Introducción
HappyHorse 1.1 Texto a video es el endpoint de solo prompt de la familia de modelos HappyHorse 1.1 de Alibaba: un prompt de hasta 2,500 caracteres devuelve un clip de 3 a 15 segundos enteros en 720p o 1080p, con banda sonora generada. Hay nueve relaciones de aspecto, de 21:9 a 9:21, incluidos los recortes 4:5 y 5:4 para feeds e impresión. Este endpoint revisa el prompt, y un brief que supera su límite de contenido se rechaza de plano en lugar de suavizarse.
Elige el modo según el material inicial
| Material inicial | Modo |
|---|---|
| una escena escrita o un guion | HappyHorse 1.1 Texto a video |
| una imagen inicial aprobada | HappyHorse 1.1 Imagen a video |
| de una a nueve imágenes de referencia | HappyHorse 1.1 Referencias a video |
Funciones y aspectos destacados
Nueve relaciones de aspecto en un solo campo
aspect_ratio acepta 16:9 (predeterminado), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 y 21:9. Un paquete de entregables en varios formatos se vuelve un recorrido por un solo parámetro en lugar de una ronda de reencuadres en posproducción. El ejemplo rain-hood-convenience se escribió para 9:16 en 1080p, el extremo vertical de esa lista, y dedica sus palabras a una sola acción continua que se aleja de la cámara.
Una banda sonora sin interruptor
Cada clip vuelve con audio generado y no hay ningún campo para apagarlo. Describe el sonido que quieres: el brief de desert-tailgate pide cigarras y una carretera lejana, y en rain-hood-convenience la lluvia que golpea el toldo llega en la misma pasada que la imagen. Cuando el clip vaya debajo de tu propia mezcla, silencia o reemplaza la pista en la edición.
Borrador en 720p, entrega en 1080p
La duración va de 3 a 15 segundos enteros, con 5 como valor predeterminado, y la resolución predeterminada es 720p. Ambas influyen en el precio. Haz borradores en 720p y vuelve a ejecutar en 1080p la toma elegida; cada pasada genera su propia toma, así que mantén fija la redacción en vez de esperar los mismos fotogramas en mayor resolución.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Escríbelo como un plano: sujeto, acción, cámara, luz, ritmo. Este endpoint filtra el prompt: un brief que supera su límite de contenido se rechaza de plano en vez de suavizarse. mínimo 1 caracteres · máximo 2500 caracteres |
aspect_ratio | No | Nueve valores, 16:9 por defecto. 4:5 y 5:4 son los recortes de feed y de impresión. |
resolution | No | 720p o 1080p. Borronea en 720p y entrega en 1080p. |
duration_seconds | No | Segundos enteros, de 3 a 15. Es lo que manda sobre el precio. |
Precios
| Especificación | Precio |
|---|---|
| $0.14 / segundo |
| $0.18 / segundo |
Casos de uso
Clips verticales con look de celular
El ejemplo karaoke-room pide por su nombre un look de dispositivo (rolling shutter, ruido de cámara de celular, un leve temblor y luz de neón mezclada) en 9:16 y 720p. Dos personas comparten un cuadro vertical, cantan un coro con un solo micrófono y se desploman una sobre la otra riendo, y el sonido del cuarto vuelve con la imagen.
Piezas de ambiente sostenidas por la luz
La luz en movimiento puede sostener un clip entero. En motel-blinds-boots, la luz ámbar de la calle entra por las persianas venecianas y se arrastra sobre ella mientras se quita dos botas y cae de espaldas sobre un edredón, una cadena de acciones que cabe en los cinco segundos predeterminados a 720p. Nada ilumina el cuarto salvo lo que describe el prompt.
Definir encuadre y ritmo antes de crear fotogramas
Cuando un plano necesita un sujeto exacto, o el brief va más allá de lo que acepta este endpoint, el camino pasa por un fotograma inicial en image-to-video o por un conjunto de referencias en reference-to-video. text-to-video es el lugar para resolver encuadre, luz y ritmo en unos cuantos borradores rápidos antes de preparar esas entradas.
Guía de prompts y consejos prácticos
Escríbelo como un plano
Da el sujeto, la acción, la cámara, la luz y el ritmo en el orden en que los ve el espectador. El prompt de desert-tailgate lo hace en un párrafo: quién está en la compuerta y qué lleva puesto, qué hace (balancea las botas, inclina una botella, entrecierra los ojos hacia el sol bajo), luego "warm orange backlight, lens flare, handheld 35mm" y después el sonido.
Mantén el brief dentro de lo que acepta este endpoint
El prompt se revisa antes de generar, y una descripción que supera su límite de contenido vuelve como rechazo, no como un clip más suave. Los ejemplos publicados trabajan con vestuario, luz y gesto en lugar de decirlo todo con palabras. Para trabajo más allá de ese límite, parte de una imagen en image-to-video o reference-to-video. Con un límite de 2,500 caracteres, recorta adjetivos antes que acciones.
Define el cuadro antes de comparar tomas
Los valores predeterminados son 16:9 y cinco segundos. Si el entregable es 4:5 o 9:21, configúralo antes del primer borrador, porque una composición escrita para un cuadro no se traslada a otro. Procura que el movimiento pueda terminar dentro de la duración elegida y recuerda que un plano escrito deja el vestuario, el cuerpo y el encuadre en manos del modelo, así que las repeticiones se desvían.
Inicio rápido de la API
# 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"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
