API sáng tạo quảng cáo AI: từ một ảnh sản phẩm thành ảnh và video quảng cáo
UberLLM là một API key duy nhất cho các mô hình hình ảnh, video và giọng nói mà các quy trình làm việc quảng cáo gọi. Trang này có bốn công thức bắt đầu từ một ảnh sản phẩm, mỗi công thức là một quy trình làm việc n8n bạn có thể nhập và là một script, kèm theo kết quả thực tế, thời gian thực hiện và chi phí đã thanh toán.
Bốn công thức, mỗi công thức được chạy thực tế
Cả bốn công thức đều được chạy từ đầu đến cuối thông qua API công khai vào 19 tháng 11, 2026, với một chai nước trơn làm sản phẩm. Các hình ảnh và clip dưới đây là từ những lần chạy đó, đã được thu nhỏ cho trang này. Thời gian và số tiền là những gì đã được đo lường và thanh toán vào ngày đó; chúng thay đổi theo tải và giá cả.
1. Ảnh sản phẩm thành một người đang cầm nó, một clip 9:16 và một bản thuyết minh
Những gì bạn nhận được: Một ảnh tĩnh 9:16 về một người đang cầm sản phẩm của bạn, một clip dài 5 giây bắt đầu từ ảnh tĩnh đó, và một câu nói được đọc thành mp3.
Cách hoạt động
- Một mô hình chỉnh sửa ảnh đặt sản phẩm từ ảnh của bạn vào một bàn tay, trong một cảnh bạn mô tả, thành một bức ảnh 9:16.
- Một mô hình ảnh sang video tạo hoạt ảnh cho bức ảnh đó. Bức ảnh là khung hình đầu tiên, nên clip có hình dạng của nó.
- Một mô hình giọng nói đọc câu nói của bạn.
- Bạn ghép clip và giọng nói bằng một lệnh ffmpeg, mà mẫu và script in ra. UberLLM không ghép các tệp.
Lần chạy thử nghiệm ·
- Ảnh tĩnh: PNG, 768x1376, được tạo trong 48 giây, tính phí $0.042.
- Clip: MP4, 716x1284, 5.04 giây, không có âm thanh, được tạo trong 85 giây, tính phí $0.3675.
- Thuyết minh: MP3, 3.3 giây, được tạo trong 2 giây, tính phí $0.0001.
- Toàn bộ quá trình: 2 phút 18 giây, $0.41.
Quy trình làm việc n8n (nhập bằng liên kết) · Script: node ad-creative.mjs ugc product.jpg
2. Một ảnh sản phẩm thành nhiều biến thể quảng cáo tĩnh
Những gì bạn nhận được: Một bức ảnh cho mỗi dòng trong danh sách bạn viết: bối cảnh, cài đặt, góc độ, điểm nhấn. Sản phẩm giữ nguyên như trong ảnh của bạn.




Cách hoạt động
- Viết danh sách, mỗi dòng một biến thể (tối đa 100 mỗi lần chạy), và chọn hình dạng: 4:5 cho nguồn cấp dữ liệu, 1:1 hoặc 9:16.
- Một mô hình chỉnh sửa ảnh tạo một bức ảnh cho mỗi dòng.
- Mỗi bức ảnh được tải xuống cùng lúc. Một dòng không thể tạo được không làm dừng các dòng khác và không bị tính phí.
Lần chạy thử nghiệm ·
- Bốn biến thể ở 4:5: bốn tệp PNG, mỗi tệp 928x1152, tính phí $0.042 mỗi tệp, tổng cộng $0.168.
- Ba cái được tạo trong 14 đến 48 giây. Một cái bị hết thời gian hai lần (không tính phí) và được tạo ở lần thử thứ ba.
- Toàn bộ quá trình: 3 phút 13 giây.
Quy trình làm việc n8n (nhập bằng liên kết) · Script: node ad-creative.mjs variations product.jpg
3. Các hàng trong bảng tính thành một hình ảnh và một quảng cáo video cho mỗi hàng, theo lịch trình
Những gì bạn nhận được: Đối với mỗi hàng mới của Google Sheet (được xuất bản dưới dạng CSV) hoặc bất kỳ tệp CSV nào: một ảnh tĩnh và một clip. Các hàng đã tạo trước đó sẽ bị bỏ qua.
Cách hoạt động
- Mỗi hàng đặt tên cho một ảnh sản phẩm, cảnh, cái gì di chuyển và hình dạng.
- Quy trình làm việc chạy mỗi ngày (hoặc khi bạn bắt đầu nó), đọc bảng tính và lấy các hàng chưa được tạo, tối đa 5 mỗi lần chạy trừ khi bạn thay đổi.
- Đối với mỗi hàng, một mô hình chỉnh sửa ảnh tạo ảnh tĩnh và một mô hình ảnh sang video tạo clip.
- Một hàng bị lỗi không làm dừng các hàng khác, và được thử lại ở lần chạy tiếp theo.
Lần chạy thử nghiệm ·
- Hai hàng, một 9:16 và một 4:5.
- Hàng 1: ảnh tĩnh 768x1376 trong 15 giây, tính phí $0.042; clip 716x1284, 5.04 giây, được tạo trong 5 phút 32 giây, tính phí $0.4531.
- Hàng 2: ảnh tĩnh 928x1152, tính phí $0.042 (một lần thử bị hết thời gian trước và không bị tính phí); clip 860x1068, 5.04 giây, được tạo trong 5 phút 29 giây, tính phí $0.4531.
- Cả hai clip được niêm yết giá $0.3675 khi bắt đầu. Nhà cung cấp đầu tiên bận, các công việc được chuyển sang nhà cung cấp đắt hơn, và hóa đơn cao hơn 23% so với giá niêm yết. Mức trần được đặt trong công thức ($1.50 một clip) chưa đạt tới.
- Toàn bộ quá trình chạy: 13 phút 13 giây, $0.99. Một lần chạy thứ hai ngay sau đó không tạo ra gì và không tốn phí, vì cả hai hàng đã được tạo rồi.
Quy trình làm việc n8n (nhập bằng liên kết) · Script: node ad-creative.mjs sheet rows.csv
4. Ảnh sản phẩm thành video quay xoay trong studio
Những gì bạn nhận được: Một ảnh tĩnh sản phẩm sạch sẽ trong studio, và một clip kiểu bàn xoay dài 5 giây cho trang cửa hàng hoặc quảng cáo.
Cách hoạt động
- Một mô hình chỉnh sửa ảnh đặt sản phẩm một mình trên nền studio đơn giản, 1:1 trừ khi bạn chọn hình dạng khác.
- Một mô hình chuyển ảnh thành video quay nó chậm rãi với camera đứng yên.
Lần chạy thử nghiệm ·
- Ảnh tĩnh studio: PNG, 1024x1024, tạo trong 36 giây, tính phí $0.042.
- Clip: MP4, 960x960, 5.04 giây, tạo trong 2 phút 32 giây, tính phí $0.3675.
- Toàn bộ quá trình: 3 phút 11 giây, $0.41.
- Chai mẫu giống nhau từ mọi phía, nên khó thấy sự xoay của nó. Một sản phẩm có nhãn hoặc hình dạng không đều sẽ thể hiện rõ điều đó. Mô hình vẽ các mặt mà ảnh của bạn không hiển thị, vì vậy hãy kiểm tra chúng so với sản phẩm thật.
Quy trình làm việc n8n (nhập bằng liên kết) · Script: node ad-creative.mjs spin product.jpg
Chi phí hiện tại của các mô hình
Đây là các mô hình mà các công thức gọi, với giá thị trường tại thời điểm trang này được xây dựng. Trang được xây dựng lại mỗi giờ. Bạn thanh toán theo mỗi ảnh, mỗi giây video và mỗi 1,000 ký tự giọng nói; không có phí đăng ký. Hóa đơn là những gì nhà cung cấp đã tính phí: các lần chạy thử nghiệm ở trên đã được tính phí cao hơn khoảng 5% so với giá niêm yết ($0.042 một ảnh, $0.0735 một giây video), và hai clip nhiều hơn thế, vì vậy hãy định giá một lần chạy trước và đặt mức trần.
| Model | Dùng cho | Giá hiện tại |
|---|---|---|
| Nano Banana 2 (image-to-image) google/nano-banana-2-edit | Đặt sản phẩm vào một cảnh (ảnh tĩnh) | $0.04 mỗi ảnh |
| Kling O3 Standard (image-to-video) kling/kling-o3-standard-image-to-video | Biến ảnh tĩnh thành một clip | $0.07 mỗi giây |
| Kling O3 Standard Image to Video fal-ai/kling-video/o3/standard/image-to-video | Dự phòng cho clip, chỉ được sử dụng khi cái đầu tiên không có nhà cung cấp miễn phí | $0.07 mỗi giây |
| Kokoro Text to Speech (Venice) venice/kokoro-tts | Đọc dòng thuyết minh | $0.0028 trên mỗi 1K ký tự |
· Không có phí UberLLM cho các yêu cầu. Thêm tín dụng bằng thẻ có giá 5.5% + $0.50. Mỗi mô hình video, mỗi giây · Tất cả các mô hình hình ảnh, video và giọng nói
Những gì bạn thanh toán khi có sự cố
Một công việc thất bại không tốn phí
Một công việc video kết thúc với trạng thái thất bại, bị hủy hoặc hết hạn sẽ không bị tính phí, tương tự với yêu cầu hình ảnh hoặc lồng tiếng bị thất bại. Số tiền đã giữ cho nó sẽ được hoàn lại vào số dư của bạn. Một clip hoàn thành nhưng không đúng ý vẫn bị tính phí, như mọi nơi khác.
Bạn thấy giá trước khi thực hiện công việc, và bạn đặt mức trần
Gửi bất kỳ yêu cầu nào với "validate": true và nó sẽ được kiểm tra và định giá mà không cần thực hiện hoặc tính phí. Hóa đơn là những gì nhà cung cấp đã tính phí, có thể cao hơn hoặc thấp hơn giá niêm yết đó: khi nhà cung cấp đầu tiên bận, một công việc có thể chuyển sang nhà cung cấp đắt hơn. Mức trần của bạn là max_cost: gửi kèm nó với một yêu cầu, và một công việc có chi phí cao hơn sẽ bị từ chối hoặc dừng lại mà không mất phí. Mỗi công thức ở đây đều đặt một mức trần.
Tín dụng không hết hạn
Tín dụng bạn mua không hết hạn khi tài khoản của bạn còn hoạt động. Bạn nạp tín dụng từ $5, bằng thẻ hoặc PayPal, và tín dụng chưa sử dụng có thể được hoàn lại theo yêu cầu trong vòng 30 ngày kể từ ngày mua.
Những gì API này không làm
Để bạn có thể lên kế hoạch cho phần còn lại của quy trình:
- Nó không ghép các clip hoặc lồng tiếng vào clip. Các công thức sẽ cung cấp cho bạn lệnh ffmpeg để làm điều đó.
- Nó không chèn phụ đề vào video. Nó có thể viết tệp phụ đề: gửi một bản âm thanh đến transcription endpoint với
response_formatđược đặt thànhsrthoặcvttvà bạn sẽ nhận lại phụ đề có thời gian (bản lồng tiếng thử nghiệm đã trả về một dòng có thời gian với chi phí chưa đến một phần trăm xu). Chèn chúng vào clip là một bước của ffmpeg. - Nó không có avatar biết nói và không có mô hình đồng bộ môi (lip-sync). Không có gì ở đây di chuyển khuôn mặt theo bản âm thanh bạn cung cấp.
- Một clip được tạo từ ảnh sẽ có hình dạng của ảnh đó. Đối với clip 9:16 hoặc 4:5, hãy tạo ảnh tĩnh (still) với hình dạng đó trước; các mô hình chuyển ảnh thành video này không chấp nhận tỷ lệ khung hình (aspect ratio), và một yêu cầu gửi tỷ lệ khung hình sẽ bị từ chối trước khi tính phí.
- Kết quả không được lưu trữ cho bạn. Các liên kết ảnh tồn tại khoảng 15 phút và liên kết video khoảng 3 giờ, vì vậy các công thức sẽ tải xuống mọi tệp ngay lập tức.
- Một mô hình có thể từ chối một prompt hoặc một bức ảnh theo quy tắc nội dung của nhà sản xuất, và một số công việc thất bại khi không có nhà cung cấp nào rảnh. Những trường hợp đó không tốn phí, nhưng hãy chuẩn bị cho lần thử thứ hai.
- Nó không tự động làm cho sản phẩm trông đúng. Hãy kiểm tra mọi bức ảnh và clip so với sản phẩm thực tế trước khi chạy.
Trước khi bạn chạy quảng cáo
Các công thức sử dụng một sản phẩm đơn giản và không đưa ra tuyên bố nào. Những gì bạn chạy là trách nhiệm của bạn, vì vậy hãy kiểm tra những điều này trước:
- Người AI không phải là khách hàng. Một người được tạo bởi mô hình là chung chung. Đừng giới thiệu họ như một khách hàng thực sự, một lời chứng thực hoặc một bác sĩ, và hãy gắn nhãn người do AI tạo ra ở những nơi nền tảng hoặc luật pháp địa phương của bạn yêu cầu. Tại Hoa Kỳ, một lời chứng thực giả có thể vi phạm quy tắc của FTC về đánh giá và lời chứng thực. FTC về quy tắc đánh giá người tiêu dùng của họ
- Meta tự gắn nhãn cho phương tiện AI. Meta cho biết họ đọc các tín hiệu mà công cụ AI đưa vào tệp và thêm nhãn riêng của mình vào các quảng cáo được tạo hoặc chỉnh sửa bằng AI. Meta về nhãn AI trong quảng cáo
- Các quy tắc về sức khỏe và trước/sau cũng áp dụng cho các sản phẩm sáng tạo AI. Meta không cho phép ảnh trước và sau đặt cạnh nhau cho việc giảm cân, hoặc các tuyên bố rằng một sản phẩm chữa khỏi một bệnh được liệt kê, bất kể công cụ nào đã tạo ra quảng cáo đó. Tiêu chuẩn quảng cáo sức khỏe và thể chất của Meta
- Mỗi mô hình có một nhà sản xuất, và các điều khoản của nhà sản xuất quy định cách thức đầu ra của nó có thể được sử dụng. Các yêu cầu ở đây chạy trên các nhà cung cấp bên thứ ba, vì vậy hãy đọc các điều khoản của các mô hình bạn sử dụng trước khi quảng cáo được phát sóng, và chỉ sử dụng ảnh sản phẩm mà bạn có quyền. Google cho biết hình ảnh được tạo bởi các mô hình hình ảnh Gemini của họ có mang dấu watermark SynthID. Chính sách người dùng Kling · Điều khoản API Google Gemini · Google về tạo hình ảnh và SynthID
Dành cho Claude Code và các tác nhân mã hóa khác
Kỹ năng sáng tạo quảng cáo chạy các công thức tương tự từ một bức ảnh sản phẩm trên máy tính của bạn. Nó hỏi trước khi chi tiêu, định giá một lần chạy trước, và lưu mọi tệp với một bản ghi về chi phí của mỗi bước.
npx skills add PSA-Team-source/uberllm-n8n-templates --skill ad-creativeKỹ năng và script của nó · Cách các công việc, chờ đợi, callbacks và thời gian tồn tại của tệp hoạt động cho các công thức này: Quy trình làm việc sáng tạo quảng cáo trong tài liệu
Câu hỏi
Tôi có thể tạo video 4:5 cho Meta feed không?
Có, bằng cách tạo ảnh tĩnh ở tỷ lệ 4:5 trước. Các mô hình chuyển ảnh thành video trong các công thức này tuân theo hình dạng của bức ảnh đầu tiên, vì vậy một ảnh tĩnh 4:5 sẽ cho ra một clip 4:5.
Một quảng cáo mất bao lâu?
Trong các lần chạy thử nghiệm, một ảnh tĩnh mất từ 14 giây đến khoảng 2 phút (những lần chậm là do thử lại sau khi hết thời gian chờ) và một clip 5 giây mất từ 1.5 đến 5.5 phút. Các quy trình làm việc chờ công việc hoàn thành và tải tệp xuống khi nó sẵn sàng.
Tôi có cần n8n không?
Không. Mỗi công thức cũng là một lệnh của một script không có dependencies (Node 18 hoặc mới hơn), và các lệnh gọi tương tự hoạt động từ bất kỳ ngôn ngữ nào: chúng là các HTTP request đơn giản.