Cursor ya puede generar vídeo
Cursor ya funciona en tu editor. Con la API REST de DreamUtopia, esa misma sesión puede convertir una foto de producto en un clip corto, animar un retrato o encadenar una imagen terminada en un video de primer fotograma. Pega un archivo de habilidad, pregunta en lenguaje natural y el agente se encarga de la carga, la solicitud y el sondeo. Tú sigues trabajando en la misma conversación mientras el render se ejecuta en nuestros servidores.
Generación de video con Cursor, sin salir del editor
La generación de video en Cursor 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 salir del editor para abrir una aplicación web, puedes pedirle a Cursor 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 archivo de habilidad 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 de trabajo compartido y las reglas de estado terminal. Una habilidad pegada y una variable de entorno son toda la configuración. La misma clave también funciona desde tus propios scripts, por lo que el agente y tu pipeline de compilación comparten una integración y un saldo de créditos. Un trabajo de video es más lento que uno de imagen, normalmente entre uno y tres minutos, por lo que el bucle de sondeo importa. La habilidad 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 o 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 renderizado, 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 renderizado 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 Cursor. El agente sigue la receta durante el resto de la conversación sin necesidad de indicaciones adicionales. El texto es lo suficientemente corto 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 y no 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 tomas privadas de producto 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 suponerlos.
Empleos que sobreviven al chat
Cada renderizado se ejecuta en nuestros servidores. Si la sesión termina, 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 del modelo, resolución, duración y relación de aspecto, y luego consulta la matriz de precios en vivo antes de gastar. Aún puedes especificar 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 Cursor una herramienta de vídeo
Crea una clave, pega la skill y pide tu primer clip. La documentación de la API cubre cada campo, estado y código de error.


