Wprowadzenie
PixVerse V6 Max Tekst na wideo zamienia napisaną scenę w klip od 1 do 15 sekund w rozdzielczości 360p, 540p, 720p lub 1080p, w ośmiu proporcjach od 9:16 do 21:9. V6 Max to wyższy poziom jakości PixVerse V6, uruchomiony 2026-10-20. Dźwięk jest opcjonalny: włącz generate_audio, a model wygeneruje atmosferę, efekty, muzykę i dialogi wpisane w cudzysłowie razem z obrazem. W naszych testach klip 5-sekundowy w 540p zajął około półtorej minuty czasu pracy modelu.
V6 Max startuje wyłącznie od tekstu lub jednego obrazu: nie ma ostatniej klatki, trybu referencji, przedłużania ani przełącznika wielu ujęć. Te są w PixVerse V6.
Wybierz tryb PixVerse V6 Max według materiału wyjściowego
| Co masz na starcie | Tryb |
|---|---|
| napisaną scenę | PixVerse V6 Max Tekst na wideo (tutaj jesteś) |
| jeden obraz na start | PixVerse V6 Max Obraz na wideo |
| pierwszą i ostatnią klatkę, obrazy referencyjne, klip do kontynuacji lub przełącznik wielu ujęć | PixVerse V6 |
| jedno zdjęcie i gotowy szablon efektu | PixVerse V6 Effects |
Najważniejsze funkcje
Do 1080p i 15 sekund
resolution obejmuje zakres od 360p do 1080p (domyślnie 720p), a duration_seconds przyjmuje dowolną liczbę całkowitą od 1 do 15. Rozliczanie jest za sekundę wyniku, więc długość decyduje o sumie, a wyższe rozdzielczości kosztują więcej za sekundę.
Osiem proporcji
16:9 (domyślnie), 4:3, 1:1, 3:4, 9:16, 2:3, 3:2 i 21:9. Proporcje nie zmieniają ceny. Nasz klip ze skrzypkiem zamówiliśmy w 9:16, a wrócił jako 576x1024 w 540p.
Dźwięk wpisany w prompt
generate_audio jest domyślnie wyłączony. Po włączeniu model generuje atmosferę, efekty, muzykę i dialogi wpisane w cudzysłowie razem z obrazem. W naszym przebiegu ze skrzypkiem, z włączonym dźwiękiem, muzyka skrzypiec była słyszalna w ścieżce dźwiękowej. Dźwięk kosztuje więcej za sekundę.
Weryfikacja treści
PixVerse stosuje własną weryfikację treści, a to, jak daleko żądanie na jej granicy może pójść, bywa różne w zależności od żądania. Żądania, które odrzuci, kończą się błędem i nie są obciążane.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagany, od 1 do 5000 znaków. Opisz podmiot, akcję, kamerę i światło; dialogi umieść w cudzysłowie, a dźwięk w osobnej linii Sound:. od 1 znaków · do 5000 znaków |
aspect_ratio | Nie | 16:9 (domyślnie), 4:3, 1:1, 3:4, 9:16, 2:3, 3:2 lub 21:9. Nie zmienia ceny. |
resolution | Nie | 360p, 540p, 720p (domyślnie) lub 1080p. Wyższe rozdzielczości kosztują więcej za sekundę. |
duration_seconds | Nie | Pełne sekundy od 1 do 15 (domyślnie 5). Cena jest za sekundę, więc długość decyduje o sumie. |
generate_audio | Nie | Domyślnie wyłączony. Włączony generuje dźwięk razem z obrazem: atmosferę, efekty, muzykę i dialogi wpisane w cudzysłowie. Domyślnie: |
seed | Nie | Opcjonalna liczba całkowita. Przydatna do porównywania jednej zmiany naraz; nie gwarantuje identycznych klatek. |
Cennik
Rozliczane za sekundę wyniku. Rozdzielczość i przełącznik generate_audio zmieniają cenę za sekundę; proporcje i seed nie. Nieudane lub odrzucone żądania nie są obciążane.
| Rozdzielczość | Generuj dźwięk: Nie | Generuj dźwięk: Tak |
|---|---|---|
| $0.0266 / sekundę | $0.04 / sekundę |
| $0.04 / sekundę | $0.0488 / sekundę |
| $0.0488 / sekundę | $0.0666 / sekundę |
| $0.0977 / sekundę | $0.1244 / sekundę |
Zastosowania
Nocne ulice i place z atmosferą
Opisz miejsce, jedną akcję i to, co słychać. Przykład zaśnieżonego rynku pokazuje ulicznego skrzypka pod oświetlonym kamiennym łukiem, z widzami i skrzypcami na ścieżce dźwiękowej.
Pionowe klipy do social media
Wybierz 9:16 i opisz podmiot pasujący do wysokiego kadru. Klip ze skrzypkiem wyszedł jako pionowy 576x1024.
Sprawdzanie ujęcia względem PixVerse V6
Uruchom ten sam prompt i seed na PixVerse V6 i na V6 Max, a potem porównaj klatki dla własnej sceny. PixVerse opisuje V6 Max jako wyższy poziom jakości; twoje ujęcie najlepiej pokaże, co to znaczy dla ciebie.
Wskazówki
Pisz w kolejności zdarzeń
Podmiot i miejsce, akcja, ruch kamery, światło, a potem osobna linia Sound:. Prompty mogą mieć od 1 do 5000 znaków, ale jedna wyraźna scena czyta się lepiej niż długa lista.
Umieszczaj dialogi w cudzysłowie
Przy włączonym generate_audio wypowiedziana kwestia zapisana w cudzysłowie zostanie wygenerowana jako dialog. Zostaw jedną krótką kwestię na klip.
Trzymaj się jednej sceny
V6 Max nie ma przełącznika wielu ujęć, więc opisz jeden ciągły moment. Jeśli chcesz, by model pociął klip na kilka ujęć, użyj shot_type w PixVerse V6.
Szkicuj nisko, kończ w 1080p
Znajdź kadr i akcję w 540p lub 720p, a potem wyrenderuj prompt, który ci się podoba, w 1080p. Cena za sekundę rośnie wraz z rozdzielczością.
Użyj seeda, by porównywać jedną zmianę naraz
Trzymaj seed stały, gdy zmieniasz jedną rzecz w prompcie. Jest przydatny do porównań; nie gwarantuje identycznych klatek.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "pixverse/v6-max/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
