Как превратить горизонтальный портрет в вертикальное ИИ-видео и сохранить действие

Чтобы превратить горизонтальный портрет в вертикальное ИИ-видео, сначала подготовьте пригодный для работы статичный кадр 9:16, затем анимируйте его. Видеомодель оживляет тот кадр, который вы ей передали; руки, удалённой при обрезке, в нём уже нет. Обрезайте, если человек целиком и жест уже помещаются в узкое окно; расширяйте, если не хватает фона; меняйте композицию, если сама поза слишком широкая.

Это руководство начинается со статичного кадра. Для уже снятого горизонтального видео у SpicyAPI нет задачи перекадрирования или расширения видеокадров. Следите за человеком с помощью обрезки с отслеживанием или ключевых кадров положения в редакторе; если важен весь кадр и допустимо меньшее изображение, добавьте поля. Расширение одного изображения не расширяет все кадры видео. Чтобы заново сделать клип вертикальным, извлеките из него чистый кадр, примените к нему способ 1, 2 или 3 и анимируйте снова; вы получите новый клип, а не исходное движение.

Посмотрите, сколько удаляет обрезка

Обрезка изображения 16:9 до 9:16 с сохранением всей высоты оставляет лишь 31,64 % исходной ширины. Для исходника 3840 × 2160 окно составляет 1215 × 2160; исходник 1920 × 1080 даёт 608 × 1080.

Расположение окна важнее размера экспорта. Если человек в тёмной куртке опирается рукой на стул, обрезка с центром на лице сохраняет лицо, но удаляет эту кисть. Сдвиг окна к стулу сохраняет кисть и отсекает другую сторону. Это проблема позы, а не разрешения.

Иллюстрация плана съёмки: обрезка с центром на лице теряет вытянутую руку; перенос действия ближе к туловищу позволяет вместить его в кадр.

Откройте оригинал в редакторе изображений, выберите пропорции обрезки 9:16 и перед применением переместите окно. В него должно поместиться всё действие: для поворота головы — голова, плечи и пространство в направлении взгляда; для поправления манжеты — оба локтя, поднятая и опущенная кисти. Если они не помещаются вместе, не обрезайте; выберите другой способ.

Способ 1: обрезать позу, расположенную по центру

Обрежьте изображение стоящего вымышленного взрослого, чьи руки остаются близко к телу. Приталенная куртка или длинное пальто уже, чем раскинутые руки или широкая сидячая поза. Обрезка лишь выбирает, какие существующие пиксели сохранить.

Для изображения 3840 × 2160:

1. Установите обрезку 1215 × 2160 пикселей с нулевым вертикальным смещением.
2. Сдвигайте её по горизонтали, пока не поместятся человек и траектория движения рук. Центрированная обрезка начинается примерно в 1312 пикселях от левого края.
3. Примените обрезку и сохраните файл. Задача H3 принимает стороны от 256 до 5760 px при соотношении от 2:5 до 5:2, поэтому менять размер сохранённого файла не требуется; размер результата определяет настройка разрешения самого видео.
4. Проверьте волосы, запястья и ступни в сохранённом файле.

Исходник 1920 × 1080 оставляет меньше места. Окна 608 × 1080 достаточно для первого кадра при 768p, но увеличение до 1080 × 1920 растягивает каждый пиксель в 1,78 раза и не добавляет деталей.

Окно может быть смещено от центра. Если человек будет поворачиваться вправо, оставьте больше места справа, вместо того чтобы центрировать лицо и отрезать локоть.

Способ 2: расширить фон вокруг подходящей позы

Расширение сохраняет всю картинку и дорисовывает окружение. Выбирайте его, когда тело и поза уже подходят, но не хватает места над головой или пола. Оно не может восстановить руку, которой исходник никогда не показывал: инструменту приходится придумывать анатомию.

Сначала проверьте геометрию. Image Expander помещает весь исходник в высокий кадр без обрезки и растягивания, поэтому изображение 16:9 заполняет лишь около 32 % высоты 9:16, а остальные 68 % модель создаёт заново. Поза сохраняется как отправная точка, но модель перерисовывает изображение, поэтому сравните лицо, руки и одежду с исходником. Человек также получается маленьким в преимущественно придуманном кадре. Результат возвращается в 864 × 1536, поэтому большой оригинал уменьшается. Если действие помещается в окно 4:5, сначала обрежьте до 4:5, затем расширьте: исходник заполнит около 70 % высоты, а дорисованная область будет намного меньше.

Загрузите исходник, выберите 9:16 и PNG. В задаче нет промпта, маски или управления размещением, поэтому проверьте положение человека в результате. Пример террасы 1280 × 720 на странице модели показывает этот случай: нижняя часть тела, рука и платье нарисованы заново.

Исходник, 1280 × 720: поясной портрет на террасе с кремовым нарядом с поясом, каменными перилами, лимонными деревьями и морем.

Image Expander, 864 × 1536: нижняя часть тела, юбка, рука и плиточный пол нарисованы заново, сверху добавлено небо. Сцена похожа на исходник, но сохранённая область тоже перерисована.

Попробуйте в Playground. Откройте страницу Image Expander и оставайтесь на вкладке Playground, в режиме Form; войдите в аккаунт для запуска.

1. В Input image добавьте горизонтальный файл (JPG, PNG или WebP, до 10 MB).
2. Установите Aspect ratio в 9:16 и оставьте Output format в PNG.
3. Прочитайте оценку цены и нажмите Run model. Посмотрите результат, прежде чем отправлять его в видео.

Чтобы автоматизировать конфигурацию, которая работает в Playground, запустите её через Python SDK:

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY
task = client.create_task(
    model="spicyapi/image-expander-v1/edit",
    input_data={
        "image_url": "https://YOUR-ASSET-HOST/landscape-adult-portrait.png",
        "aspect_ratio": "9:16",
        "output_format": "png",
    },
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)
final = client.wait_for_terminal(task["taskId"])
print(output_assets(final)[0]["url"])

Поля и результаты задач описаны в документации задач.

Или поручите запуск Agent. Сохраните объект input как input.json; CLI показывает цену и запрашивает подтверждение перед платным вызовом: spicyapi tasks create --model spicyapi/image-expander-v1/edit --input-file input.json --wait (документация CLI). Сервер MCP предоставляет тот же вызов как spicyapi_task_create, а npx skills add spicyapi-ai/spicy-skill устанавливает Agent Skill. Для более подробного планирования размещения и пропорций см. руководство по расширению изображений.

Иллюстрация принципа: растягивание искажает человека, расширение добавляет площадь сцены. Настоящий исходник 16:9 заполняет лишь около трети высоты, как в паре выше.

Сравните сохранённые лицо и тело с исходником, затем проверьте новый пол, мебель и линии стен. Если персонаж изменился, правильные пропорции сами по себе не делают кадр пригодным. Для портретов, ориентированных на взрослых, используйте обрезку или способ 3: Qwen Image 2.1 edit и Z-Image работают без фильтра контента.

Способ 3: перестроить композицию для вертикального кадра

Меняйте композицию, когда человек занимает всю ширину: руки раскинуты, ноги вытянуты в стороны, рядом стоит стул. Сдвиг обрезки не исправит эти взаимные положения.

Чтобы сохранить того же человека, используйте Qwen Image 2.1 edit. Он принимает горизонтальный исходник и строит кадр в 9:16, вместо последующей обрезки, за 0,036 $ при 1k. Например:

Recompose the supplied photo as a vertical 9:16 full-length portrait of the same person. Keep the face, hair, navy jacket and trousers unchanged. Both arms rest close to the torso with both hands visible beside the hips. Entire head and both shoes inside the frame, clear floor below the shoes and space above the hair. Plain studio background, natural soft light, realistic proportions, no text or logos.

Установите Aspect ratio в 9:16, Resolution в 1k и выключите Prompt expansion, чтобы модель не переписывала это точное задание. Замените тёмно-синюю куртку и брюки реальной одеждой и перед анимацией сравните лицо с исходником.

Если подходит новый персонаж, Z-Image сразу генерирует 9:16 за 0,010 $ за изображение с выключенным расширением промпта:

Full-length editorial photograph of one fictional adult wearing a navy jacket, straight dark trousers and black shoes, standing in a simple studio. Vertical 9:16 composition. Both arms rest close to the torso, both hands visible beside the hips. Entire head and both shoes inside the frame, with clear floor below the shoes and space above the hair. The person stands slightly left of center, leaving room on the right for a small head turn. Plain warm gray background, natural soft light, realistic proportions, no text or logos.

Используйте Aspect ratio 9:16 с выключенным Prompt expansion. Для поправления манжеты в поясном кадре замените "full-length" и инструкции об обуви на "waist-up, both elbows and the complete hand movement area visible." Не просите одновременно кадр в полный рост и крупный план.

Иллюстрация плана съёмки: проверьте, что голова, руки и обувь помещаются в предлагаемый кадр. Направляющая показывает размещение, а не точные размеры экспорта.

В кадре в полный рост оставьте пространство под обувью: небольшое изменение стойки сдвигает самую нижнюю точку. В поясном кадре выделите этот запас рукам.

Превратите подготовленный статичный кадр в короткий клип

Откройте H3 image to video, загрузите готовый вертикальный кадр, установите 5 секунд. Разрешение по умолчанию — 768p, так что клип стоит 0,185 $ (480p больше не предлагается). У H3 нет поля соотношения сторон: клип принимает форму первого кадра, поэтому горизонтальное изображение даёт горизонтальное видео. Он работает без фильтра контента и создаёт звук вместе с изображением.

One continuous five-second shot beginning from the supplied vertical image. The same fictional adult slowly turns their head a little toward the open space on the right, then holds. Their body stays in place and both hands remain beside the hips. Keep the whole head and both shoes in frame. Locked camera, unchanged framing, no zoom, pan, cut or walking.

Запустить этот промпт в H3 image to video →

Для кадра с манжетой попросите небольшое поправление манжеты и сохраните оба локтя в кадре. Избегайте ходьбы к камере: она меняет размер человека и расходует только что созданные поля для головы и ступней.

Общая стоимость одной попытки при 768p: 0,185 $ после бесплатной обрезки, 0,209 $ после расширения, 0,221 $ после перестройки композиции с Qwen, 0,195 $ после изображения Z-Image.

Если горизонтальная фотография должна лишь определить, кто этот человек, пропустите подготовку статичного кадра: H3 reference to video принимает от одного до девяти референсных изображений и соотношение 9:16, поэтому видео создаётся вертикальным. Пятисекундный клип 768p с одним референсом оценивается в 0,1918 $. Горизонтальная фотография тогда служит референсом, а не точным первым кадром; используйте путь со статичным изображением, если композиция должна совпадать.

Исправляйте сбой на этапе, который его вызвал

Просмотрите результат в целевом приложении с его настоящими наложениями: заголовок сверху и кнопки внизу оставляют меньше полезной площади, чем чистый холст 9:16.

Иллюстрация макета: один и тот же портрет скрывает или показывает поправление манжеты в зависимости от положения подписи.

Обрезайте, если действие помещается, расширяйте, если не хватает только фона, меняйте композицию, если поза слишком широкая; затем анимируйте одно небольшое действие.