Introdução
P-Video 2 Pro Referência para vídeo monta um clipe de 5 a 15 segundos em 480p ou 768p a partir de referências que você envia: até 3 vídeos de referência (15 segundos no total) para movimento, câmera e ritmo, até 3 clipes de áudio para uma voz, diálogo ou música, e um quadro inicial e final opcionais. Cite os clipes no prompt como video 1, video 2 e audio 1, audio 2, na ordem do upload. Não há filtro de conteúdo.
Escolha um modo do P-Video 2 Pro pelo material inicial
| O que você tem no início | Modo |
|---|---|
| um roteiro ou cena escrita | P-Video 2 Pro Texto para vídeo |
| um quadro inicial, e opcionalmente um quadro final | P-Video 2 Pro Imagem para vídeo |
| um clipe para emprestar movimento, ou uma faixa de voz ou música | P-Video 2 Pro Referência para vídeo (você está aqui) |
Recursos e destaques
Empreste um movimento de câmera
Um vídeo de referência transmite o seu movimento e ritmo. Combine-o com um quadro inicial para colocar o seu próprio personagem nesse movimento.
Use o seu próprio áudio
Adicione uma fala ou um trecho de música como audio 1. Com keep_reference_audio ligado e exatamente um clipe de áudio, esse clipe vira a trilha sonora; desligado, o clipe guia o som e o modelo gera um áudio novo. Áudio também exige um quadro inicial ou um vídeo de referência.
Fixe o início e o fim
image_url e last_image_url também funcionam aqui, além dos clipes de referência.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Diga o que tirar de cada referência. Escreva video 1, video 2 para vídeos de referência e audio 1, audio 2 para clipes de áudio, numerados na ordem do upload. pelo menos 1 caracteres |
image_url | Não | Quadro inicial opcional: quem e onde o plano começa. Adiciona uma pequena cobrança. |
last_image_url | Não | Quadro final opcional em que o clipe termina. Adiciona uma pequena cobrança. |
reference_video_urls | Não | Até 3 vídeos, de 2 segundos ou mais cada e 15 segundos no total, para movimento, câmera e ritmo. Os segundos deles são cobrados, mais um segundo para arredondamento. pelo menos 1 itens · no máximo 3 itens |
reference_audio_urls | Não | Até 3 clipes de áudio, 15 segundos no total, para uma voz, diálogo ou música. Exige também um quadro inicial ou um vídeo de referência. pelo menos 1 itens · no máximo 3 itens |
aspect_ratio | Não | auto (padrão) se adapta às referências; ou escolha 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 ou 1:1. Não altera o preço. |
resolution | Não | 480p ou 768p (padrão 768p). 768p custa mais por segundo. |
generation_mode | Não | cost (mais barato, um pouco mais lento) ou speed (padrão, mais rápido com a mesma qualidade). |
keep_reference_audio | Não | Desligado por padrão. Ligado usa o seu clipe de áudio como trilha sonora no lugar de gerar um som novo; exige exatamente um clipe de áudio. Valor padrão: |
duration_seconds | Não | Segundos inteiros, de 5 a 15 (padrão 5). Define o preço. |
prompt_optimization_mode | Não | off (padrão) envia o seu prompt palavra por palavra; turbo e max deixam o serviço reescrevê-lo antes. Não altera o preço. |
seed | Não | Mantém as execuções comparáveis enquanto você muda o prompt. Não garante um clipe idêntico quadro a quadro. |
Preços
Cobrado por segundo de saída, na resolução e no modo de geração escolhidos, mais os segundos de qualquer vídeo de referência e mais um segundo extra para arredondamento, uma pequena cobrança por quadro inicial ou final, e uma taxa fixa quando você adiciona áudio de referência. Requisição com falha não é cobrada.
| Resolução | Generation mode: cost | Generation mode: speed |
|---|---|---|
| $0.018 / segundo | $0.024 / segundo |
| $0.03 / segundo | $0.042 / segundo |
Casos de uso
Refazer um plano com um novo sujeito
Envie um clipe cujo movimento de câmera você goste e um quadro inicial do seu personagem; o resultado segue o movimento com o seu sujeito.
Falas com lip sync
Dê um retrato como quadro inicial e um trecho curto de voz como audio 1, ative keep_reference_audio e escreva o que acontece no plano.
Clipes guiados por música
Um clipe de música como audio 1 define o clima e o ritmo do movimento.
Guia de prompt e dicas práticas
Diga para que serve cada referência
“Siga o movimento de câmera de video 1” ou “ela fala a linha de audio 1” diz ao modelo o que tirar de cada clipe.
Corte os vídeos de referência
Os segundos dos vídeos de referência são cobrados, então corte cada clipe na parte que você quer emprestar, com 2 segundos ou mais.
Os quadros definem o visual, os clipes definem o movimento
O quadro inicial define quem e onde; o vídeo de referência define como as coisas se movem. Deixe aspect_ratio em auto para seguir as referências.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "pruna-ai/p-video-2-pro/reference-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 5,
"generation_mode": "speed",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"prompt_optimization_mode": "off",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.



