Pro API: saldo, limity i wytrenowane postacie

Dwie trasy odczytu, zawsze dozwolone niezależnie od uprawnień klucza, oraz dziennik aktywności przechowywany w aplikacji.

Saldo i limity

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_..." }

To najtańsze wywołanie w API i właśnie to należy użyć, żeby sprawdzić, czy klucz działa.

Kupowanie kredytów zapisaną kartą

POST /credits/purchase

{ "pack": "m" }

pack to identyfikator pakietu (s, m, l, xl, xxl lub xxxl) albo "c25000" dla dowolnej liczby kredytów powyżej największego pakietu. Płatność idzie z karty zapisanej w automatycznym doładowaniu na stronie twojego konta, tylko jeśli pozwoliłeś tam agentowi kupować, w ramach ustalonego tam limitu miesięcznego (automatyczne doładowania wliczone). Każdy zakup potwierdza e-mail. Jeden zakup naraz.

Odpowiedź to 200 { credits, eur, balance }. Każda odmowa zawiera buy_url, zwykły link do zakupu, którego używasz zamiast tego: 402 confirmation_required (twój bank prosi o potwierdzenie) lub payment_declined; 409 agent_not_allowed, no_saved_card, monthly_cap_reached, topup_in_progress lub purchase_in_progress; 400 unknown_pack. Przy 503 payment_unavailable nie wiemy, czy obciążenie nastąpiło: nie ponawiaj od razu, obciążenie, które przeszło, zostanie zaksięgowane.

Wytrenowane postacie

Są to postacie wytrenowane jako LoRA, przeznaczone do obrazów i zwykłych filmów. Postacie z Multi-Ref Wideo, siedem widoków wykonanych z jednego zdjęcia, to osobna sprawa: zobacz Postacie.

GET /loras

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

Podaj name jako lora, biorąc je z listy image dla obrazów i z listy video dla filmów, i wstaw jej trigger do promptu, w przeciwnym razie postać się nie pojawi. Postać, która nie należy do konta, zwraca 403 unknown_lora.

Prześlij własne LoRA

POST /loras/upload

Plik .safetensors, który już masz, wytrenowany gdzie indziej lub leżący na własnym serwerze, trafia do przestrzeni konta i staje się dostępny przez lora, dokładnie jak postać wytrenowana w aplikacji. Są dwa sposoby przesłania: jednorazowo do 90 MB albo w częściach powyżej tej granicy. LoRA waży zazwyczaj od 200 do 500 MB, więc ten drugi sposób jest typowy. Limit wynosi 800 MB w obu przypadkach.

Jednorazowo: surowe ciało żądania (application/octet-stream, wymagany Content-Length), parametry w URL.

Powyżej 100 MB żądanie nigdy nie dociera do API. Infrastruktura przed nim odrzuca je, więc w odpowiedzi pojawia się samo 413 bez ciała JSON: klient, który parsuje każdy błąd jako JSON, zawiesi się zamiast go zgłosić. Ten rozmiar należy przesyłać w częściach.

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

Odpowiedź to { "ok": true, "name": "my_character.safetensors", "kind": "image", "size": 314572800, "trigger": "ohwx", "architecture": "krea2", "storage": { ... } }.

Kompatybilność jest sprawdzana podczas przesyłania. Obrazy są renderowane przez Krea 2, który ma własną architekturę: stosuje się wyłącznie LoRA w formacie Krea 2, wytrenowane w tendre.AI lub dla Krea 2 gdzie indziej. Warto wiedzieć, że LoRA FLUX.1 zostaje odrzucone, co nie jest pierwszym skojarzeniem każdego. Filmy są renderowane przez LTX 2.5, więc obowiązuje LoRA LTX 2.5 lub 2.3.

API odczytuje nagłówek pliku przed zapisaniem czegokolwiek. LoRA rozpoznane jako SDXL, SD 1.5, SD3, FLUX.1, Wan lub HunyuanVideo jest odrzucane z błędem 415 incompatible_lora, który podaje znalezioną architecture, a plik niebędący safetensors otrzymuje 415 invalid_safetensors. Nic nie jest zapisywane i żaden limit nie zostaje zużyty w żadnym z tych przypadków.

Jeden przypadek jednak przechodzi: architektura, której nagłówek nie identyfikuje, jest akceptowana z architecture: "inconnue" i oceniana dopiero w czasie renderowania. To jedyna pomyłka, która kosztuje cię renderowanie, zanim się o niej dowiesz.

Wyślij duże LoRA w częściach

Trzy wywołania, plus jedno do rezygnacji.

1. Otwórz sesję. POST /loras/upload/start z { "name", "kind", "size", "trigger" }, gdzie size to cały plik w bajtach. Sprawdza nazwę, rozmiar i limit, a następnie odpowiada:

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

2. Wyślij każdą część. POST /loras/upload/part?uploadId=...&part=N, surowe ciało, części numerowane od 1, każda po part_size bajtów oprócz ostatniej, nigdy więcej niż max_part_size. Każda odpowiedź zawiera etag, a wszystkie będą potrzebne w kolejnym kroku, więc zachowuj je na bieżąco.

Część 1 jest wyjątkowa: zawiera nagłówek pliku, więc właśnie tam jest oceniana architektura. Niekompatybilne LoRA zostaje wykryte tam z błędem 415 i sesja jest anulowana. Dowiadujesz się po 20 MB zamiast po 400.

3. Zamknij ją. POST /loras/upload/finish z { "uploadId", "parts": [ { "part": 1, "etag": "..." }, ... ] }. Składa plik i rejestruje go, odpowiadając dokładnie tak jak przesłanie jednorazowe.

Żeby zrezygnować, wywołaj POST /loras/upload/abort z { "uploadId" }. Sesja pozostawiona bez finish jest usuwana po sześciu godzinach. Nic nie pojawia się w GET /loras i nic nie jest wliczane do limitu, dopóki finish nie powiedzie się, więc przerwane przesyłanie nie kosztuje cię miejsca.

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"])

Gotowy skrypt PowerShell jest dołączony do aplikacji, pod ścieżką scripts/api-pro-lora.ps1.

Usuń LoRA

DELETE /loras/{name}?kind=image|video usuwa plik i zwalnia limit. Odpowiada { "ok": true, "name": ..., "storage": { ... } } albo 404 unknown_lora, gdy nazwa nie istnieje na koncie.

Limit przestrzeni

Każda licencja otrzymuje maksymalnie 20 plików i 10 GB, obrazy i filmy razem, a postacie wytrenowane w aplikacji są wliczane do tego limitu. GET /loras raportuje stan w storage:

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

Po przekroczeniu któregokolwiek limitu przesyłanie zwraca 413 lora_quota wraz z informacją o tym, co pozostało. Usuń plik, żeby zwolnić miejsce.

Trenowanie postaci nie jest jeszcze dostępne przez API. Odbywa się w aplikacji, a wynik pojawia się na tej liście.

Aktywność

Aplikacja przechowuje dziennik każdego renderowania wykonanego przez twoje klucze (data, klucz, typ, koszt, status) oraz zużycie na klucz, w sekcji Ustawienia > API > Activity.

To też miejsce, w którym możesz unieważnić klucz, który wyciekł, bez dotykania pozostałych.