Pro API: 残高、上限、トレーニング済みキャラクター

キーの権限に関わらず常に許可される2つの読み取りルートと、アプリ内に保存されるアクティビティログについて説明します。

残高と上限

GET /credits

{ "balance": 1830, "licenseId": "lic_...", "key": "k_1a2b3c4d",
  "limits": { "concurrent": 2, "perMinute": 60, "perDay": 0 }, "running": 1,
  "buy_url": "https://tendre.ai/credits?license=lic_..." }

これはAPI内で最も軽量な呼び出しであり、キーが正常に機能しているか確認するのに適しています。

登録済みのカードでクレジットを購入する

POST /credits/purchase

{ "pack": "m" }

pack にはパックのID（s、m、l、xl、xxl、xxxl）、または最大のパックを超える任意の数として "c25000" を指定します。支払いは、アカウントページの自動チャージに登録したカードで行われます。そこでエージェントによる購入を許可している場合に限り、設定した月間上限の範囲内で行われます（自動チャージも含みます）。購入のたびに確認メールが届きます。購入は一度に1件のみです。

レスポンスは 200 { credits, eur, balance } です。拒否された場合は必ず buy_url（通常の購入リンク）が返されるので、代わりにそちらを使ってください。402 confirmation_required（銀行が確認を求めています）または payment_declined、409 agent_not_allowed、no_saved_card、monthly_cap_reached、topup_in_progress または purchase_in_progress、400 unknown_pack です。503 payment_unavailable の場合は、引き落としが行われたかどうか分かりません。すぐに再試行しないでください。引き落としが行われていれば、クレジットは付与されます。

トレーニング済みキャラクター

ここで扱うのは、画像および通常の動画向けにLoRAとしてトレーニングされたキャラクターです。1枚の写真から7つのビューを作成するMulti-Ref Videoのキャラクターは別の仕組みです。Charactersをご覧ください。

GET /loras

{ "image": [ { "name": "megan_krea2", "trigger": "megan", "base": "krea2", "size": 0 } ],
  "video": [ { "name": "megan_ltx", "trigger": "megan", "size": 0 } ] }

画像の場合は image リスト、動画の場合は video リストから name を取得し、lora として渡してください。また、プロンプトに trigger を必ず含めてください。含めない場合、キャラクターが表示されません。アカウントに属していないキャラクターを指定すると 403 unknown_lora が返されます。

独自のLoRAをアップロードする

POST /loras/upload

他の場所でトレーニングしたか、自分のサーバーに保存している .safetensors ファイルをアカウントのスペースに追加し、アプリ内でトレーニングしたキャラクターと同様に lora 経由で使用できるようになります。アップロード方法は2種類あります。90 MB以下の一括アップロードと、それを超える場合の分割アップロードです。LoRAは通常200〜500 MBであるため、分割アップロードが一般的なケースです。上限はどちらも800 MBです。

一括アップロード: rawボディ（application/octet-stream、Content-Length 必須）で、パラメーターはURLに含めます。

100 MBを超えるリクエストはAPIに到達しません。 前段のインフラがリクエストを拒否するため、返ってくるのはJSONボディのない素の 413 です。すべてのエラーをJSONとしてパースするクライアントは、エラーを報告する代わりにクラッシュします。このサイズは分割アップロードを使用してください。

curl -s -X POST "$B/loras/upload?name=my_character.safetensors&kind=image&trigger=ohwx"   -H "Authorization: Bearer $KEY" -H "Content-Type: application/octet-stream"   --data-binary @my_character.safetensors

レスポンスは { "ok": true, "name": "my_character.safetensors", "kind": "image", "size": 314572800, "trigger": "ohwx", "architecture": "krea2", "storage": { ... } } です。

互換性はアップロード時に確認されます。 画像はKrea 2でレンダリングされ、独自のアーキテクチャを持っています。tendre.AIでトレーニングしたものか、他の場所でKrea 2向けにトレーニングしたものかに関わらず、Krea 2のLoRAのみが適用されます。FLUX.1のLoRAは拒否される点に注意してください（多くの方が最初に驚かれます）。動画はLTX 2.5でレンダリングされるため、LTX 2.5または2.3のLoRAが必要です。

APIはファイルを保存する前にヘッダーを読み取ります。SDXL、SD 1.5、SD3、FLUX.1、Wan、HunyuanVideoと認識されたLoRAは 415 incompatible_lora で拒否され、検出された architecture が返されます。safetensors形式でないファイルは 415 invalid_safetensors で拒否されます。どちらの場合も保存は行われず、クォータも消費されません。

ただし1つのケースは通過します。ヘッダーでアーキテクチャが特定できない場合、architecture: "inconnue" として受け入れられ、レンダリング時にのみ判断されます。この場合、問題を発見するためにレンダリングを1回消費することになります。

大きなLoRAを分割して送信する

3つの呼び出しに加え、中断用の呼び出しが1つあります。

1. セッションを開始する。 POST /loras/upload/start に { "name", "kind", "size", "trigger" } を送信します。size はファイル全体のバイト数です。名前、サイズ、クォータを確認した後、以下が返されます。

{ "uploadId": "...", "part_size": 20971520, "max_part_size": 104857600, "parts_expected": 15 }

2. 各パートを送信する。 POST /loras/upload/part?uploadId=...&part=N、rawボディ、パートは1から番号が付き、最後のパートを除いて part_size バイトずつ、max_part_size を超えてはいけません。各レスポンスに etag が含まれており、次のステップで全て必要になるため、順番に保存してください。

パート1は特別です。ファイルヘッダーを含むため、アーキテクチャの判定はここで行われます。互換性のないLoRAは 415 で検出され、セッションはキャンセルされます。400 MBではなく20 MB時点で問題がわかります。

3. セッションを閉じる。 POST /loras/upload/finish に { "uploadId", "parts": [ { "part": 1, "etag": "..." }, ... ] } を送信します。ファイルを組み立てて登録し、一括アップロードと同じ形式のレスポンスを返します。

中断する場合は、POST /loras/upload/abort に { "uploadId" } を送信します。finish されないまま放置されたセッションは6時間後に削除されます。finish が成功するまでは GET /loras には表示されず、クォータにもカウントされないため、中断したアップロードはストレージを消費しません。

import os, requests
B, H = "https://api.tendre.ai/pro/v1", {"Authorization": "Bearer " + KEY}
path = name = "my_character.safetensors"
s = requests.post(f"{B}/loras/upload/start", headers=H,
                  json={"name": name, "kind": "image", "size": os.path.getsize(path), "trigger": "ohwx"}).json()
parts = []
with open(path, "rb") as f:
    n = 1
    while chunk := f.read(s["part_size"]):
        r = requests.post(f"{B}/loras/upload/part",
                          headers={**H, "Content-Type": "application/octet-stream"},
                          params={"uploadId": s["uploadId"], "part": n}, data=chunk)
        r.raise_for_status()
        parts.append({"part": n, "etag": r.json()["etag"]})
        n += 1
done = requests.post(f"{B}/loras/upload/finish", headers=H,
                     json={"uploadId": s["uploadId"], "parts": parts}).json()
print(done["name"], done["architecture"], done["storage"])

アプリには scripts/api-pro-lora.ps1 にPowerShellスクリプトが同梱されています。

LoRAを削除する

DELETE /loras/{name}?kind=image|video はファイルを削除してクォータを解放します。レスポンスは { "ok": true, "name": ..., "storage": { ... } } です。アカウントに存在しない名前の場合は 404 unknown_lora が返されます。

ストレージクォータ

各ライセンスには最大20ファイル、10 GBが割り当てられており、画像と動画を合わせてカウントされます。アプリ内でトレーニングしたキャラクターもこの上限に含まれます。GET /loras はその状態を storage フィールドで返します。

{ "count": 3, "max_count": 20, "bytes": 943718400, "max_bytes": 10737418240 }

いずれかの上限を超えると、アップロードは 413 lora_quota と残り容量を返します。ファイルを削除してスペースを確保してください。

キャラクターのトレーニングはAPIではまだ公開されていません。アプリ内で行われ、結果はこのリストに表示されます。

アクティビティ

アプリには、キーで行ったすべてのレンダリングのログ（日付、キー、タイプ、コスト、ステータス）とキーごとの消費量が Settings > API > Activity に保存されます。

また、漏洩したキーを他のキーに影響を与えずに無効化する場合もここで行います。