provider-model-refresh

プロバイダーモデルの更新

メディア制作では、まず AGENT_GUIDE.md と選択したパイプラインに従ってください。 これらのアダプターは、通常の BaseTool レジストリから検出できます。リクエストを行う前に、 入力スキーマとステータスを確認してください。API 認証情報があることは、 設定済みであることを示しますが、アカウントの利用資格が確認済みであることを意味しません。有料の実稼働テストを行うものではありません。

ルーティング

特定のアダプターを必須にするには preferred_tool を、API ホストを必須にするには hosting_provider を使用してください。preferred_provider は従来のランキング優先設定です。画像／動画では正確な model を、音声では model_id を選択してください。指定したモデルが利用できない場合は、別のモデルに黙って置き換えず、失敗させる必要があります。

モデル	直接ツール	アグリゲーターツール
GPT Image 2.5 Flare / Sunburst	openai_image	openai_fal_image, atlas_refresh_image
Gemini 3 Pro Image / Nano Banana Pro	google_imagen	gemini_fal_image, gemini_replicate_image, atlas_refresh_image
Ideogram 4.5 / Precise Edit	ideogram_image	ideogram_fal_image
Wan 3.0	—	wan_fal_video, wan_atlas_video, wan_replicate_video
H3 Max	—	h3_max_video (fal)
LTX-2.5 Fast / Pro	ltx_api_video	—
Eleven v4 / v4 Turbo	elevenlabs_tts	fal_elevenlabs_tts (v4 only)
Gemini 3.8 Flash / Flash-Lite TTS	gemini_tts	—
Lyria 3.5	google_music	—
Sonic 3.6	cartesia_tts	—
Inworld TTS-2 / Flash	inworld_tts	—
Qwen Image 2.1	qwen_image_21 (local)	—
HeyGen Avatar V	heygen_avatar	—

画像リクエスト

GPT Image 2.5 では、gpt-image-2.5-flare と gpt-image-2.5-sunburst の個別の ID を使用します。速度を重視する場合は Flare を、複雑な編集には Sunburst を使用してください。変更する内容と、変更せずに残す内容を説明してください。直接編集では、ローカルの image_path／image_paths と、必要に応じて mask_path を使用します。 アルファ出力は PNG または WebP で保持してください。旧 GPT Image 2 のデフォルトも、互換性のため引き続き利用できます。

Google Pro の正確な ID は gemini-3-pro-image です。これは gemini-3.1-flash-image（Nano Banana 2）とは別のモデルです。対応ルートでは、最大 14 枚の参照画像と 1K／2K／4K を使用できます。Replicate へのフォールバックは無効です。

Ideogram の直接編集で generation_mode=precise_edit を指定すると、影響を受けないピクセルが保持されます。 image_path に続けて、image_paths で最大 4 枚の参照画像を指定してください。マスクを使用する場合、参照画像は 3 枚までです。 黒は編集、白は保持を示します。Precise Edit では出力サイズを指定できません。 dry_run=true を指定すると、生成せずに正確なリクエストの検証と料金の確認を行います。fal では、 precise_edit により edit_precision=high が設定されます。

Qwen Image 2.1 には、実際のローカルモデルディレクトリと互換性のある Diffusers が必要です。 重みを暗黙的にダウンロードすることはありません。予定している用途について Qwen Research License を確認してください。透過画像の生成では、不透明なアルファチャンネルを追加するのではなく、返されたアルファチャンネルを検証します。

動画とジョブ

operation で text_to_video、image_to_video、reference_to_video を選択します。 Replicate の Wan がサポートするのは、テキストと最初のフレーム画像のみです。Atlas の Wan では refers オブジェクトと、自動で長さを決める duration=-1 を使用します。fal では参照 URL の 配列と null 許容の duration を使用します。ホスト間でネイティブパラメーターを流用しないでください。 ルート固有の制御は provider_params に渡してください。チェックイン済みの tools/provider_contracts 配下のスキーマにより、送信前にリクエスト全体が検証されます。

LTX-2.5 はテキスト／画像／音声からの生成をサポートしますが、リテイクや延長には対応していません。フレームレートは 24、25、48、50 です。長時間の生成には、720p／1080p、24／25 FPS で Fast が必要です。 duration=null にするとモデルが長さを選択できますが、最終フレームとは併用できません。 H3 Max は旧 H3 エンドポイントとは別です。

チェックポイントを保存するには job_path を設定してください。タイムアウトした場合は、返された resume_job を同じツールに渡してください。これにより、2 回目の有料送信を行わず、既存のジョブの状態を確認します。 ID がないまま送信がタイムアウトした場合は、再送信する前にプロバイダーのダッシュボードを確認してください。 来歴情報と出力を保持してください。料金が不明な場合は、無料サービスとして扱わず、明示的に不明と報告します。

音声と音楽

Eleven の直接 ID は eleven_v4 / eleven_v4_turbo で、fal では eleven-v4 です。 fal v4 の上限は 5,000 文字で、速度やスタイルの制御には対応していません。 直接利用する v4 の上限は 10,000 文字です。音声カタログと権利はホストによって異なります。 Gemini TTS は音声アノテーション付きの Interactions を使用します。各対話の 話者の音声とターンのテキストは個別に設定します。現在のアダプターの出力は WAV です。 Cartesia は API バージョン 2026-08-14 と WAV を使用します。Inworld はポータルで発行された Base64 認証情報と Basic 認証を使用し、MP3 に対応しています。上限は 2,000 UTF-16 コード単位です。 Lyria の再生時間はプロンプトで指定する目標であり、正確な長さが保証されるわけではありません。

Avatar V

アバタースポークスパーソンのパイプラインでは heygen_avatar を使用します。最初に list_looks または inspect_look を実行します。生成時には POST の前に avatar_type=digital_twin と supported_api_engines が確認されます。Avatar V は engine=avatar_v で明示的に指定します。 IV にフォールバックすることはありません。script（と voice_id）、audio_url、または audio_asset_id のいずれか1つを指定します。参照するルックは、検証済みの同じグループに属するデジタルツインである必要があります。 承認済みの既存プレゼンターを使用し、HeyGen の同意およびアカウント要件を遵守してください。

エビデンスと制限事項

各契約は 2026-10-03 に確認され、各スキーマに公式ソースが記録されています。 リリース調査については docs/provider-update-plan-2026-10-03.md を参照してください。Kling 4 の公開 生成エンドポイントは未検証のままのため、モデル ID を推測してはいけません。ライブ音声 エージェントには、バッチナレーションとは別のストリーミング／セッション連携が必要です。

10月23日のフォローアップ

Google の現在の提供終了対応、Eleven v4 のトランスポート、新たにサポートされた プロバイダーについては、provider-refresh-oct23 をお読みください。 v4 ナレーションの HTTP ペイロードは対話入力と設定であり、従来の TTS の text/voice_settings ではありません。直接ファイルアダプターでの v4 Turbo は WebSocket 専用です。