Images et videos dans les batchs

Generation multimodale en masse

La Batch API ne se limite pas au texte. Vous pouvez soumettre des requetes de generation et d’edition d’images et de videos dans vos batchs. Cette capacite ouvre la porte a des pipelines multimodaux complets : generez des descriptions textuelles et leurs visuels associes dans une seule operation.

Generation d’images en batch

L’endpoint /v1/images/generations fonctionne dans un batch exactement comme en mode synchrone. Vous specifiez un prompt et les parametres de generation :

{"custom_id": "img-001", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-2-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-2-image", "prompt": "Illustration isometrique d'un datacenter cloud", "n": 1, "size": "1024x1024"}}

Les parametres habituels sont disponibles : size pour la resolution, n pour le nombre d’images par requete, et quality si le modele le supporte.

Edition 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-2-image", "image": "https://example.com/photo.jpg", "prompt": "Supprimez l'arriere-plan et remplacez-le par un fond blanc uni"}}

En mode batch, cette fonctionnalite est utile pour traiter un catalogue d’images : harmoniser les arriere-plans, ajouter des elements, ou appliquer des modifications uniformes a des centaines de visuels.

Generation de videos en batch

L’endpoint /v1/videos/generations genere des videos a partir de prompts texte :

{"custom_id": "vid-001", "method": "POST", "url": "/v1/videos/generations", "body": {"model": "grok-3-video", "prompt": "Animation fluide d'un graphique en barres qui croit progressivement"}}

Les videos generees sont accessibles via des URLs signees. Le traitement video etant plus lourd que le texte ou les images, les delais peuvent etre plus longs au sein du batch.

Edition de videos en batch

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

{"custom_id": "vid-edit-001", "method": "POST", "url": "/v1/videos/edits", "body": {"model": "grok-3-video", "video": "https://example.com/clip.mp4", "prompt": "Ajoutez un sous-titre en bas de la video"}}

Tarification des contenus multimodaux

Point important : la reduction de 50 % ne s’applique qu’aux tokens texte. Les generations d’images et de videos sont facturees au tarif standard, meme en mode batch.

L’interet economique du batch pour le multimodal n’est donc pas la reduction tarifaire, mais l’efficacite operationnelle : soumettre des centaines de generations en un seul appel plutot que de gerer des centaines d’appels individuels.

Expiration des URLs de resultats

Les resultats d’images et de videos sont fournis sous forme d’URLs signees. Ces URLs expirent apres 1 heure. C’est une contrainte critique a prendre en compte dans votre pipeline :

# Telecharger immediatement apres recuperation des resultats
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 signees pour un usage ulterieur. Telechargez les fichiers des que vous recuperez les resultats et sauvegardez-les dans votre propre stockage (S3, GCS, systeme de fichiers local).

Pipeline multimodal mixte

Un cas d’usage concret : generer des fiches produits completes avec texte et visuel :

{"custom_id": "prod-42-desc", "method": "POST", "url": "/v1/chat/completions", "body": {"model": "grok-3", "messages": [{"role": "user", "content": "Redigez 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-2-image", "prompt": "Photo produit d'un casque audio sans fil premium, fond gradient sombre, eclairage studio"}}

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

Points cles a retenir

• Quatre endpoints multimodaux sont disponibles : generation et edition d’images et de videos
• Les tarifs images et videos restent standard, pas de reduction batch
• Les URLs signees des resultats expirent apres 1 heure
• Telechargez les fichiers immediatement apres recuperation
• Utilisez des prefixes dans les custom_id pour regrouper les resultats multimodaux