HunyuanVideo 1.5 は何が得意？

1 人の人物が 1 つの動作をする場面を、読み取りやすいカメラワークで撮るのが得意です。当社のテストでは、肌と布が自然に見え、画像から動画では顔の演技に説得力がありました。Tencent が一般向けの GPU でも動く 83 億パラメーターのコンパクトなモデルとして作ったもので、ここでは 480p か 720p の 5 秒または 8 秒のクリップを生成します。

HunyuanVideo 1.5 は規制なしですか？

はい。プロンプトも写真も結果もフィルタリングしません。当社のテストでは、中程度のテストは書いたとおりに生成され、最も強いレベルではモデル自身が場面の一部を控えめに描きました。映っている人物は全員が成人であることが条件で、生成するものすべての権利と同意の確認は、ご自身の責任となります。

音は出ますか？

いいえ。すべてのクリップは無音の 24 fps の MP4 です。映像と同時に生成したサウンドトラックが必要なら、LTX-2 19B がクリップごとにステレオ音声を返します。

どのくらい速い？

当社のテストでは、480p・5 秒のクリップがモデル処理時間で 63 〜 150 秒（大半は 70 〜 130 秒）、480p・8 秒が 77 〜 151 秒、720p・5 秒が 142 〜 241 秒でした。

どんなサイズが得られる？

テキストから動画では、比率（16:9 か 9:16）と解像度で、832 x 480、480 x 832、1280 x 720、720 x 1280 のいずれかになります。画像から動画は写真に従い、16:9 の写真は 480p で 832 x 464、720p で 1264 x 720 になりました。

画像から動画にもプロンプトは必要？

いいえ。当社のテストでは、プロンプトなしの呼び出しでも写真は動きました。ただし、次に起きることを 1 文添えると、動きをコントロールできます。写真にすでに写っているものではなく、動作を書いてください。

2 人が映るショットが不自然に見えるのはなぜ？

2 人の密着は、このモデルの苦手な部分です。手足が絡みやすく、体の形が崩れがちです。当社のテストでは、被写体が 1 人の場面のほうがはるかに安定していました。

画像のリクエストが失敗したのはなぜ？

多くは画像のリンクを取得できなかったためです。到達できない URL では、ダウンロードエラーと HTTP ステータスが返ります。画像ファイルへの、公開された直接リンクを使ってください。

HunyuanVideo 1.5 API

tencent/hunyuan-video-1.5/image-to-video

HunyuanVideo 1.5 の image-to-video は、写真 1 枚を 480p / 720p の 5 秒または 8 秒のクリップに動かし、写真の形を保ちます。動きのプロンプトは任意で、出力は無音の 24 fps MP4、コンテンツフィルターはありません。

最低価格 $0.024/秒

モデルを実行 API を見る

入力

画像から動画

プロンプト

入力画像1/1

ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 1 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF

解像度料金に影響

長さ料金に影響

シード値

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち

サンプル出力

延長

動画アップスケール

動画編集

{
  "model": "tencent/hunyuan-video-1.5/image-to-video",
  "input": {
    "resolution": "720p",
    "duration_seconds": 5,
    "seed": 520504,
    "prompt": "She lifts the glass and takes a slow sip without looking away from the camera, sets it down on the bar and lets a slow, amused smile spread; a shaft of late sun slides across her shoulder and the dust turns gold in the beam. Static camera.",
    "image_url": "https://cdn.spicyapi.ai/models/examples/inputs/ec9a976432981725.jpeg"
  }
}

はじめに

HunyuanVideo 1.5 Image to video は、写真 1 枚を 480p / 720p の 5 秒または 8 秒のクリップに動かします。HunyuanVideo 1.5 は Tencent が公開しているオープンな 8.3B パラメータの動画モデルです。クリップは写真の形を保ち、プロンプトは任意で、プラットフォームがコンテンツフィルターを加えることはありません。

手元の素材に合わせてモードを選ぶ

手元にあるもの	モード
文章による説明	HunyuanVideo 1.5 Text to video
動かしたい写真	HunyuanVideo 1.5 Image to video

主な機能とハイライト

動いても崩れない顔

私たちのテストでは、写真の人物はクリップを通して顔、髪、衣装を保ちました。

どんな形でも

アスペクト比のフィールドはなく、縦長、正方形、横長のどの写真も、それぞれの形のまま返ってきます。

プロンプトは任意

写真だけを送ればモデルが動きを決めます。次の瞬間を自分で書いて指定することもできます。

検閲なし

写真にもプロンプトにもクリップにもフィルターはありません。私たちのテストでは、コンテンツのプローブの大半は書いたとおりに描画され、最も強いものはシーンの一部が控えめになりました。

リクエストパラメーター

HunyuanVideo 1.5 · Image to Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	いいえ	任意です。その人が次に何をするか、カメラがどう動くかを書きます。 1 文字以上
`image_url`	はい	開始フレームです。クリップはこの写真から始まり、アスペクト比も引き継ぎます。
`resolution`	いいえ	480p か 720p（既定）です。720p は 1 秒あたり 2 倍の料金で、形は写真に従います。 `480p` · `720p` · デフォルト値: `720p`
`duration_seconds`	いいえ	5 秒または 8 秒で、1 秒単位で課金されます。 `5` · `8` · デフォルト値: `5`
`seed`	いいえ	プロンプトを変えながら、実行結果を比べやすくします。フレームまで同一のクリップになることは保証しません。 `≥ 0` · `≤ 2147483647`

料金

選んだ解像度での出力 1 秒単位で課金されます。写真の形によって料金は変わりません。

料金
仕様	料金
`480p`	$0.024 / 秒
`720p`	$0.048 / 秒

ユースケース

動くポートレート

ヘッドショットが微笑んだり、歌ったり、カメラに振り向いたりします。

商品・ファッションのスチル

カタログ写真に、布の動き、カメラのドリフト、振り向きを加えます。

フィルターなしで、ユーザーの画像を動かす

ユーザー自身の画像を、コンテンツフィルターなしで動かします。成人のみが対象です。

主なユースケースのチュートリアルを見る

プロンプトガイドと実践のヒント

次の瞬間を書く

写真に写っているものではなく、撮影のあとにその人が何をするかを書きます。

変えたくないものを伝える

衣装や小物を変えたくない場合は、プロンプトでそう明記します。

1 人のほうが扱いやすい

2 人が触れ合うと絡みやすくなります。動きをゆっくりにしてください。

きれいな公開リンクを使う

画像は直接ダウンロードできる必要があります。ログインが必要なリンクは失敗しますが、課金はされません。

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": "tencent/hunyuan-video-1.5/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p"
  }
}'

# 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。

プロンプトか 1 枚の写真から、リアルな 5 秒のクリップを

HunyuanVideo 1.5 は Tencent が公開している 83 億パラメーターのオープンな動画モデルで、ここではテキストのプロンプトまたは 1 枚の写真から、480p か 720p で 5 秒または 8 秒のクリップを生成します。当社のテストで最も得意だったのは、1 人の人物が 1 つの動作をする場面でした。自然な肌と布の質感、歌の途中で目を閉じる歌手、ゆっくり微笑んでカメラに振り向く男性などです。クリップは 24 fps の無音です。プロンプトも写真も結果もフィルタリングしません。当社で最も強いレベルのコンテンツテストでは、場面の一部をモデル自身が控えめに描きましたが、それはプラットフォームのフィルターではなく、モデル自身の抑制です。

プレイグラウンドを開く

モデル: Tencent の HunyuanVideo 1.5。83 億パラメーターで、2025 年 11 月にオープンウェイトとして公開
クリップの長さ: 24 fps で 5 秒または 8 秒。8 秒は 193 フレーム、5 秒は 121 フレーム
解像度: 480p または 720p。テキストから動画では 832 x 480、480 x 832、1280 x 720、720 x 1280 のいずれか
速度: 480p・5 秒はモデル処理時間で通常 70 〜 130 秒、720p・5 秒は 142 〜 241 秒
音声: なし。すべてのクリップが無音
コンテンツフィルター: なし。最も強いテストはモデル自身が控えめに描いた

得意なこと: 1 人の人物、1 つの動作、1 つのカメラワーク当社のテストでは、被写体が 1 人の場面が安定していました。肌も布も顔も自然なままで、画像から動画では顔の演技にも説得力がありました。1 クリップに書く動作は 1 つにして、カメラがどう動くかも添えてください。
写真からクリップへ: 画像から動画は、元の写真の形を保つクリップは写真から始まり、その縦横比を保ちます。16:9 の写真は 480p で 832 x 464、720p で 1264 x 720 になり、2:3 の写真は 480p で 512 x 768 になりました。プロンプトは省略できます。付けずに呼び出しても、フレームは動きました。
制限: できないこと音声トラックはなく、長さは 5 秒か 8 秒だけ、解像度は 480p と 720p だけです。画像から動画にはアスペクト比の項目がなく、写真が形を決めます。2 人が密着すると手足が絡まりやすいので、被写体は 1 人にするか、ゆったりと引きのフレームで撮るスローダンスにとどめてください。

HunyuanVideo 1.5 の使いこなし方

被写体だけでなく、ショットを書く

フレームに誰がいるか、何を着ているか、5 秒間に何をするか、カメラがどう動くかを書いたプロンプトが、最も良いクリップになりました。ギャラリーのジャズクラブで踊る女性は、ドレス、ターン、琥珀色の光、ゆっくり回り込むカメラを書いた 1 文から生まれました。4 コマのシートは 1 本のクリップです。

顔が重要なときは写真から始める

画像から動画では、人物、衣装、光があらかじめ固定されるので、プロンプトでは次の瞬間だけを描写すれば済みます。当社の歌手の写真は、マイクに身を寄せて目を閉じるクリップになりました。左のフレームが写真、右は数秒後です。

480p で下書きし、720p で仕上げる
480p・5 秒のクリップは通常 70 〜 130 秒で返り、720p は 142 〜 241 秒でした。アイデアは小さく試し、気に入ったプロンプトを 720p でやり直してください。同じプロンプトと seed なら似たクリップになりますが、まったく同じにはなりません。
テキストから動画では形を選ぶ
テキストから動画は 16:9 か 9:16 を受け付け、比率と解像度からフレームを組み立てます。縦の 720 x 1280 はフィード向きで、ギャラリーの雨に濡れた屋上のポートレートは 9:16 のクリップです。画像から動画では、先に写真を希望の形に切り抜いておきます。
ネガティブプロンプトで不具合を避ける
テキストから動画では、「blurry, distorted hands, extra limbs, text, watermark」のような短いリストで、よくある破綻を避けられます。入れるのは絶対に避けたいものだけにして、見た目は本文のプロンプトで描写してください。

HunyuanVideo 1.5 の主な使い手

SNS・ショート動画のチーム
フィード向けの縦型クリップ
720 x 1280 の 9:16 で生成し、シリーズごとに seed を 1 つに決めておけば、バージョンを公平に比べられます。ネオンの雨の中で濡れた髪をかき上げる男性という屋上の例は、テキストのプロンプトだけで作りました。
写真家・ポートレート作家
静止画に命を吹き込む
ポートレートを送り、その人が次に何をするかを書きます。窓辺の白いバスローブ姿の男性は、外で街の明かりがともるなか、ゆっくり微笑んでカメラに振り向きました。左のフレームが写真、右がクリップです。
商品・旅行系のクリエイター
すでにある場面に動きを
海沿いの道を黄色いスクーターで走る二人の生成写真が、風に髪とドレスがなびく 5 秒の走行シーンになりました。安く試せる 480p の下書きで、720p に進む前に動きが成り立つかを確認できます。
規制なしのプラットフォームの開発者
断られないモデル
プロンプトも写真も結果もフィルタリングしないので、フィルターなしのプラットフォームでも回避策は不要です。映っている人物は全員が成人であることが条件で、当社のテストでは最も強いテストもモデル自身が控えめに描きました。

HunyuanVideo 1.5 で最初のクリップから量産まで

入口を選ぶ
アイデアしかないときはテキストから動画、顔・服装・場所を固定したいときは画像から動画を使います。
480p・5 秒で下書きする
動作を 1 つとカメラワークを 1 つ書き、テキストから動画ではネガティブプロンプトを加えて、seed を数通り試します。
サムネイルではなくクリップを見る
手、顔、2 人目の人物を確認します。手足が絡むなら、場面を被写体 1 人に単純化してください。
勝った 1 本を 720p でやり直す
プロンプトと seed はそのままに解像度を切り替えます。8 秒は、動作にその時間が必要なときだけ使ってください。
シリーズをまとめて回す
スタイルの 1 文は固定し、被写体の行だけを変えてセットで送ります。クリップは無音なので、音はあとから加えてください。

そのまま使える HunyuanVideo 1.5 のプロンプト

ゆっくり寄るポートレート

9:16 のテキストから動画向けです。人物 1 人、小さな動作 1 つ、カメラワーク 1 つ。

An adult woman in her thirties in a camel wool coat stands at a rain-streaked bus stop at dusk, tucks a strand of hair behind her ear and looks up toward the camera with a faint smile. Warm shop lights blur behind her, slow push-in, shallow depth of field, cinematic, photorealistic.

ポートレートに命を吹き込む

ポートレートからの画像から動画向けです。写真の内容ではなく、次の瞬間を描写してください。

The adult man in the denim jacket lifts his coffee cup, glances out of the café window, then turns back to the camera and laughs quietly. Soft afternoon light, the camera holds steady.

シンプルなスローダンス

16:9 のテキストから動画向けです。ポーズはゆったりと、フレームは引きにして、手足が見分けられるようにします。

Two adults in their thirties slow dance on a small rooftop terrace at golden hour, she in a flowing green dress, he in a white shirt with rolled sleeves, a string of lights swaying overhead. Handheld camera drifting around them, warm and intimate, photorealistic.

HunyuanVideo 1.5 のその他のよくある質問

リアルな人物のための定番モデルとして

アイデアにはテキストから動画、顔には画像から動画を選び、動作とカメラワークを 1 つずつ書いて、480p で下書きし、勝った 1 本を 720p でやり直します。

場面は被写体 1 人にとどめ、不具合にはネガティブプロンプトを加え、クリップは無音なので音はあとから足してください。

プレイグラウンド

入力

出力