alibaba/happyhorse-1.1/reference-to-videoEl reference-to-video de HappyHorse 1.1 dirige un plano desde una a nueve imágenes de referencia ordenadas, manteniendo estable un reparto, vestuario o locación. Los clips duran de 3 a 15 segundos a 720p o 1080p en nueve proporciones, con sonido generado.
El filtrado cambia según el endpoint: Imagen a video — Sin censura, Referencia a video — Sin censura, Texto a video — Con filtro.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
opera-box-emerald-velvet-smile [Image 1] es la persona: una mujer pelirroja con un vestido de terciopelo verde esmeralda con hombros al aire y unos impertinentes dorados, fotografiada sobre un fondo oscuro. [Image 2] es el lugar: un palco modernista vacío con barandilla dorada que mira a una sala dorada llena de público bajo una lámpara de cristal. El clip sienta a la mujer de [Image 1], con el mismo vestido, en la barandilla del palco de [Image 2] con los impertinentes ante los ojos; los baja, gira la cabeza hacia la cámara con una sonrisa lenta y cómplice y lleva la yema de un dedo hacia la clavícula mientras la cámara se acerca. `aspect_ratio` es `16:9`, `duration_seconds` es `5` a `720p`.
- 720p
- 16:9
- 5s
- Salida5 s
product-in-place [Image 1] es el frasco de vela y [Image 2] el estante de mármol. Al nombrar cada uno con su etiqueta, el frasco queda sobre ese estante con la luz de su ventana, en lugar de mezclar las dos fotos.
- 1080p
- 1:1
- 5s
- Salida5 s
rider-jacket-bike-station Cuatro cosas tienen que quedar idénticas de toma en toma: el motociclista, la chaqueta, la máquina y la gasolinera. `reference_image_urls` lleva hasta nueve imágenes en una sola solicitud, que es lo que permite fijar un vestuario y un vehículo en lugar de describirlos y cruzar los dedos. Aquí la primera imagen ya reúne al motociclista, la moto y la gasolinera, y la segunda, una chaqueta de cuero; la tercera, una mujer en una calle con neones, no tiene nada que ver con este plano y no aparece en el clip. El prompt solo tiene que nombrar la acción y la luz: dice lo que él hace, no cómo se ve.
- 720p
- 3:4
- 5s
- Salida5 s
three-plate-corridor Tres referencias con tres funciones distintas —la persona, la guitarra que lleva y el pasillo por el que avanza— resueltas en un único travelling hacia atrás. Esa es la prueba real de este endpoint: la cara, el objeto y la localización tienen que sobrevivir a la misma toma, y el prompt indica qué referencia cubre cada cosa.
- 720p
- 16:9
- 5s
Este ejemplo parte de $0.14 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.