Introduction
HappyHorse 1.1 Texte vers vidéo est le point de terminaison sans image de la famille de modèles HappyHorse 1.1 d’Alibaba : un prompt de 2 500 caractères au plus renvoie un clip de 3 à 15 secondes entières en 720p ou 1080p, avec une bande-son générée. Neuf formats d’image sont proposés, du 21:9 au 9:21, y compris le 4:5 et le 5:4 des fils sociaux et de l’impression. Ce point de terminaison filtre le prompt, et un brief qui dépasse sa limite de contenu est rejeté d’emblée au lieu d’être adouci.
Choisir le mode selon le matériau de départ
| Matériau de départ | Mode |
|---|---|
| une scène écrite ou un script | HappyHorse 1.1 Texte vers vidéo |
| une image d’ouverture validée | HappyHorse 1.1 Image vers vidéo |
| une à neuf images de référence | HappyHorse 1.1 Références vers vidéo |
Fonctionnalités et points forts
Neuf formats dans un seul champ
aspect_ratio accepte 16:9 (par défaut), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 et 21:9. Livrer plusieurs formats revient alors à boucler sur un seul paramètre plutôt qu’à recadrer en post-production. L’exemple rain-hood-convenience a été écrit pour le 9:16 en 1080p, l’extrémité verticale de cette liste, et consacre ses mots à une seule action continue qui s’éloigne de la caméra.
Une bande-son sans interrupteur
Chaque clip revient avec un audio généré, et aucun champ ne permet de le couper. Décrivez le son voulu : le brief de desert-tailgate demande des cigales et une autoroute lointaine, et dans rain-hood-convenience la pluie qui martèle l’auvent arrive dans la même passe que l’image. Quand le clip passe sous votre propre mixage, coupez ou remplacez la piste au montage.
Esquisser en 720p, livrer en 1080p
La durée va de 3 à 15 secondes entières, 5 par défaut, et la résolution par défaut est 720p. Les deux influent sur le prix. Esquissez en 720p, puis relancez la prise retenue en 1080p ; chaque passe produit sa propre prise, alors gardez le texte fixe au lieu d’attendre les mêmes images en plus haute résolution.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Écrivez-le comme un plan : sujet, action, caméra, lumière, rythme. 1 caractères minimum · 2500 caractères maximum |
aspect_ratio | Non | Neuf valeurs, 16:9 par défaut. Le 4:5 et le 5:4 sont les cadrages de fil et d’impression. |
resolution | Non | 720p ou 1080p. Brouillonnez en 720p, livrez en 1080p. |
duration_seconds | Non | Secondes entières, de 3 à 15. C’est ce qui pilote le prix. |
Tarification
| Spécification | Prix |
|---|---|
| $0.14 / seconde |
| $0.18 / seconde |
Cas d’utilisation
Clips verticaux au rendu smartphone
L’exemple karaoke-room demande nommément un rendu d’appareil (rolling shutter, bruit de capteur de téléphone, léger tremblé et néons mélangés) en 9:16 et en 720p. Deux personnes partagent un cadre vertical, entonnent un refrain dans un seul micro et s’effondrent l’une sur l’autre en riant, et le son de la pièce revient avec l’image.
Pièces d’ambiance portées par la lumière
Une lumière en mouvement peut tenir tout un clip. Dans motel-blinds-boots, la lumière ambrée des réverbères glisse à travers les stores vénitiens sur le sujet pendant qu’elle retire deux bottes et se laisse tomber en arrière sur un édredon, une chaîne d’actions tenue dans les cinq secondes par défaut en 720p. Rien n’éclaire la pièce hormis ce que décrit le prompt.
Régler cadrage et rythme avant de fabriquer des images
Quand un plan exige un sujet exact, ou que le brief va au-delà de ce que ce point de terminaison accepte, le chemin passe par une image d’ouverture dans image-to-video ou par un jeu de références dans reference-to-video. text-to-video est l’endroit où régler le cadrage, la lumière et le rythme en quelques esquisses rapides avant de préparer ces entrées.
Guide de prompt et conseils pratiques
L’écrire comme un plan
Donnez le sujet, l’action, la caméra, la lumière et le rythme dans l’ordre où le spectateur les découvre. Le prompt de desert-tailgate le fait en un paragraphe : qui est assise sur le hayon et ce qu’elle porte, ce qu’elle fait (bottes qui se balancent, bouteille qu’elle incline, regard plissé vers le soleil bas), puis « warm orange backlight, lens flare, handheld 35mm », puis le son.
Rester dans ce que ce point de terminaison accepte
Le prompt est filtré avant la génération, et une description qui dépasse sa limite de contenu revient sous forme de refus, pas de clip atténué. Les exemples publiés passent par la tenue, la lumière et le geste plutôt que de tout décrire. Pour un travail au-delà de cette limite, partez d’une image dans image-to-video ou reference-to-video. Avec une limite de 2 500 caractères, supprimez les adjectifs avant les actions.
Fixer le cadre avant de comparer les prises
Les valeurs par défaut sont 16:9 et cinq secondes. Si le livrable est en 4:5 ou en 9:21, réglez-le avant la première esquisse, car une composition écrite pour un cadre ne se transpose pas à un autre. Faites en sorte que le mouvement puisse s’achever dans la durée choisie, et gardez en tête qu’un plan écrit laisse la tenue, le corps et le cadrage au modèle : les relances dérivent.
Démarrage rapide de l’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"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
