Introduzione
HappyHorse 1.1 Testo in video è l’endpoint solo prompt della famiglia di modelli HappyHorse 1.1 di Alibaba: un prompt fino a 2.500 caratteri restituisce una clip da 3 a 15 secondi interi a 720p o 1080p, con una colonna sonora generata. Sono disponibili nove formati, da 21:9 a 9:21, compresi i tagli 4:5 e 5:4 per feed e stampa. Questo endpoint esamina il prompt, e un brief che supera il suo limite di contenuto viene rifiutato del tutto invece di essere attenuato.
Scegli il metodo in base al materiale di partenza
| Materiale di partenza | Metodo |
|---|---|
| una scena scritta o una sceneggiatura | HappyHorse 1.1 Testo in video |
| un’immagine iniziale approvata | HappyHorse 1.1 Immagine in video |
| da una a nove immagini di riferimento | HappyHorse 1.1 Riferimenti in video |
Caratteristiche principali
Nove formati in un solo campo
aspect_ratio accetta 16:9 (predefinito), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 e 21:9. Una serie di consegne in più formati diventa un ciclo su un solo parametro invece di un giro di reinquadrature in post-produzione. L’esempio rain-hood-convenience è stato scritto per il 9:16 a 1080p, l’estremo verticale di questa lista, e spende le parole su un’unica azione continua che si allontana dalla camera.
Una colonna sonora senza interruttore
Ogni clip torna con audio generato, e non c’è un campo per spegnerlo. Descrivi il suono che vuoi: il brief di desert-tailgate chiede cicale e un’autostrada lontana, e in rain-hood-convenience la pioggia che batte sulla tettoia arriva nello stesso passaggio dell’immagine. Quando la clip va sotto il tuo mix, silenzia o sostituisci la traccia in montaggio.
Bozza a 720p, consegna a 1080p
La durata va da 3 a 15 secondi interi, con 5 come predefinito, e la risoluzione predefinita è 720p. Entrambe incidono sul prezzo. Fai bozze a 720p e ripeti a 1080p la ripresa scelta; ogni passaggio genera la sua ripresa, quindi tieni fisso il testo invece di aspettarti gli stessi fotogrammi a una risoluzione più alta.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Scrivilo come una ripresa: soggetto, azione, macchina, luce, ritmo. almeno 1 caratteri · al massimo 2500 caratteri |
aspect_ratio | No | Nove valori, predefinito 16:9. 4:5 e 5:4 sono i tagli da feed e da stampa. |
resolution | No | 720p o 1080p. Fai le bozze a 720p, consegna a 1080p. |
duration_seconds | No | Secondi interi, da 3 a 15. Guida il prezzo. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.14 / secondo |
| $0.18 / secondo |
Casi d’uso
Clip verticali con resa da smartphone
L’esempio karaoke-room chiede per nome una resa da dispositivo (rolling shutter, rumore da fotocamera del telefono, un leggero tremolio e luci al neon miste) in 9:16 a 720p. Due persone condividono un quadro verticale, cantano un ritornello in un solo microfono e crollano l’una sull’altra ridendo, e il suono della stanza torna insieme all’immagine.
Pezzi d’atmosfera retti dalla luce
La luce in movimento può reggere un’intera clip. In motel-blinds-boots la luce ambrata dei lampioni filtra dalle veneziane e le scorre addosso mentre si toglie due stivali e cade all’indietro su una trapunta, una catena di azioni contenuta nei cinque secondi predefiniti a 720p. Nulla illumina la stanza se non ciò che descrive il prompt.
Definire inquadratura e ritmo prima di creare i fotogrammi
Quando un’inquadratura richiede un soggetto preciso, o il brief va oltre ciò che questo endpoint accetta, la strada passa per un fotogramma iniziale in image-to-video o per un set di riferimenti in reference-to-video. text-to-video è il posto in cui fissare inquadratura, luce e ritmo con qualche bozza rapida prima di preparare quegli input.
Consigli avanzati
Scrivilo come un’inquadratura
Indica soggetto, azione, camera, luce e ritmo nell’ordine in cui li vede lo spettatore. Il prompt di desert-tailgate lo fa in un paragrafo: chi è seduta sulla sponda del pick-up e cosa indossa, cosa fa (dondola gli stivali, inclina una bottiglia, strizza gli occhi verso il sole basso), poi «warm orange backlight, lens flare, handheld 35mm», poi il suono.
Resta dentro ciò che questo endpoint accetta
Il prompt viene esaminato prima della generazione, e una descrizione che supera il suo limite di contenuto torna come rifiuto, non come clip più morbida. Gli esempi pubblicati lavorano con costume, luce e gesto invece di dire tutto a parole. Per un lavoro oltre quel limite parti da un’immagine in image-to-video o reference-to-video. Con un limite di 2.500 caratteri, taglia gli aggettivi prima delle azioni.
Fissa il quadro prima di confrontare le riprese
I valori predefiniti sono 16:9 e cinque secondi. Se la consegna è in 4:5 o 9:21, impostalo prima della prima bozza, perché una composizione scritta per un quadro non si trasferisce a un altro. Fai in modo che il movimento possa chiudersi entro la durata scelta e ricorda che un’inquadratura scritta lascia al modello costume, corpo e inquadratura, quindi le ripetizioni divergono.
Avvio rapido dell’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"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
