Images et vidéos dans les batchs

Génération multimodale en masse

La Batch API ne se limite pas au texte. Vous pouvez soumettre des requêtes de génération et d’édition d’images et de vidéos dans vos batchs. Cette capacité ouvre la porte à des pipelines multimodaux complets : générez des descriptions textuelles et leurs visuels associés dans une seule opération.

Génération d’images en batch

L’endpoint /v1/images/generations fonctionne dans un batch exactement comme en mode synchrone. Vous spécifiez un prompt et les paramètres de génération :

{"custom_id": "img-001", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image", "prompt": "Logo minimaliste pour une startup fintech, fond blanc, style vectoriel", "n": 1, "size": "1024x1024"}}
{"custom_id": "img-002", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image", "prompt": "Illustration isométrique d'un datacenter cloud", "n": 1, "size": "1024x1024"}}

Les paramètres habituels sont disponibles : size pour la résolution, n pour le nombre d’images par requête, et quality si le modèle le supporte.

Édition d’images en batch

L’endpoint /v1/images/edits permet de modifier des images existantes :

{"custom_id": "edit-001", "method": "POST", "url": "/v1/images/edits", "body": {"model": "grok-imagine-image", "image": "https://example.com/photo.jpg", "prompt": "Supprimez l'arrière-plan et remplacez-le par un fond blanc uni"}}

En mode batch, cette fonctionnalité est utile pour traiter un catalogue d’images : harmoniser les arrière-plans, ajouter des éléments, ou appliquer des modifications uniformes à des centaines de visuels.

Génération de vidéos en batch

L’endpoint /v1/videos/generations génère des vidéos à partir de prompts texte :

{"custom_id": "vid-001", "method": "POST", "url": "/v1/videos/generations", "body": {"model": "grok-imagine-video", "prompt": "Animation fluide d'un graphique en barres qui croit progressivement"}}

Les vidéos générées sont accessibles via des URLs signées. Le traitement vidéo étant plus lourd que le texte ou les images, les délais peuvent être plus longs au sein du batch.

Édition de vidéos en batch

L’endpoint /v1/videos/edits complète la palette multimodale :

{"custom_id": "vid-edit-001", "method": "POST", "url": "/v1/videos/edits", "body": {"model": "grok-imagine-video", "video": "https://example.com/clip.mp4", "prompt": "Ajoutez un sous-titre en bas de la video"}}

Tarification des contenus multimodaux

Point important : la réduction de 50 % ne s’applique qu’aux tokens texte. Les générations d’images et de vidéos sont facturées au tarif standard, même en mode batch.

L’intérêt économique du batch pour le multimodal n’est donc pas la réduction tarifaire, mais l’efficacité opérationnelle : soumettre des centaines de générations en un seul appel plutôt que de gérer des centaines d’appels individuels.

Expiration des URLs de résultats

Les résultats d’images et de vidéos sont fournis sous forme d’URLs signées. Ces URLs expirent après 1 heure. C’est une contrainte critique à prendre en compte dans votre pipeline :

# Télécharger immédiatement apres récupération des résultats
import requests

for result in batch_results:
    if result.custom_id.startswith("img-"):
        url = result.response.data[0].url
        img_data = requests.get(url).content
        with open(f"{result.custom_id}.png", "wb") as f:
            f.write(img_data)

Ne stockez jamais les URLs signées pour un usage ultérieur. Téléchargez les fichiers dès que vous récupérez les résultats et sauvegardez-les dans votre propre stockage (S3, GCS, système de fichiers local).

Pipeline multimodal mixte

Un cas d’usage concret : générer des fiches produits complètes avec texte et visuel :

{"custom_id": "prod-42-desc", "method": "POST", "url": "/v1/chat/completions", "body": {"model": "grok-4.5", "messages": [{"role": "user", "content": "Rédigez une description commerciale pour un casque audio sans fil haut de gamme."}]}}
{"custom_id": "prod-42-img", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image", "prompt": "Photo produit d'un casque audio sans fil premium, fond gradient sombre, éclairage studio"}}

Le custom_id avec un préfixe (prod-42-desc, prod-42-img) permet de regrouper facilement les résultats texte et image d’un même produit.

Points clés à retenir

• Quatre endpoints multimodaux sont disponibles : génération et édition d’images et de vidéos
• Les tarifs images et vidéos restent standard, pas de réduction batch
• Les URLs signées des résultats expirent après 1 heure
• Téléchargez les fichiers immédiatement après récupération
• Utilisez des préfixes dans les custom_id pour regrouper les résultats multimodaux