alibaba/happyhorse-1.1/reference-to-videoO reference-to-video HappyHorse 1.1 conduz uma tomada a partir de uma a nove imagens de referência ordenadas, mantendo estáveis elenco, figurino ou locação. Os clipes têm 3 a 15 segundos em 720p ou 1080p, em nove proporções, com som gerado.
A filtragem muda de um endpoint para outro: Imagem para vídeo — Sem censura, Referência para vídeo — Sem censura, Texto para vídeo — Com filtro.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- Saída5 s
opera-box-emerald-velvet-smile [Image 1] é a pessoa: uma mulher ruiva com um vestido de veludo verde-esmeralda de ombros de fora segurando um lornhão dourado, fotografada contra um fundo escuro. [Image 2] é o lugar: um camarote art nouveau vazio com balaustrada dourada, de frente para uma plateia dourada lotada sob um lustre de cristal. O clipe coloca a mulher da [Image 1], com o mesmo vestido, na balaustrada do camarote da [Image 2] com o lornhão diante dos olhos; ela o abaixa, vira a cabeça para a câmera com um sorriso lento e cúmplice e leva a ponta de um dedo em direção à clavícula enquanto a câmera se aproxima. `aspect_ratio` é `16:9`, `duration_seconds` é `5` em `720p`.
- 720p
- 16:9
- 5s
- Saída5 s
product-in-place [Image 1] é o pote de vela e [Image 2] a prateleira de mármore. Como cada um é citado pela própria marcação, o pote vai para essa prateleira, com a luz da janela dela, em vez de misturar as duas fotos.
- 1080p
- 1:1
- 5s
- Saída5 s
rider-jacket-bike-station Quatro coisas precisam ficar idênticas de tomada em tomada: o motociclista, a jaqueta, a máquina e o posto de gasolina. `reference_image_urls` carrega até nove imagens numa única requisição, e é isso que permite fixar um figurino e um veículo em vez de descrevê-los e torcer. Aqui a primeira imagem já reúne o motociclista, a moto e o posto, e a segunda, uma jaqueta de couro; a terceira, uma mulher numa rua de neon, não tem nada a ver com esta cena e não aparece no clipe. O prompt então só precisa nomear a ação e a luz: ele diz o que o motociclista faz, não como ele é.
- 720p
- 3:4
- 5s
- Saída5 s
three-plate-corridor Três referências com três funções diferentes — a pessoa, a guitarra que ela carrega e o corredor por onde caminha — resolvidas em um único travelling para trás. É esse o teste real deste endpoint: rosto, objeto e locação precisam sobreviver à mesma tomada, e o prompt diz qual referência cuida de quê.
- 720p
- 16:9
- 5s
Este exemplo começa em $0.14 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.