はじめに
HappyHorse 1.1 テキストから動画 は、Alibaba の HappyHorse 1.1 シリーズでプロンプトだけを入力にするエンドポイントです。最大 2,500 文字のプロンプトから、720p か 1080p、3〜15 秒の整数長のクリップを、生成されたサウンドトラック付きで返します。アスペクト比は 21:9 から 9:21 まで 9 種類あり、フィードや印刷向けの 4:5 と 5:4 も含まれます。このエンドポイントはプロンプトを審査し、許容範囲を超えるブリーフは和らげられるのではなくそのまま拒否されます。
開始素材に応じてモードを選ぶ
| 開始素材 | モード |
|---|---|
| 書いた場面やスクリプト | HappyHorse 1.1 テキストから動画 |
| 承認済みの開始画像 | HappyHorse 1.1 画像から動画 |
| 1〜9 枚の参照画像 | HappyHorse 1.1 参照から動画 |
主な機能とハイライト
1 つの項目で 9 種類のアスペクト比
aspect_ratio は 16:9（既定）、9:16、1:1、4:3、3:4、4:5、5:4、9:21、21:9 を受け付けます。複数の形の納品物をそろえる作業が、後処理でのトリミングのやり直しではなく、1 つのパラメータを回すだけになります。rain-hood-convenience の例はこのリストの縦長側にあたる 9:16・1080p 向けに書かれ、カメラから離れていく 1 つの連続した動作に言葉を使っています。
オフにできないサウンドトラック
どのクリップも生成音声付きで返り、それをオフにする項目はありません。欲しい音はプロンプトで指示します。desert-tailgate のブリーフはセミの声と遠くのハイウェイを求めており、rain-hood-convenience では日よけを叩く雨音が映像と同じ生成で届きます。自分のミックスの下に敷くときは、編集でトラックをミュートするか差し替えてください。
720p で下書き、1080p で納品
長さは 3〜15 秒の整数で既定は 5 秒、解像度の既定は 720p です。どちらも料金に影響します。720p で下書きし、採用するテイクを 1080p で再実行します。実行ごとに別のテイクが生まれるので、高い解像度で同じフレームが返ると期待せず、文言を固定して比べてください。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | カットとして書きます。被写体、動作、カメラ、光、テンポ。 1 文字以上 · 2500 文字以内 |
aspect_ratio | いいえ | 9 種、既定は 16:9。4:5 と 5:4 はフィードと印刷向けの比率です。 |
resolution | いいえ | 720p と 1080p。下書きは 720p、納品は 1080p で。 |
duration_seconds | いいえ | 3〜15 の整数秒。料金を左右します。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.14 / 秒 |
| $0.18 / 秒 |
ユースケース
スマートフォン風の縦型クリップ
karaoke-room の例は、ローリングシャッター、スマホカメラのノイズ、わずかな手ぶれ、混ざり合うネオン光といった端末らしいルックを名指しで求め、9:16・720p で作られています。縦の画面に 2 人が並び、1 本のマイクでサビを歌い合って笑いながら寄りかかり合い、部屋の音も映像と一緒に返ります。
光で成り立つムード作品
動く光だけでクリップ全体をまとめられます。motel-blinds-boots では、ベネチアンブラインド越しの琥珀色の街灯が被写体の上を這う間に、彼女はブーツを 2 足とも脱ぎ、キルトの上へ仰向けに倒れ込みます。一連の動作が既定の 5 秒・720p に収まっています。部屋を照らしているのは、プロンプトが描写した光だけです。
フレームを作る前に構図とテンポを決める
被写体を正確に出したいとき、あるいはブリーフがこのエンドポイントの許容範囲を超えるときは、image-to-video の開始フレームか reference-to-video の参照セットを通ることになります。text-to-video は、そうした入力を準備する前に、構図、光、テンポを数回の短い下書きで固める場所です。
プロンプトガイドと実践のヒント
ショットとして書く
被写体、動作、カメラ、光、テンポを、見る人が目にする順に並べます。desert-tailgate のプロンプトは 1 段落でこれを行っています。荷台に誰が座り何を着ているか、何をするか（ブーツを揺らし、瓶を傾け、低い太陽に目を細める）、続いて「warm orange backlight, lens flare, handheld 35mm」、最後に音です。
このエンドポイントが受け付ける範囲でブリーフを書く
プロンプトは生成前に審査され、許容範囲を超える描写は穏やかなクリップではなく拒否として返ります。公開例はすべてを言葉で描き切るのではなく、衣装、光、仕草で表現しています。その範囲を超える作品を作るなら、image-to-video か reference-to-video で画像から始めてください。上限は 2,500 文字なので、削るなら動作より先に形容詞を削ります。
テイクを比べる前に画面を決める
既定値は 16:9 と 5 秒です。納品物が 4:5 や 9:21 なら、最初の下書きの前に設定してください。ある画面向けに書いた構図は別の画面にそのまま移せません。動きは選んだ長さの中で完結するようにし、文章だけのショットでは衣装や体つき、構図がモデル任せになり、再実行でぶれることも頭に入れておいてください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
