
    user="user_123"                # User identifier for tracking)

Azure 비디오 생성

from litellm import video_generationimport osos.environ["AZURE_OPENAI_API_KEY"] = "your-azure-api-key"os.environ["AZURE_OPENAI_API_BASE"] = "https://your-resource.openai.azure.com/"os.environ["AZURE_OPENAI_API_VERSION"] = "2024-02-15-preview"response = video_generation(
    model="azure/sora-2",
    prompt="A cat playing with a ball of yarn in a sunny garden",
    seconds="8",
    size="720x1280")print(f"Video ID: {response.id}")

LiteLLM Proxy 사용법

LiteLLM은 완전한 비디오 생성 워크플로를 위한 OpenAI API 호환 비디오 엔드포인트를 제공합니다:

  • /videos - 새 비디오 생성
  • /videos/remix - 참조 이미지로 기존 비디오 편집
  • /videos/status - 비디오 생성 상태 확인
  • /videos/retrieval - 완료된 비디오 다운로드

설정

litellm proxy config.yaml에 다음을 추가하세요.

model_list:
  - model_name: sora-2
    litellm_params:
      model: openai/sora-2
      api_key: os.environ/OPENAI_API_KEY
  - model_name: azure-sora-2
    litellm_params:
      model: azure/sora-2
      api_key: os.environ/AZURE_OPENAI_API_KEY
      api_base: os.environ/AZURE_OPENAI_API_BASE

litellm 시작:

litellm --config /path/to/config.yaml# RUNNING on http://0.0.0.0:4000

비디오 생성 요청 테스트:

curl --location 'http://localhost:4000/v1/videos' \--header 'Content-Type: application/json' \--header 'x-litellm-api-key: ***' \--data '{
    "model": "sora-2",
    "prompt": "A beautiful sunset over the ocean"}'

비디오 상태 요청 테스트:

curl --location 'http://localhost:4000/v1/videos/{video_id}' \--header 'x-litellm-api-key: ***'

비디오 조회 요청 테스트:

curl --location 'http://localhost:4000/v1/videos/{video_id}/content' \--header 'x-litellm-api-key: ***' \--output video.mp4

비디오 remix 요청 테스트:

curl --location --request POST 'http://localhost:4000/v1/videos/{video_id}/remix' \--header 'Content-Type: application/json' \--header 'x-litellm-api-key: ***' \--data '{
    "prompt": "New remix instructions"}'

비디오 목록 요청 테스트(custom_llm_provider 필요):

# Note: video_list requires custom_llm_provider since there's no video_id to decode fromcurl --location 'http://localhost:4000/v1/videos?custom_llm_provider=openai' \--header 'x-litellm-api-key: ***' Or using headercurl --location 'http://localhost:4000/v1/videos' \--header 'x-litellm-api-key: ***' \--header 'custom-llm-provider: azure'

Character, Edit, Extension 엔드포인트

LiteLLM proxy는 이러한 OpenAI 호환 비디오 라우트도 지원합니다:

  • POST /v1/videos/characters
  • GET /v1/videos/characters/{character_id}
  • POST /v1/videos/edits
  • POST /v1/videos/extensions

라우팅 동작(target_model_names, 인코딩된 ID, 제공자 override)

  • POST /v1/videos/characters는 POST /v1/videos처럼 target_model_names를 지원합니다.
  • character 생성 시 target_model_names가 제공되면 LiteLLM은 반환된 character_id를 라우팅 메타데이터로 인코딩합니다.
  • GET /v1/videos/characters/{character_id}는 인코딩된 character ID를 직접 받아들입니다. LiteLLM은 내부적으로 ID를 디코딩하고 올바른 모델/제공자 메타데이터로 라우팅합니다.
  • POST /v1/videos/edits와 POST /v1/videos/extensions는 둘 다 지원합니다:
    • 일반 video.id
    • LiteLLM이 반환한 인코딩된 video.id 값
  • custom_llm_provider는 다른 proxy 엔드포인트와 같은 패턴으로 제공할 수 있어요:
    • header: custom-llm-provider
    • query: ?custom_llm_provider=...
    • body: custom_llm_provider(또는 해당 시 extra_body.custom_llm_provider)

target_model_names로 character 생성

curl --location 'http://localhost:4000/v1/videos/characters' \--header "Authorization: Bearer ***" \-F 'name=hero' \-F 'target_model_names=gpt-5.6-terra' \-F 'video=@/path/to/character.mp4'

예시 응답(인코딩된 id):

{
  "id": "character_...",
  "object": "character",
  "created_at": 1712697600,
  "name": "hero"
}

인코딩된 character_id로 character 조회

curl --location 'http://localhost:4000/v1/videos/characters/character_...' \--header "Authorization: Bearer ***"

인코딩된 video.id로 비디오 편집

curl --location 'http://localhost:4000/v1/videos/edits' \--header "Authorization: Bearer ***" \--header 'Content-Type: application/json' \--data '{
  "prompt": "Make this brighter",
  "video": { "id": "video_..." }}'

extra_body에서 제공자 override로 비디오 확장

curl --location 'http://localhost:4000/v1/videos/extensions' \--header "Authorization: Bearer ***" \--header 'Content-Type: application/json' \--data '{
  "prompt": "Continue this scene",
  "seconds": "4",
  "video": { "id": "video_..." },
  "extra_body": { "custom_llm_provider": "openai" }}'

Azure 비디오 생성 요청 테스트:

curl http://localhost:4000/v1/videos \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "azure-sora-2",
    "prompt": "A cat playing with a ball of yarn in a sunny garden",
    "seconds": "8",
    "size": "720x1280"
  }'

LiteLLM Proxy와 함께 OpenAI Client 사용

표준 OpenAI Python 클라이언트를 사용해 LiteLLM의 비디오 엔드포인트와 상호작용할 수 있어요. LiteLLM의 제공자 추상화와 proxy 기능을 유지하면서 친숙한 인터페이스를 제공합니다.

설정

먼저 OpenAI 클라이언트가 LiteLLM proxy를 가리키도록 구성하세요:

from openai import OpenAI# Point the OpenAI client to your LiteLLM proxyclient = OpenAI(
    api_key="sk-",  # Your LiteLLM proxy API key
    base_url="http://localhost:4000/v1"  # Your LiteLLM proxy URL)

비디오 생성

OpenAI 클라이언트 인터페이스로 새 비디오를 생성하세요:

# Basic video generationresponse = client.videos.create(
    model="sora-2",
    prompt="A cat playing with a ball of yarn in a sunny garden",
    seconds=8,
    size="720x1280")print(f"Video ID: {response.id}")
print(f"Status: {response.status}")

참조 이미지로 비디오 생성

참조 이미지를 사용해 비디오를 만드세요:

# Video generation with reference imageresponse = client.videos.create(
    model="sora-2",
    prompt="Add clouds to the video",
    seconds=4,
    input_reference=open("/path/to/your/image.jpg", "rb"))print(f"Video ID: {response.id}")
print(f"Status: {response.status}")

비디오 상태 확인

비디오 생성 상태를 확인하세요:

# Check video statusstatus_response = client.videos.retrieve(
    video_id="video_6900378779308191a7359266e59b53fc01cd6bbd27a70763")print(f"Status: {status_response.status}")
print(f"Progress: {status_response.progress}%")# Poll until completionimport timewhile status_response.status not in ["completed", "failed"]:
    time.sleep(10)  # Wait 10 seconds
    status_response = client.videos.retrieve(
        video_id="video_6900378779308191a7359266e59b53fc01cd6bbd27a70763"
    )
    print(f"Current status: {status_response.status}")

비디오 목록

비디오 목록을 가져오세요:

# List all videosvideos = client.videos.list()for video in videos.data:    print(f"Video ID: {video.id}, Status: {video.status}")

비디오 콘텐츠 다운로드

완료된 비디오를 다운로드하세요:

# Download video contentresponse = client.videos.download_content(
    video_id="video_68fa2938848c8190bb718f977503aba6092ab18d68938fed")# Save the video to filewith open("generated_video.mp4", "wb") as f:    f.write(response.content)print("Video downloaded successfully!")

비디오 Remix (편집)

새 지침으로 기존 비디오를 편집하세요:

# Remix/edit an existing videoresponse = client.videos.remix(
    video_id="video_68fa2574bdd88190873a8af06a370ff407094ddbc4bbb91b",
    prompt="Slow the cloud movement",
    seconds=8)print(f"Remix Video ID: {response.id}")
print(f"Status: {response.status}")

완전한 워크플로 예시

완전한 비디오 생성 워크플로를 보여주는 전체 예시입니다:

from openai import OpenAIimport time# Initialize clientclient = OpenAI(
    api_key="sk-",
    base_url="http://localhost:4000/v1")# 1. Generate videoprint("Generating video...")
response = client.videos.create(
    model="sora-2",
    prompt="A serene lake with mountains in the background",
    seconds=8,
    size="1280x720")video_id = response.idprint(f"Video generation started. ID: {video_id}")# 2. Poll for completionprint("Waiting for video to complete...")
while True:
    status = client.videos.retrieve(video_id=video_id)
    print(f"Status: {status.status}")
        if status.status == "completed":
        print("Video generation completed!")
        break
    elif status.status == "failed":
        print("Video generation failed!")
        break
        time.sleep(10)# 3. Download videoif status.status == "completed":
    print("Downloading video...")
    video_content = client.videos.download_content(video_id=video_id)
        with open(f"video_{video_id}.mp4", "wb") as f:
        f.write(video_content.content)
        print("Video saved successfully!")# 4. Optional: Remix the videoprint("Creating a remix...")
remix_response = client.videos.remix(
    video_id=video_id,
    prompt="Add gentle ripples to the lake surface")print(f"Remix started. ID: {remix_response.id}")

요청/응답 형식

info

LiteLLM은 OpenAI Video Generation API 스펙을 따릅니다. 완전한 세부 사항은 공식 OpenAI Video Generation 문서를 참고하세요.

예시 요청

{
    "model": "openai/sora-2",
    "prompt": "A cat playing with a ball of yarn in a sunny garden",
    "seconds": "8",
    "size": "720x1280",
    "user": "user_123"
}

요청 파라미터

| Parameter | Type | Required | Description | | model | string | Yes | The video generation model to use (e.g., "openai/sora-2") | | prompt | string | Yes | Text description of the desired video | | seconds | string | No | Video duration in seconds (e.g., "8", "16") | | size | string | No | Video dimensions (e.g., "720x1280", "1280x720") | | input_reference | file object | No | Reference image for video generation (not supported by remix) | | user | string | No | User identifier for tracking | | video_id | string | Yes (status/retrieval) | Video ID for status checking or retrieval |

비디오 생성 요청 예시

비디오 생성의 경우:

{
  "model": "sora-2",
  "prompt": "A cat playing with a ball of yarn in a sunny garden",
  "seconds": "8",
  "size": "720x1280"
}

참조 이미지로 비디오 생성의 경우:

{
  "model": "sora-2",
  "prompt": "A cat playing with a ball of yarn in a sunny garden",
  "input_reference": open("path/to/image.jpg", "rb"),  # File object
  "seconds": "8",
  "size": "720x1280"
}

비디오 상태 확인의 경우:

{
  "video_id": "video_1234567890",
  "model": "sora-2"
}

비디오 조회의 경우:

{
  "video_id": "video_1234567890",
  "model": "sora-2"
}

응답 형식

응답은 다음 구조의 OpenAI 비디오 생성 형식을 따릅니다:

{
    "id": "video_6900378779308191a7359266e59b53fc01cd6bbd27a70763",
    "object": "video",
    "status": "queued",
    "created_at": 1761621895,
    "completed_at": null,
    "expires_at": null,
    "error": null,
    "progress": 0,
    "remixed_from_video_id": null,
    "seconds": "4",
    "size": "720x1280",
    "model": "sora-2",
    "usage": {
        "duration_seconds": 4.0
    }
}

응답 필드

| Field | Type | Description | | id | string | Unique identifier for the video | | object | string | Always "video" for video responses | | status | string | Video processing status ("queued", "processing", "completed") | | created_at | integer | Unix timestamp when the video was created | | model | string | The model used for video generation | | size | string | Video dimensions | | seconds | string | Video duration in seconds | | usage | object | Token usage and duration information |

지원 제공자

| Provider | Link to Usage | | OpenAI | Usage | | Azure | Usage | | Gemini | Usage | | Vertex AI | Usage | | RunwayML | Usage |

더 알아보기 (Learn more)