HappyHorse 1.1 API

HappyHorse 1.1 Tekst na wideo to endpoint rodziny modeli HappyHorse 1.1 od Alibaby, który przyjmuje wyłącznie prompt: prompt o długości do 2500 znaków zwraca klip od 3 do 15 pełnych sekund w 720p lub 1080p z wygenerowaną ścieżką dźwiękową. Dostępnych jest dziewięć formatów kadru, od 21:9 do 9:21, w tym kadry 4:5 i 5:4 do feedów i druku. Ten endpoint sprawdza prompt, a brief przekraczający jego granicę treści zostaje od razu odrzucony, a nie złagodzony.

Wybierz tryb według materiału początkowego

Dziewięć formatów w jednym polu

aspect_ratio przyjmuje 16:9 (domyślnie), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 i 21:9. Zestaw materiałów w kilku formatach staje się pętlą po jednym parametrze zamiast rundy ponownego kadrowania w postprodukcji. Przykład rain-hood-convenience napisano pod 9:16 w 1080p – pionowy koniec tej listy – i poświęca słowa jednej ciągłej akcji oddalającej się od kamery.

Ścieżka dźwiękowa bez wyłącznika

Każdy klip wraca z wygenerowanym dźwiękiem i nie ma pola, które by go wyłączało. Opisz dźwięk, jakiego chcesz: brief desert-tailgate prosi o cykady i odległą autostradę, a w rain-hood-convenience deszcz bębniący o daszek przychodzi w tym samym przebiegu co obraz. Gdy klip trafia pod twój własny miks, wycisz lub podmień ścieżkę w montażu.

Szkic w 720p, oddanie w 1080p

Długość wynosi od 3 do 15 pełnych sekund, domyślnie 5, a domyślna rozdzielczość to 720p. Oba parametry wpływają na cenę. Szkicuj w 720p, a wybrany dubel powtórz w 1080p; każdy przebieg daje własny dubel, więc trzymaj treść bez zmian, zamiast oczekiwać tych samych klatek w wyższej rozdzielczości.

Pionowe klipy w stylu kamery telefonu

Przykład karaoke-room prosi wprost o wygląd urządzenia – rolling shutter, szum kamery telefonu, lekkie drżenie i mieszane światło neonów – w 9:16 i 720p. Dwie osoby dzielą pionowy kadr, śpiewają refren do jednego mikrofonu i ze śmiechem padają na siebie, a dźwięk pomieszczenia wraca razem z obrazem.

Nastrojowe sceny niesione przez światło

Ruchome światło potrafi utrzymać cały klip. W motel-blinds-boots bursztynowe światło latarni wpada przez żaluzje i pełznie po bohaterce, gdy zdejmuje obie kowbojki i opada plecami na pikowaną narzutę – łańcuch czynności mieści się w domyślnych pięciu sekundach w 720p. Pokój oświetla wyłącznie to, co opisuje prompt.

Ustalenie kadru i tempa przed tworzeniem klatek

Gdy ujęcie wymaga dokładnej postaci albo brief wykracza poza to, co ten endpoint przyjmuje, droga prowadzi przez klatkę początkową w image-to-video lub zestaw referencji w reference-to-video. text-to-video to miejsce, w którym kilka szybkich szkiców ustala kadr, światło i tempo, zanim przygotujesz te dane wejściowe.

# 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"

Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.