HappyHorse 1.1 API

HappyHorse 1.1 Texto para vídeo é o endpoint só de prompt da família de modelos HappyHorse 1.1, da Alibaba: um prompt de até 2.500 caracteres devolve um clipe de 3 a 15 segundos inteiros em 720p ou 1080p, com trilha sonora gerada. Há nove proporções de tela, de 21:9 a 9:21, incluindo os recortes 4:5 e 5:4 de feed e impressão. Este endpoint avalia o prompt, e um briefing que passa do limite de conteúdo é recusado de cara em vez de suavizado.

Escolha o modo pelo material inicial

Nove proporções em um único campo

aspect_ratio aceita 16:9 (padrão), 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 e 21:9. Um conjunto de entregas em vários formatos vira um loop sobre um parâmetro em vez de uma rodada de reenquadramento na pós-produção. O exemplo rain-hood-convenience foi escrito para 9:16 em 1080p, a ponta vertical dessa lista, e usa as palavras em uma única ação contínua se afastando da câmera.

Uma trilha sonora sem botão de desligar

Todo clipe volta com áudio gerado, e não existe campo para desligá-lo. Descreva o som que você quer: o briefing de desert-tailgate pede cigarras e uma rodovia ao longe, e em rain-hood-convenience a chuva batendo no toldo chega na mesma passada que a imagem. Quando o clipe for para baixo da sua própria mixagem, silencie ou troque a faixa na edição.

Rascunho em 720p, entrega em 1080p

A duração vai de 3 a 15 segundos inteiros, com 5 como padrão, e a resolução padrão é 720p. As duas influenciam o preço. Rascunhe em 720p e rode de novo em 1080p o take escolhido; cada passada gera o próprio take, então mantenha o texto fixo em vez de esperar os mesmos quadros em resolução maior.

Clipes verticais com cara de celular

O exemplo karaoke-room pede pelo nome um visual de aparelho (rolling shutter, ruído de câmera de celular, leve tremida e luz neon misturada) em 9:16 e 720p. Duas pessoas dividem um quadro vertical, cantam um refrão em um microfone só e desabam uma sobre a outra rindo, e o som do ambiente volta junto com a imagem.

Peças de clima sustentadas pela luz

Luz em movimento consegue segurar um clipe inteiro. Em motel-blinds-boots, a luz âmbar da rua entra pelas persianas e percorre a personagem enquanto ela tira as duas botas e cai de costas sobre uma colcha, uma cadeia de ações contida nos cinco segundos padrão em 720p. Nada ilumina o quarto além do que o prompt descreve.

Definir enquadramento e ritmo antes de criar quadros

Quando um plano precisa de um assunto exato, ou o briefing vai além do que este endpoint aceita, o caminho passa por um quadro inicial no image-to-video ou por um conjunto de referências no reference-to-video. O text-to-video é o lugar para resolver enquadramento, luz e ritmo em alguns rascunhos rápidos antes de preparar essas entradas.

# 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"

Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.