alibaba/happyhorse-1.1/image-to-videoL’image-to-video HappyHorse 1.1 anima il tuo fotogramma iniziale da un prompt che descrive il movimento successivo. Clip da 3 a 15 secondi interi a 720p o 1080p con audio generato, e il fotogramma definisce la forma.
Il filtraggio cambia da un endpoint all’altro: Da immagine a video — Senza censura, Da riferimento a video — Senza censura, Da testo a video — Filtrato.
Playground
Questi esempi sono stati scritti per questo endpoint. Sostituisci il prompt e gli URL dei media di esempio con input tuoi e raggiungibili, poi controlla il preventivo aggiornato e la disponibilità del modello prima di inviare.
- Output5 s
andalusian-plaza-flamenco-glance `image_url` è una piazza andalusa al tramonto: portici imbiancati a calce, festoni di luci, un pubblico che applaude in un ampio cerchio e due chitarristi, e al centro una donna con un abito da flamenco rosa a spalle scoperte, balze a strati e spacco alto, in piena posa di danza. Il clip parte da quel fotogramma e segue il prompt: si volta sul posto con un braccio arcuato sopra la testa mentre l’altra mano fa scorrere l’orlo a balze in un vortice basso sul selciato, poi si ferma di profilo e guarda l’obiettivo da sopra la spalla con un lento sorriso mentre la camera si avvicina. Questo endpoint non ha un campo per il formato, quindi è l’immagine 16:9 a fissare l’inquadratura; `duration_seconds` è `5` a `720p`.
- 720p
- 5s
- Output5 s
wasteland-hood-two Qui è il fotogramma iniziale a decidere il formato: questo endpoint non ha un campo `aspect_ratio`, quindi l'immagine che consegnate fissa l'inquadratura della clip. Il prompt è poi scritto solo per ciò che esiste in movimento: il tessuto sollevato e lasciato cadere dal vento, la foschia di calore che ondeggia, la polvere che attraversa la strada. È questa la divisione del lavoro in una chiamata da immagine a video, ed è il motivo per cui la frase non descrive mai la composizione.
- 1080p
- Output6 s
tailgate-turn Un fermo immagine e una nota di movimento. Costumi, pickup e controluce li decide il fotogramma, non le parole.
- 1080p
- 6s
- Output4 s
quiet-hold Quattro secondi di quasi immobilità: la forma che funziona meglio quando non c'è un fotogramma di chiusura a cui puntare.
- 720p
- 4s
Questo esempio parte da $0.14 per secondo generato. Il Playground aggiorna la stima quando cambi le impostazioni.