Einführung
HappyHorse 1.1 Text-zu-Video ist der reine Prompt-Endpunkt der Modellfamilie HappyHorse 1.1 von Alibaba: Ein Prompt mit bis zu 2.500 Zeichen liefert einen Clip von 3 bis 15 ganzen Sekunden in 720p oder 1080p, mit erzeugtem Soundtrack. Neun Seitenverhältnisse stehen zur Wahl, von 21:9 bis 9:21, einschließlich der Feed- und Printformate 4:5 und 5:4. Dieser Endpunkt prüft den Prompt, und ein Briefing jenseits seiner Inhaltsgrenze wird rundweg abgelehnt statt abgeschwächt.
Modus nach dem Ausgangsmaterial wählen
| Ausgangsmaterial | Modus |
|---|---|
| eine geschriebene Szene oder ein Skript | HappyHorse 1.1 Text-zu-Video |
| ein freigegebenes Startbild | HappyHorse 1.1 Bild-zu-Video |
| ein bis neun Referenzbilder | HappyHorse 1.1 Referenz-zu-Video |
Wichtige Funktionen und Highlights
Neun Seitenverhältnisse in einem Feld
aspect_ratio akzeptiert 16:9 (Standard), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 und 21:9. Ein Satz von Lieferformaten wird so zu einer Schleife über einen Parameter statt zu einer Runde Neuzuschnitt in der Postproduktion. Das Beispiel rain-hood-convenience wurde für 9:16 in 1080p geschrieben, das vertikale Ende dieser Liste, und verwendet seine Worte auf eine einzige durchgehende Bewegung weg von der Kamera.
Ein Soundtrack ohne Schalter
Jeder Clip kommt mit erzeugtem Audio zurück, und es gibt kein Feld, um es abzuschalten. Beschreiben Sie den gewünschten Klang: Das Briefing von desert-tailgate verlangt Zikaden und einen fernen Highway, und in rain-hood-convenience trommelt der Regen auf das Vordach im selben Durchgang wie das Bild. Wenn der Clip unter Ihre eigene Mischung kommt, schalten Sie die Spur im Schnitt stumm oder ersetzen sie.
Entwurf in 720p, Lieferung in 1080p
Die Dauer reicht von 3 bis 15 ganzen Sekunden, Standard sind 5, und die Auflösung steht standardmäßig auf 720p. Beides bestimmt den Preis. Entwerfen Sie in 720p und wiederholen Sie den gewünschten Take in 1080p; jeder Durchgang erzeugt einen eigenen Take, halten Sie den Wortlaut also fest, statt dieselben Bilder in höherer Auflösung zu erwarten.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Wie einen Shot schreiben: Motiv, Handlung, Kamera, Licht, Tempo. mindestens 1 Zeichen · höchstens 2500 Zeichen |
aspect_ratio | Nein | Neun Werte, Vorgabe 16:9. 4:5 und 5:4 sind die Zuschnitte für Feed und Print. |
resolution | Nein | 720p oder 1080p. In 720p entwerfen, in 1080p ausliefern. |
duration_seconds | Nein | Ganze Sekunden, 3 bis 15. Treibt den Preis. |
Preis
| Spezifikation | Preis |
|---|---|
| $0.14 / Sekunde |
| $0.18 / Sekunde |
Anwendungsfälle
Vertikale Clips im Handykamera-Look
Das Beispiel karaoke-room verlangt einen Geräte-Look beim Namen – Rolling Shutter, Handykamera-Rauschen, leichtes Wackeln und gemischtes Neonlicht – in 9:16 und 720p. Zwei Personen teilen sich ein Hochformat, singen einen Refrain in ein einziges Mikrofon und fallen lachend aneinander, und der Raumklang kommt mit dem Bild zurück.
Stimmungsstücke, die vom Licht leben
Bewegtes Licht kann einen ganzen Clip tragen. In motel-blinds-boots kriecht bernsteinfarbenes Straßenlicht durch Jalousien über die Figur, während sie zwei Stiefel abstreift und rückwärts auf eine Steppdecke fällt – eine Kette von Handlungen innerhalb der standardmäßigen fünf Sekunden in 720p. Den Raum beleuchtet nur, was der Prompt beschreibt.
Bildausschnitt und Tempo klären, bevor Bilder entstehen
Braucht eine Einstellung ein exaktes Motiv oder geht das Briefing über das hinaus, was dieser Endpunkt annimmt, führt der Weg über ein Startbild in image-to-video oder einen Referenzsatz in reference-to-video. text-to-video ist der Ort, an dem sich Bildausschnitt, Licht und Tempo in ein paar schnellen Entwürfen klären lassen, bevor diese Eingaben vorbereitet werden.
Prompt-Leitfaden und Praxistipps
Als Einstellung schreiben
Nennen Sie Motiv, Handlung, Kamera, Licht und Tempo in der Reihenfolge, in der die Zuschauer sie sehen. Der Prompt von desert-tailgate macht das in einem Absatz: wer auf der Ladeklappe sitzt und was sie trägt, was sie tut (Stiefel baumeln lassen, eine Flasche ansetzen, in die tiefe Sonne blinzeln), dann „warm orange backlight, lens flare, handheld 35mm“ und schließlich der Ton.
Das Briefing innerhalb dessen halten, was dieser Endpunkt annimmt
Der Prompt wird vor der Generierung geprüft, und eine Beschreibung jenseits seiner Inhaltsgrenze kommt als Ablehnung zurück, nicht als milderer Clip. Die veröffentlichten Beispiele arbeiten mit Garderobe, Licht und Geste, statt alles auszubuchstabieren. Für Arbeiten jenseits dieser Grenze starten Sie mit einem Bild in image-to-video oder reference-to-video. Bei einer Grenze von 2.500 Zeichen streichen Sie Adjektive, bevor Sie Handlungen streichen.
Den Rahmen festlegen, bevor Sie Takes vergleichen
Die Standardwerte sind 16:9 und fünf Sekunden. Soll 4:5 oder 9:21 geliefert werden, stellen Sie das vor dem ersten Entwurf ein, denn eine für einen Rahmen geschriebene Komposition lässt sich nicht auf einen anderen übertragen. Halten Sie die Bewegung innerhalb der gewählten Dauer abschließbar und bedenken Sie, dass eine geschriebene Einstellung Garderobe, Körper und Bildausschnitt dem Modell überlässt – Wiederholungen driften.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/happyhorse-1.1/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
