Hailuo Tasks API 集成与使用指南

Hailuo Tasks API 的主要功能是通过输入由 Hailuo 视频生成 API 生成的任务 ID 来查询任务的执行状态。通过本文档,您将获得详细的集成指导,帮助您轻松整合并充分利用此 API 的强大功能。您可以通过 Hailuo Tasks API 轻松查询 Hailuo 视频生成 API 的任务执行状态。

环境准备

在使用 Hailuo Tasks API 之前,您需要在 Hailuo 视频生成 API 的申请页面申请相应的服务,并从 Hailuo 视频生成 API 中复制任务 ID,如下图所示:

接下来,访问任务 API 页面 Hailuo Tasks API 申请相应的服务。在页面中点击"获取"按钮,如下图所示:

如果您没有登录或注册,系统将自动重定向到 登录页面,邀请您注册并登录。登录或注册后,您将自动返回当前页面。

首次申请者可以使用免费的配额,允许您免费使用此 API。

请求示例

Hailuo Tasks API 可用于查询 Hailuo 视频生成 API 的结果。有关如何使用 Hailuo 视频生成 API 的信息,请参考文档 Hailuo 视频生成 API

我们将以 Hailuo 视频生成 API 返回的任务 ID 为例,演示如何使用此 API。假设我们有一个任务 ID: 58cc618b-9639-4ee7-add2-d2fcf260d9a3,我们将演示如何传入该任务 ID。

请求头和请求体设置

请求头包括:

  • accept: 指定响应为 JSON 格式,设置为 application/json
  • authorization: 调用 API 的 API 密钥,可在申请后直接选择。

请求体包括:

  • id: 上传的任务 ID。
  • action: 任务的操作方法。

设置示例如下图所示:

代码示例

您可以在页面右侧看到自动生成的多种语言代码,如下图所示:

以下是一些代码示例:

CURL
bash 复制代码
curl -X POST 'https://api.acedata.cloud/hailuo/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "id": "58cc618b-9639-4ee7-add2-d2fcf260d9a3",
  "action": "retrieve"
}'
Python
python 复制代码
import requests

url = "https://api.acedata.cloud/hailuo/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "id": "58cc618b-9639-4ee7-add2-d2fcf260d9a3",
    "action": "retrieve"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

响应示例

成功请求后,API 将返回视频任务的详细信息,例如:

json 复制代码
{
  "_id": "67866dff550a4144a5867aa7",
  "id": "58cc618b-9639-4ee7-add2-d2fcf260d9a3",
  "api_id": "d5af91f6-a7ec-4015-b0a5-d25051158470",
  "application_id": "2f9f4d93-9193-4c49-a1a5-eddf0ff38abb",
  "created_at": 1736863231.588,
  "credential_id": "f634e655-012e-432e-92a8-a87e4a80d636",
  "request": {
    "action": "generate",
    "prompt": "Internal heat"
  },
  "trace_id": "0c1f9f13-0aef-4d9a-a9d2-1d27055ff190",
  "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
  "response": {
    "success": true,
    "task_id": "58cc618b-9639-4ee7-add2-d2fcf260d9a3",
    "trace_id": "0c1f9f13-0aef-4d9a-a9d2-1d27055ff190",
    "data": [
      {
        "id": "2a1tbgnjdxrg80cmcmes19s33r",
        "model": "minimax-t2v",
        "prompt": "Internal heat",
        "first_image_url": null,
        "video_url": "https://file.aigpai.com/czjl/tjU3QYKgU96IJFgpL0eMfBFhmy0qXz9Y05P2IBhShCYaDCFUA/tmp5uligw3a.output.mp4",
        "state": "succeeded"
      }
    ]
  }
}

返回结果包含多个字段,request 字段为任务发起时的请求体,response 字段为任务完成后返回的响应体。字段描述如下:

  • id: 生成的视频任务 ID,用于唯一标识此视频生成任务。
  • request: 视频任务中的请求信息。
  • response: 视频任务中的返回信息。

批量查询操作

此操作用于查询多个任务 ID 的详细信息,和单个任务查询不同,此时需要将 action 选择为 retrieve_batch

请求体包括:

  • ids: 上传的任务 ID 数组。
  • action: 任务的操作方法。

设置示例如下图所示:

代码示例

以下是不同语言的代码示例:

CURL
bash 复制代码
curl -X POST 'https://api.acedata.cloud/hailuo/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "ids": ["09d4a93e-d5c8-4778-bdf2-711773d71c59","58cc618b-9639-4ee7-add2-d2fcf260d9a3"],
  "action": "retrieve_batch"
}'
Python
python 复制代码
import requests

url = "https://api.acedata.cloud/hailuo/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "ids": ["09d4a93e-d5c8-4778-bdf2-711773d71c59","58cc618b-9639-4ee7-add2-d2fcf260d9a3"],
    "action": "retrieve_batch"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

响应示例

成功请求后,API 将返回所有批量视频任务的具体细节,例如:

```json { "items": [ { "_id": "67866fad550a4144a587053c", "id": "09d4a93e-d5c8-4778-bdf2-711773d71c59", "api_id": "d5af91f6-a7ec-4015-b0a5-d25051158470", "application_id": "2f9f4d93-9193-4c49-a1a5-eddf0ff38abb", "created_at": 1736863661.511, "credential_id": "f634e655-012e-432e-92a8-a87e4a80d636", "request": { "action": "generate", "prompt": "Internal heat" }, "trace_id

相关推荐
doiito7 小时前
【Agent Harness】Gliding Horse 上下文动态感知与智能压缩:让 Agent 真正“听得进”每一句话
ai·rust·架构设计·系统设计·ai agent
探索云原生1 天前
K8s 1.36 这个 GA 特性,把 initContainer 拉模型的 hack 干掉了
ai·云原生·kubernetes
Zy宇1 天前
从养 OpenClaw 到养社区 AI:一套 Multi-Agent 社区的设计思路
人工智能·ai
doiito1 天前
【Agent Harness】Gliding Horse 记忆系统深度剖析:像 CPU 一样思考的 AI 记忆架构
ai·rust·架构设计·系统设计·ai agent
mobility2 天前
免费AI视频生成器:我如何用零成本做出带旁白字幕的多场景AI视频
ai·vibe coding
doiito2 天前
【Agent Harness】Gliding Horse 给 Agent OS 装上双曲空间引擎与默克尔树边云同步
ai·rust·架构设计·系统设计·ai agent
knqiufan2 天前
从 Python 到 TypeScript,用 GLM-5.2 跑通 PowerMem SDK 的长程任务工程
ai·memory·agentic·powermem
小白跃升坊3 天前
Codex 增强部署:基于 Codex++ 接入 DeepSeek
ai·ai编程·codex·deepseek·ai coding·codex++
AlfredZhao3 天前
GPT 省钱,不是别用最新模型,而是别浪费缓存
gpt·ai
doiito3 天前
【Agent Harness】Gliding Horse 本体论系统设计:给 AI Agent 装上“语义大脑”
ai·rust·架构设计·系统设计·ai agent