> This page is for Plattform, version V4 (default).
> For other versions, use one of these documentation indexes:
> - V4 (default): https://next.developer.frame.io/platform/v4/llms.txt
> - V4 Experimental: https://next.developer.frame.io/platform/v4-experimental/llms.txt
> - Vorgängerversion: https://next.developer.frame.io/platform/v2/llms.txt

> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://next.developer.frame.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://next.developer.frame.io/_mcp/server.

# Python SDK in Frame.io – Upload-Leitfaden

In diesem Leitfaden wird erklärt, wie Sie mit dem **Python SDK in Frame.io** (`frameio`) Dateien in Frame.io hochladen.Im SDK werden mehrteilige Uploads von Chunks in S3 über vorsignierte URLs verarbeitet, mit parallel ausgeführten Prozessen, automatischen Wiederholungsversuchen und optionaler Fortschrittsverfolgung.Informationen zu den allgemeinen API-Konzepten für den Upload (Upload-URLs, Header, Chunking) finden Sie unter [So funktionieren lokale und Remote-Uploads](./how-local-remote-uploads-work).

---

## Voraussetzungen

#### Authentifizierung

Sie verfügen über einen funktionierenden `Frame.io`-Client. Informationen zum Setup finden Sie im [Authentifizierungsleitfaden](/platform/docs/guides/authentication/python-sdk).

#### SDK installieren

```bash
    pip install frameio
```

#### Zielordner

Sie benötigen die `Account_ID` und die `Folder_ID`, in die die Datei hochgeladen werden soll. Suchen Sie mit dem SDK danach:

```python
    # List your accounts
    accounts = client.accounts.index()
    account_id = accounts.data[0].id

    # List workspaces in the account
    workspaces = client.workspaces.index(account_id=account_id)
    workspace_id = workspaces.data[0].id

    # List projects in the workspace
    projects = client.projects.index(account_id=account_id, workspace_id=workspace_id)
    project = projects.data[0]

    # The project's root folder is the top-level upload target
    folder_id = project.root_folder_id

    # Or list subfolders to upload into a specific one
    folders = client.folders.list(account_id=account_id, folder_id=folder_id)
```

---

## Schnellstart

```python
import os
from frameio import Frameio
from frameio.files import FileCreateLocalUploadParamsData
from frameio.upload import FrameioUploader

client = Frameio(token="YOUR_TOKEN")

file_path = "/path/to/video.mp4"
file_size = os.path.getsize(file_path)

# 1. Create the file resource and get pre-signed upload URLs
response = client.files.create_local_upload(
    account_id="YOUR_ACCOUNT_ID",
    folder_id="YOUR_FOLDER_ID",
    data=FileCreateLocalUploadParamsData(
        name="video.mp4",
        file_size=file_size,
    ),
)

# 2. Upload the file to S3
with open(file_path, "rb") as f:
    FrameioUploader(response.data, f).upload()
```

Das ist alles.Im SDK wird die Datei basierend auf den Upload-URLs, die von der API zurückgegeben werden, in Chunks aufgeteilt und parallel hochgeladen. Wiederholungsversuche werden automatisch verarbeitet.

---

## Grundlegendes

Der lokale Upload ist ein zweistufiger Prozess:

#### Dateiressource erstellen

Rufen Sie `client.files.create_local_upload()` mit Dateinamen und -größe auf.In der API wird eine Platzhalterdatei erstellt und es werden vorsignierte S3 PUT-URLs zurückgegeben, eine pro Chunk.Die Anzahl der URLs (und daher Chunks) ist abhängig von der Dateigröße.

#### Hochladen in S3

Die Upload-URLs werden von `FrameioUploader` aus der Antwort gelesen. Anschließend wird Ihre Datei in passende Chunks aufgeteilt. Mit PUT und einem Thread-Pool werden die einzelnen Chunks parallel zu ihrer jeweiligen URL platziert.Jede Anfrage enthält die erforderlichen Header `x-amz-acl: private` und `Content-Type`.

> **Note**
>
> Der Upload geht direkt von Ihrer Anwendung in S3, er läuft nicht über die Frame.io-API-Server.Das ist dasselbe Muster, das von Diensten wie YouTube, Vimeo und Dropbox für große Datei-Uploads verwendet wird.

---

## Verwendung von `FrameioUploader`

`FrameioUploader` ist die empfohlene Methode zum Hochladen von Dateien.Der Chunk-Uploader auf der niedrigeren Ebene wird umhüllt, und alle Details werden verarbeitet: Upload-URLs werden aus der API-Antwort extrahiert, erforderliche Header werden gesetzt, die Datei wird aufgeteilt und parallel hochgeladen.

### Fortschrittsverfolgung

Mit dem Rückruf `on_progress` verfolgen Sie den Fortschritt des Uploads:

```python
def on_progress(bytes_uploaded: int, total_bytes: int) -> None:
    pct = bytes_uploaded / total_bytes * 100
    print(f"\r{pct:.1f}% ({bytes_uploaded:,} / {total_bytes:,} bytes)", end="", flush=True)

with open(file_path, "rb") as f:
    FrameioUploader(response.data, f, on_progress=on_progress).upload()

print("\nUpload complete!")
```

Der Rückruf wird einmal nach Abschluss jedes Chunks aufgerufen, mit den bisher aufgelaufenen hochgeladenen Bytes und der gesamten Dateigröße.

#### Rich-Fortschrittsbalken

Nutzen Sie [Rich](https://github.com/Textualize/rich) für eine elegante Terminal-Erfahrung:

```python
from rich.progress import Progress, BarColumn, DownloadColumn, TransferSpeedColumn, TimeRemainingColumn

with Progress(
    "[progress.description]{task.description}",
    BarColumn(),
    DownloadColumn(),
    TransferSpeedColumn(),
    TimeRemainingColumn(),
) as progress:
    task = progress.add_task("Uploading...", total=file_size)

    with open(file_path, "rb") as f:
        FrameioUploader(
            response.data, f,
            on_progress=lambda done, total: progress.update(task, completed=done),
        ).upload()
```

### Konfiguration

In `FrameioUploader` werden mehrere optionale Parameter akzeptiert:

| Parameter     | Standard                                       | Beschreibung                                                                                                               |
| ------------- | ---------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------- |
| `max_workers` | `5`                                            | Anzahl der gleichzeitigen Upload-Threads                                                                                   |
| `headers`     | `{"x-amz-acl": "private"}` | Header, die mit jeder S3 PUT-Anfrage gesendet werdenSelbstdefinierte Header werden mit den Standardwerten zusammengeführt. |
| `max_retries` | `3`                                            | Wiederholungsversuche pro Chunk (exponentieller Rückzug: 1s, 2s, 4s …)                                                     |
| `on_progress` | `None`                                         | Rückruf `(bytes_uploaded, total_bytes)` wird nach jedem Chunk ausgelöst.                                                   |

```python
with open(file_path, "rb") as f:
    FrameioUploader(
        response.data,
        f,
        max_workers=10,       # more parallelism for high-bandwidth connections
        max_retries=5,        # more resilient on flaky networks
        on_progress=on_progress,
    ).upload()
```

### Vollständiges Beispiel

Ein vollständiges Beispiel mit Authentifizierung, Upload und Fortschrittsverfolgung:

```python
import os
from frameio import Frameio
from frameio.auth import ServerToServerAuth
from frameio.files import FileCreateLocalUploadParamsData
from frameio.upload import FrameioUploader

# Authenticate
auth = ServerToServerAuth(
    client_id="YOUR_CLIENT_ID",
    client_secret="YOUR_CLIENT_SECRET",
)
client = Frameio(token=auth.get_token)

# Prepare the file
file_path = "/path/to/video.mp4"
file_name = os.path.basename(file_path)
file_size = os.path.getsize(file_path)

# Create the file resource
response = client.files.create_local_upload(
    account_id="YOUR_ACCOUNT_ID",
    folder_id="YOUR_FOLDER_ID",
    data=FileCreateLocalUploadParamsData(
        name=file_name,
        file_size=file_size,
    ),
)

print(f"Uploading {file_name} ({file_size:,} bytes) in {len(response.data.upload_urls)} chunks...")

# Upload with progress
def on_progress(uploaded: int, total: int) -> None:
    print(f"\r{uploaded / total:.0%}", end="", flush=True)

with open(file_path, "rb") as f:
    FrameioUploader(response.data, f, on_progress=on_progress).upload()

print(f"\nDone! View at: {response.data.view_url}")
```

---

> **Tip**
>
> Wenn Sie vollständige Kontrolle über den Upload-Prozess benötigen – zum Beispiel, um das Chunking (Aufteilung in Chunks) manuell zu verarbeiten, mit einer asynchronen Pipeline zu integrieren oder die Logik für Wiederholungen anzupassen –, sehen Sie sich [So funktionieren lokale und Remote-Uploads](./how-local-remote-uploads-work) an. Dort finden Sie den rohen API-Fluss und ein eigenständiges Python-Skript-Beispiel.

---

## Remote-Upload

Wenn Ihre Datei bereits über eine öffentliche URL zugänglich ist, verwenden Sie stattdessen den Remote-Upload.Es ist kein Chunking erforderlich, die Datei wird direkt von Frame.io abgerufen:

```python
from frameio.files import FileCreateRemoteUploadParamsData

response = client.files.create_remote_upload(
    account_id="YOUR_ACCOUNT_ID",
    folder_id="YOUR_FOLDER_ID",
    data=FileCreateRemoteUploadParamsData(
        name="video.mp4",
        source_url="https://example.com/video.mp4",
    ),
)
print(f"File created: {response.data.id}")
```

> **Warning**
>
> Für den Remote-Upload besteht derzeit eine **Dateigrößenbegrenzung von 50 GB**.Nutzen Sie bei Dateien von mehr als 50 GB stattdessen den [lokalen Upload](#quick-start).

---

## Überprüfen des Upload-Status

Nach dem Upload können Sie überprüfen, ob die Datei empfangen wurde:

```python
status = client.files.show_file_upload_status(
    account_id="YOUR_ACCOUNT_ID",
    file_id=response.data.id,
)
print(f"Upload complete: {status.data.upload_complete}")
```