Codex ya puede generar vídeo
Codex ya funciona en tu terminal. Con la API REST de DreamUtopia, la misma sesión puede convertir la foto de un producto en un clip corto, animar un retrato o encadenar una imagen terminada en un video de primer fotograma. Pega un archivo de habilidades, pregunta en inglés sencillo y el agente se encarga de la carga, la solicitud y el sondeo. Sigues trabajando en la misma conversación mientras el render se ejecuta en nuestros servidores.
Codex Video Generation, sin salir de la terminal
La generación de video con Codex se convierte en una parte normal de una sesión de programación cuando el agente puede llamar directamente a una API de medios. Los agentes de programación son buenos ejecutando comandos, leyendo respuestas JSON y reintentando con criterio, que es exactamente lo que necesita una API de imagen a video. En lugar de dejar la terminal para abrir una aplicación web, puedes pedirle a Codex que convierta ./photo.png en un clip de cinco segundos en 720p y recibir una URL de resultado firmada en la misma conversación. Construimos la API de DreamUtopia como REST simple por esta razón. No hay servidor MCP que configurar ni plugin que instalar. Un solo archivo de skill le enseña al agente la URL base, el encabezado de autenticación, la carga multipart para imágenes de referencia, el endpoint de creación de video, el endpoint compartido de trabajos y las reglas de estado terminal. Un skill pegado y una variable de entorno son toda la configuración. La misma clave también funciona desde tus propios scripts, así que el agente y tu pipeline de compilación comparten una integración y un saldo de créditos. Un trabajo de video es más lento que un trabajo de imagen, normalmente entre uno y tres minutos, así que el bucle de sondeo importa. El skill le indica al agente que espere con retroceso exponencial, que se detenga ante un fallo terminal y que nunca reintente un rechazo por política de contenido ni un saldo vacío. También distingue un trabajo que sigue en cola de uno que ha dejado de progresar. Esa distinción es la diferencia entre una espera tranquila y una tormenta de reintentos. Un bucle de sondeo que reintenta indiscriminadamente puede consumir la asignación antes de que termine el primer render, mientras que un bucle que se detiene demasiado pronto abandona un trabajo que aún estaba progresando. Para un repositorio que entrega medios junto con el código, la ganancia práctica es que la persona que escribe el componente también puede producir el clip que necesita, sin perder el contexto del cambio ni copiar archivos entre herramientas. El agente puede explicar un render fallido con la misma voz que usa para una prueba fallida, y puede mantener el resultado junto al código que lo referencia.
Lo que obtienes
Una habilidad de copiar y pegar
Pega el bloque de habilidades a continuación en el chat de Codex. El agente sigue la receta durante el resto de la conversación sin necesidad de indicaciones adicionales. El texto es lo suficientemente corto como para leerse de una sola vez y lo suficientemente específico como para que el agente no improvise nombres de campos. Indica los valores exactos que acepta cada campo, de modo que una solicitud mal formada se corrige antes de llegar a la API. No se escribe nada en tu repositorio ni se instala nada.
Fotos locales gestionadas
Pide al agente que use un archivo en el proyecto. Envía una carga multipart, recibe un id de carga y usa ese id como primer fotograma. Se aceptan JPEG, PNG y WebP de hasta 30 MB. Un archivo en el repositorio nunca necesita primero una URL pública, lo que mantiene las fotos privadas de productos fuera de un paso de alojamiento separado.
Cada formato de video
La conversión de imagen a vídeo, de texto a vídeo y las transiciones de primer y último fotograma comparten una misma clave. Elige 480p, 720p o 1080p y una duración de entre cinco y quince segundos. El nivel Lite tiene un límite de 720p y diez segundos; Medium y Pro alcanzan 1080p y quince segundos. La skill lee esos límites máximos de la lista de modelos en vivo en lugar de adivinarlos.
Trabajos que sobreviven al chat
Cada renderizado se ejecuta en nuestros servidores. Si la sesión finaliza, el agente puede listar los trabajos recientes por id y recoger el resultado más tarde. El enlace firmado permanece válido durante siete días, tiempo suficiente para descargar el archivo o copiarlo en un artefacto de compilación. Un trabajo fallido conserva su código de error, de modo que la siguiente sesión puede explicar qué ocurrió. Recoger el resultado más tarde también es más seguro que mantener una terminal abierta durante varios minutos mientras se completa el renderizado, especialmente en una máquina remota o con una conexión intermitente.
Movimiento en inglés sencillo
Describe el plano, no la API: un lento acercamiento, una deriva hacia la derecha, el cabello moviéndose con el viento. La habilidad traduce tus palabras a nivel de modelo, resolución, duración y relación de aspecto, y luego consulta la matriz de precios en vivo antes de gastar. Aún puedes indicar ajustes exactos cuando una tarea los requiera, y el agente informa los ajustes que eligió para que un resultado inesperado sea más fácil de diagnosticar. Una solicitud ambigua se resuelve con una sola pregunta aclaratoria en lugar de un render especulativo que gaste créditos en la duración equivocada.
Una lista de precios
La API y la aplicación web cobran los mismos créditos. GET /v1/models devuelve la matriz en vivo de resolución, duración y créditos, para que el agente pueda comparar un clip de cinco segundos con uno de diez antes de crear nada. Los créditos se cobran cuando se crea el trabajo y se devuelven automáticamente si falla.
Explora herramientas relacionadas
Elige la herramienta que se adapte a tu siguiente paso.
Dale a Codex una herramienta de vídeo
Crea una clave, pega la habilidad y pide tu primer clip. La documentación de la API cubre cada campo, estado y código de error.


