HappyHorse 1.1：テキスト、開始フレーム、参照画像のどれを使うか

確定した開始フレームがあるなら image-to-video、キャラクター・衣装・小道具・場所を別々の画像で与えるなら reference-to-video、文章しかないなら text-to-video を使います。3つとも720pは1秒あたり$0.14、1080pは$0.18なので、5秒のクリップは$0.70または$0.90です。選ぶ基準は価格ではなく、どこまで制御できるかです。image-to-videoとreference-to-videoはuncensoredのエンドポイントで、text-to-videoはフィルタが適用されます。

どのタスクを送るか

3つとも、1～2,500文字のプロンプト、3～15秒の duration_seconds（既定は5）、720p（既定）または 1080p の resolution を受け付けます。この範囲でクリップの料金は720pで$0.42～$2.10、1080pで$0.54～$2.70です。下書きは720pで作り、気に入ったテイクを1080pで再実行してください。同じ文言でも、再実行すれば新しいテイクになります。

• アスペクト比： テキストと参照のタスクは比率を指定できます。image-to-videoは画像に従うので、先に画像を切り抜いてください。
• Seed： 画像と参照のタスクのみ。固定したまま、一度に1つだけ変えてください。
• 音： 常に生成され、オフにするフィールドはありません。編集ソフトでミュートまたは差し替えてください。
• 受け付けないもの： last_image_url と negative_prompt。

画像サイズ、参照画像のサイズ、アップロード上限は各モデルページに載っています。

成人向けコンテンツはタスクで変わります

2026年9月のテストでは、image-to-videoは試したすべての成人向けカテゴリを出力しました。示唆的なシーンから最も強度の高いものまで含まれるため、成人キャラクターの画像が最も確実な出発点です。reference-to-videoもuncensoredです。text-to-videoは穏やかなプロンプトは通りましたが、強度の高いものは和らげずに明確に拒否しました。シーンを改変なしでモデルに届けたいなら、画像から作ってください。カテゴリ別の結果はHappyHorse 1.1のNSFWテストにまとめています（この記事は現在英語のみです）。現在のタスクはHappyHorse 1.1のモデルページで確認できます。

まずPlaygroundで試す

例：インディゴのシャツとクリーム色のエプロンを着た架空の35歳の陶芸家が、青い陶器の鳥を台座のすぐ上で持っているポートレートを動かします。両手と台座はフレーム内です。

1. image-to-videoのページを開き、Playground タブの Form 表示のままサインインして実行します。
2. Input image に、利用が許可された自分のポートレート（JPG、PNG、WEBP、GIF、最大10MB）をドロップするか、その Asset URL を貼り付けます。
3. 下のプロンプトを貼り付けるか、入力済みの状態で開きます。

このプロンプトをHappyHorse 1.1で実行 →。フレームの後で変わることだけを書いています。陶芸家、鳥、部屋は画像がすでに決めています。プロンプトはモデルに送られる形のまま英語です。

1. Resolution を720p、Duration を5にして実行します。720pでは$0.70、3回試すと$2.10です。10秒・1080pなら1回あたり$1.80です。
2. 気に入ったテイクを残し、1080pで再実行します。

参照画像を使うなら、reference-to-videoのページを開き、Reference images に画像を決まった順序で追加します。プロンプトでは [Image 1]、[Image 2]、[Image 3] のように番号を付け、それぞれが何を担うかを書いてください。参照画像1枚に役割は1つにします。同じ被写体の写真を複数入れると、すり合わされず平均化されます。9スロットは上限であり、目標ではありません。文章だけなら、Aspect ratio を使えるtext-to-videoのページで、陶芸家・鳥・ギャラリーをプロンプトに書いてください。

次にコードから実行する

Python SDKをインストールし（pip install spicyapi）、サーバー環境に SPICY_API_KEY を設定して実行します。

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

frame = client.upload_file("./opening-frame.png")  # becomes a spicy:// URI

task = client.create_task(
    model="alibaba/happyhorse-1.1/image-to-video",
    input_data={
        "image_url": frame["uri"],
        "prompt": "One continuous medium shot. The adult artist gently lowers the blue ceramic bird "
                  "onto the pedestal, releases it, draws both hands back and pauses. "
                  "Keep the camera still. Quiet gallery ambience and one soft ceramic contact sound. "
                  "No cuts or added people.",
        "duration_seconds": 5,
        "resolution": "720p",
        "seed": 240103,
    },
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)

print("Resume task:", task["taskId"], flush=True)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"Task {task['taskId']} ended as {final['state']}")
assets = output_assets(final)
if not assets or any(a.get("pending") or a.get("unavailable") or not a.get("url") for a in assets):
    raise RuntimeError(f"Task {task['taskId']} has no ready output; check this task before a new run")
print(assets[0]["url"])

reference-to-videoではモデルを入れ替えて reference_image_urls を使います。text-to-videoが受け付けるのはプロンプト、aspect_ratio、duration_seconds、resolution だけです。待機、エラー、再試行はタスクガイドとPython SDKリファレンスにあります。

またはエージェントに実行させる

アシスタントにクリップを実行させるなら、CLI、MCPサーバー、Agent Skillはいずれも現行のスキーマを読み取り、CLIとMCPは有料呼び出しの前に料金を表示して確認を求めます。同じ input オブジェクトを input.json に置いて実行します。

npx @spicyapi/cli tasks create --model alibaba/happyhorse-1.1/image-to-video --input-file input.json --wait

MCPでは「HappyHorse 1.1のimage-to-videoで ./opening-frame.png を動かして」と依頼します。アシスタントは spicyapi_upload_file を呼び出し、続けて spicyapi_task_create を呼び出します。Skillは npx skills add spicyapi-ai/spicy-skill でインストールします。

具体的な不具合への対処

構図は安価な720pの下書きで固め、そのあと確定したフレームや参照画像のセットを固定して、納品用に再実行してください。5秒のクリップには、見て分かる出来事を1つだけ計画します。解像度を上げても、破綻した動きは大きく見えるだけで直りません。