Wprowadzenie
HappyHorse 1.1 Referencje na wideo buduje jedno ujęcie z jednego do dziewięciu obrazów referencyjnych, wysyłanych w reference_image_urls w kolejności, w jakiej przywołuje je prompt. Zwraca od 3 do 15 pełnych sekund w 720p lub 1080p w dowolnym z dziewięciu formatów kadru, z wygenerowaną ścieżką dźwiękową. Referencje to wyłącznie obrazy; referencje wideo i audio nie są przyjmowane.
Wybierz tryb według materiału początkowego
| Materiał początkowy | Tryb |
|---|---|
| napisana scena lub scenariusz | HappyHorse 1.1 Tekst na wideo |
| zatwierdzony obraz początkowy | HappyHorse 1.1 Obraz na wideo |
| od jednego do dziewięciu obrazów referencyjnych | HappyHorse 1.1 Referencje na wideo |
Najważniejsze funkcje
Dziewięć uporządkowanych miejsc
Przy maksymalnie dziewięciu obrazach jedno żądanie może ustalić postać, elementy kostiumu, pojazd, miejsce i rekwizyty. Przykład rider-jacket-bike-station trzema kadrami utrzymuje od dubla do dubla tego samego motocyklistę, rozpiętą kurtkę, motocykl i stację benzynową, w 3:4 i 720p, więc prompt musi tylko nazwać akcję i światło.
Twarz, rekwizyt i miejsce w jednym dublu
Przykład three-plate-corridor daje każdemu obrazowi inne zadanie: kobietę, wiśniowoczerwoną gitarę, którą niesie, i neonowy korytarz motelu. Prompt mówi, który obraz jest który, a potem prosi o jeden dubel z kamerą cofającą się przed postacią, w którym twarz, rekwizyt i miejsce muszą przetrwać razem.
Dziewięć formatów kadru także na tym endpoincie
aspect_ratio oferuje dziewięć wartości z domyślnym 16:9, w tym 1:1, 4:5 i 5:4. Przykład product-in-place jest kwadratowy w 1080p: słoik świecy z jednego obrazu stoi na marmurowej półce z drugiego, oświetlony zgodnie z okiennym światłem półki.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Nazywaj każdą referencję [Image 1], [Image 2] i tak dalej, w kolejności wgrania i z nawiasami kwadratowymi, powiedz, co wnosi, a potem opisz ujęcie, które mają dać. od 1 znaków · do 2500 znaków |
reference_image_urls | Tak | Wymagane, od jednego do dziewięciu obrazów w kolejności, w jakiej nazywa je prompt. Jedno zadanie na obraz. od 1 elementów · do 9 elementów |
aspect_ratio | Nie | Dziewięć wartości, domyślnie 16:9. Dostępne tutaj, ale nie w image-to-video. |
resolution | Nie | 720p albo 1080p. |
duration_seconds | Nie | Pełne sekundy, od 3 do 15. |
seed | Nie | Liczba całkowita od 0 do 2147483647 dla losowego startu; pominięta – każdy przebieg losuje własną. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.14 / sekundę |
| $0.18 / sekundę |
Zastosowania
Produkt w swoim otoczeniu
Wyślij produkt i miejsce jako osobne obrazy i opisz, jak się ze sobą łączą. W product-in-place kamera powoli najeżdża, gdy knot się zapala i unosi się smużka dymu, a ciepły blask płomienia dokłada drugie światło na marmur i len.
Ta sama obsada i garderoba w całej serii
Używaj tego samego zestawu referencji w każdym ujęciu, żeby wykonawca, kostium i pojazd nie zmieniały się między dublami, i zmieniaj tylko linijkę akcji w prompcie. Wysyłaj obrazy za każdym razem w tej samej kolejności, żeby odwołania po pozycji wciąż wskazywały właściwy obraz.
Praca z postacią bez cenzury lub stylizowana
Tak jak image-to-video, ta droga podąża za obrazami, które dostaje. Praca z postacią bez cenzury, którą text-to-video by odrzuciło, może więc zacząć się od zestawu referencji, w którym obsadę, garderobę i miejsce ustala każdorazowo osobny obraz.
Wskazówki
Odwołuj się do obrazów po pozycji
Powiedz, co wnosi każdy obraz, zanim opiszesz ujęcie. Opublikowane przykłady używają dwóch stylów pozycyjnych: „Use the woman from the first image exactly as she appears” oraz „Place the candle jar from [Image 1] into the empty centre of the marble shelf in [Image 2]”. Wysyłaj pliki w tej samej kolejności, w jakiej wymienia je prompt.
Jedno zadanie na obraz
Dziewięć miejsc to limit, nie cel. Kilka ujęć tej samej postaci zostaje uśrednionych, a nie uzgodnionych, więc daj każdemu obrazowi odrębne zadanie, na przykład tożsamość, element stroju, rekwizyt lub miejsce. Każdy obraz musi mieć krótszy bok co najmniej 400 px i rozmiar do 20 MB.
Przeznacz prompt na akcję i światło
Gdy referencje ustaliły tożsamość, prompt mówi, co postać robi, a nie jak wygląda: „he swings a leg over the tank and settles, the overhead light pressing down from directly above, moths in the beam”. Utrzymuj wskazówki świetlne w zgodzie z obrazem miejsca, tak jak product-in-place przejmuje kierunek i temperaturę barwową światła z półki.
Szybki start z 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/happyhorse-1.1/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
