Introdução
PixVerse V6 Max Texto para vídeo transforma uma cena escrita num clipe de 1 a 15 segundos em 360p, 540p, 720p ou 1080p, em oito proporções, de 9:16 a 21:9. O V6 Max é a faixa de qualidade superior do PixVerse V6, lançada em 20 de outubro de 2026. O som é opcional: ligue generate_audio e o modelo gera ambiente, efeitos, música e qualquer diálogo que você escrever entre aspas, junto com a imagem. Nos nossos testes, um clipe de 5 segundos em 540p levou cerca de um minuto e meio de geração.
O V6 Max parte de texto ou de uma única imagem, e de mais nada: não há último quadro, modo de referência, extensão nem opção de multiplanos. Esses recursos ficam no PixVerse V6.
Escolha um modo do PixVerse V6 Max pelo material inicial
| O que você tem no início | Modo |
|---|---|
| uma cena escrita | PixVerse V6 Max Texto para vídeo (você está aqui) |
| uma imagem para partir | PixVerse V6 Max Imagem para vídeo |
| um primeiro e um último quadro, imagens de referência, um clipe para continuar ou a opção de multiplanos | PixVerse V6 |
| uma foto e um template de efeito pronto | PixVerse V6 Effects |
Recursos e destaques
Até 1080p e 15 segundos
resolution vai de 360p a 1080p (720p por padrão), e duration_seconds aceita qualquer número inteiro de 1 a 15. A cobrança é por segundo de saída, então a duração define o total, e resoluções maiores custam mais por segundo.
Oito proporções
16:9 (padrão), 4:3, 1:1, 3:4, 9:16, 2:3, 3:2 e 21:9. A proporção não muda o preço. Nosso clipe do violinista foi pedido em 9:16 e voltou em 576x1024 e 540p.
Som escrito no prompt
generate_audio vem desligado por padrão. Ligado, o modelo gera ambiente, efeitos, música e os diálogos que você escreve entre aspas, junto com a imagem. No nosso teste do violinista, com o som ligado, a música de violino se ouvia na trilha. O som custa mais por segundo.
Revisão de conteúdo
A PixVerse aplica a sua própria revisão de conteúdo, e até onde uma requisição no limite dessa revisão vai pode variar de uma requisição para outra. As requisições que ela recusa falham e não são cobradas.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório, de 1 a 5.000 caracteres. Descreva o sujeito, a ação, a câmera e a luz; coloque as falas entre aspas e o som numa linha Sound: própria. pelo menos 1 caracteres · no máximo 5000 caracteres |
aspect_ratio | Não | 16:9 (padrão), 4:3, 1:1, 3:4, 9:16, 2:3, 3:2 ou 21:9. Não altera o preço. |
resolution | Não | 360p, 540p, 720p (padrão) ou 1080p. Resoluções maiores custam mais por segundo. |
duration_seconds | Não | Segundos inteiros, de 1 a 15 (padrão 5). O preço é por segundo, então a duração define o total. |
generate_audio | Não | Desligado por padrão. Ligado, gera som junto com a imagem: ambiente, efeitos, música e diálogos escritos entre aspas. Valor padrão: |
seed | Não | Número inteiro opcional. Útil para comparar uma mudança por vez; não garante quadros idênticos. |
Preços
Cobrado por segundo de saída. A resolução e a opção generate_audio mudam o preço por segundo; proporção e seed não mudam. Requisições com falha ou recusadas não são cobradas.
| Resolução | Gerar áudio: Não | Gerar áudio: Sim |
|---|---|---|
| $0.0266 / segundo | $0.04 / segundo |
| $0.04 / segundo | $0.0488 / segundo |
| $0.0488 / segundo | $0.0666 / segundo |
| $0.0977 / segundo | $0.1244 / segundo |
Casos de uso
Ruas e praças noturnas com ambiente
Descreva o lugar, uma ação e o que se ouve. O exemplo da praça nevada mostra um violinista de rua sob um arco de pedra iluminado, com uma multidão olhando e o violino na trilha.
Verticais para redes sociais
Escolha 9:16 e descreva um sujeito que caiba num quadro alto. O clipe do violinista voltou como um clipe vertical de 576x1024.
Comparar um plano com o PixVerse V6
Rode o mesmo prompt e o mesmo seed no PixVerse V6 e no V6 Max, depois compare os quadros da sua própria cena. A PixVerse posiciona o V6 Max como a faixa de qualidade superior; o seu próprio plano é o melhor teste do que isso significa para você.
Guia de prompt e dicas práticas
Escreva na ordem em que acontece
Sujeito e cenário, ação, movimento de câmera, luz e, em seguida, uma linha Sound: separada. Os prompts podem ter de 1 a 5.000 caracteres, mas uma cena clara lê melhor do que uma lista longa.
Coloque o diálogo entre aspas
Com generate_audio ligado, uma fala escrita entre aspas é gerada como diálogo. Mantenha uma linha curta por clipe.
Fique com uma cena só
O V6 Max não tem a opção de multiplanos, então descreva um único momento contínuo. Se quiser que o modelo corte o clipe em vários planos, use shot_type no PixVerse V6.
Rascunhe em baixa, finalize em 1080p
Encontre o enquadramento e a ação em 540p ou 720p, depois gere de novo em 1080p o prompt que você gostou. O preço por segundo sobe com a resolução.
Use um seed para comparar uma mudança por vez
Mantenha o seed fixo enquanto muda uma única coisa no prompt. Ele é útil para comparações; não garante quadros idênticos.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "pixverse/v6-max/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
