Kurzvideos mit der happyhorse-1.1 Text-zu-Video-API erstellen: ein End-to-End-Workflow

Kurzvideos sind ein Spiel der Menge. TikTok, Reels und Shorts belohnen Accounts, die täglich veröffentlichen, und der größte Engpass in der Produktion ist meist das B-Roll-Material: jene 3–8-Sekunden-Hochkant-Clips, die den Hook, das Produkt-Highlight oder die befriedigende Schleife tragen. HappyHorse 1.1 Text-zu-Video eignet sich für dieses Szenario besonders gut, weil es in einem einzigen Aufruf natives Audio erzeugt – kein separates Sound-Design oder Foley nötig – und die 9:16-Hochkant-Ausgabe direkt unterstützt, sodass in der Postproduktion nicht beschnitten werden muss.

Dieser Leitfaden ist ein End-to-End-Workflow: Prompt-Muster, die auf Kurzvideos abgestimmt sind, der asynchrone Task-Lebenszyklus, ein Batch-Produktionsskript, das eine Woche an Videos in einem Durchlauf rendert, sowie Kostenberechnungen für die einzelnen Plattformen. Jeder unten eingebettete Clip wurde mit genau der daneben gezeigten Anfrage generiert – Audio an, direkt aus der API.

Voraussetzungen. Du brauchst einen hiapi-Key (Authorization: Bearer sk-…). Wenn du zuvor noch nie /v1/tasks aufgerufen hast, schau dir zuerst die Dokumentation Asynchrone API erstellen an oder das happyhorse-1.1 curl + Python Tutorial – dieser Artikel baut darauf auf und konzentriert sich auf den Kurzvideo-Workflow.

Warum dieses Modell für Kurzvideos geeignet ist

Drei Eigenschaften sind für dieses Format wichtig:

• Natives Audio. Ambiente, Foley und einmalige Soundeffekte werden zusammen mit dem Video generiert. Bei „seltsam befriedigenden“ und B-Roll-Inhalten ist der Sound der Inhalt – Clips mit echtem Audio schlagen deutlich stumme KI-Clips, die Creator mit Stock-Musik auffüllen.
• 9:16 als Erstklassigkeit. aspect_ratio akzeptiert 9:16 (sowie 16:9, 1:1, 4:5, 21:9, 9:21 usw.), sodass du nativ im Hochformat rendern kannst, statt ein Querformat-Master zu beschneiden und dabei die Komposition zu verlieren.
• Bereich von 3–15 Sekunden. duration akzeptiert jede ganze Zahl von 3 bis 15 – genau das Spektrum für Kurzvideos. Der Hook dauert 3 Sekunden, ein Produkt-Highlight 4–6 Sekunden, eine vollständige Mikrogeschichte passt in 12–15 Sekunden.

Das Eingabeschema ist bewusst klein gehalten. Nur prompt ist erforderlich; die nützlichen Parameter sind:

Feld	Werte	Standard für Kurzvideos
prompt	String (erforderlich)	siehe Muster unten
aspect_ratio	16:9, 9:16, 3:4, 4:3, 4:5, 5:4, 1:1, 9:21, 21:9	9:16
resolution	720p, 1080p	720p für Entwürfe, 1080p für Hauptbeiträge
duration	Ganzzahl 3–15 (Sekunden)	3–5

Zwei Dinge akzeptiert es nicht, damit du keine Anfrage verschwendest, um das herauszufinden: keinen audio-Schalter (Audio ist immer an) und keinen seed. Wenn du eines davon sendest, wird ein 400-Validierungsfehler zurückgegeben.

Drei echte Clips, drei Arten von Kurzvideos

Dies sind die drei Formate, die den Kurzvideo-Feed dominieren, jeweils in einem einzigen API-Aufruf generiert. Die Prompts folgen einem wiederholbaren Muster, das du anpassen kannst: Format-Tag → Subjekt und Aktion → Komposition → Licht → Audio-Hinweis.

1. Lifestyle-B-Roll (Café-Klassiker)

{
  "model": "happyhorse-1.1/text-to-video",
  "input": {
    "prompt": "Hochformat-Kurzvideo-Test: Ein Barista gießt Latte Art in einem hellen Café, handytastische Hochformat-Komposition, natürliches Audio von aufschäumender Milch und Café-Gesprächen.",
    "duration": 4,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

Achte auf den Audio-Hinweis am Ende des Prompts („aufschäumende Milch und Café-Gespräche“). Ausdrücklich zu sagen, welche Geräusche du willst, ist der wirkungsvollste Trick bei diesem Modell – ohne Prompt generiert es zwar trotzdem Audio, aber durch die Beschreibung bekommst du eine brauchbare Ambiente-Spur.

2. Produkt-Launch-Teaser

{
  "model": "happyhorse-1.1/text-to-video",
  "input": {
    "prompt": "Produkt-Launch-Teaser, Hochformat 9:16: Ein chunky Retro-Sneaker in Creme und verbranntem Orange dreht sich langsam auf einem mattschwarzen Drehteller, hartes Kantenlicht zeichnet seine Silhouette nach, feine Staubpartikel schweben im Lichtstrahl, dunkler Studiohintergrund, großzügiger Freiraum oben für Titel-Overlays. Kräftig, filmisch. Natives Audio: ein tiefes Bass-Brummen und ein sanftes Rauschen, als der Schuh seine Drehung beendet.",
    "duration": 3,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

Hier gibt es zwei kurzvideospezifische Tricks. Erstens: „großzügiger Freiraum oben für Titel-Overlays“ – du wirst im Editor Text über diesen Clip legen, also bitte das Modell um Negativraum, statt dass deine Untertitel um das Bild kämpfen. Zweitens ist das Audio gestaltet, kein Ambiente: ein Bass-Brummen plus ein Rauschen, das mit dem Beat der Bewegung synchronisiert ist – genau das, was Produkt-Teaser verwenden.

3. Seltsam befriedigende Makro-Schleife

{
  "model": "happyhorse-1.1/text-to-video",
  "input": {
    "prompt": "Seltsam befriedigendes Makro, Hochformat 9:16: Ein scharfes Palettenmesser schneidet sauber durch einen Block hellminzgrünen Kinetic Sand auf einem weißen Tisch, die Schnittfläche zerbröselt in Zeitlupe, Körner rieseln herab, weiches gleichmäßiges Studiolicht, extreme Nahaufnahme füllt das Bild. Natives Audio: trockenes körniges Knirschen beim Schneiden, keine Musik.",
    "duration": 3,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

„keine Musik“ ist wichtig: Bei ASMR-artigem Inhalt sollte das Modell sein Audio-Budget für Foley (körniges Knirschen) ausgeben; die ausdrückliche Angabe verhindert, dass es eine generische Untermalung hinzufügt.

Prompt-Muster für Kurzvideos

Abgeleitet aus den obigen Clips und den dahinterstehenden Läufen:

1. Beginne mit dem Format. Beginne mit „Hochformat-Kurzvideo“, „Produkt-Launch-Teaser, Hochformat 9:16“, „seltsam befriedigendes Makro“. Das Modell komponiert für das von dir angegebene Bildformat – handytastische Komposition sieht anders aus als eine Breitwand-Filmaufnahme.
2. Ein Subjekt, eine Aktion. 3–5 Sekunden sind ein Beat. „Barista gießt Latte Art“ funktioniert; eine Geschichte in drei Akten in 4 Sekunden zu erzählen, liefert nur einen Brei. Wenn du mehrere Beats brauchst, generiere mehrere Clips und schneide sie zusammen – so werden auch echte Kurzvideos geschnitten.
3. Schreibe das Audio in einem Satz. Beende jeden Prompt mit Natives Audio: <1–3 Geräusche, die du willst>. Ambiente-Grundgeräusch („Café-Gespräche“), Foley („trockenes körniges Knirschen“) oder gestaltete einmalige Soundeffekte („tiefes Bass-Brummen und ein sanftes Rauschen“) funktionieren alle.
4. Reserviere Overlay-Platz. Wenn der Clip Untertitel oder Titel tragen soll, verlange „Freiraum oben“ oder „sauberer Negativraum im oberen Drittel“. Das ist günstiger als eine Neukomposition in der Post.
5. Ende in einem schleifenfähigen Zustand. Feeds spielen automatisch in Schleife. Prompts, die dort enden, wo sie begannen („der Schuh beendet seine Drehung“), schleifen sauber und sammeln still Wiederholungsaufrufe.

Asynchroner Workflow: einreichen, abfragen, herunterladen

Jede Generierung ist ein asynchroner Task: POST /v1/tasks gibt sofort eine taskId zurück, du fragst GET /v1/tasks/:id ab, bis status den Wert success hat, und lädst dann output[0].url herunter. Ein 4-Sekunden-720p-Clip rendert normalerweise in etwa 1–3 Minuten.

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "happyhorse-1.1/text-to-video",
    "input": {
      "prompt": "Hochformat-Kurzvideo-Test: Ein Barista gießt Latte Art in einem hellen Café, handytastische Hochformat-Komposition, natürliches Audio von aufschäumender Milch und Café-Gesprächen.",
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'
# → {"code":200,"data":{"taskId":"tk-hiapi-…"},"message":"success"}

Eine Betriebsregel, bei der man sich die Finger verbrennt: Ausgabe-URLs laufen ab. Die output[0].url in der Antwort hat ein expireAt – lade das mp4 sofort nach erfolgreichem Abschluss des Tasks herunter und lege es in deinem eigenen Speicher ab. Schreibe keine Hotlink-URLs in CMS oder Planungstools.

Batch-Produktion: eine Woche an Clips in einem Durchlauf

Die Task-API glänzt, wenn du parallel einreichst. Weil die Erstellung sofort zurückkehrt, ist das richtige Skalierungsmuster erst alle Tasks einreichen, dann alle abfragen – fünf Clips rendern in ungefähr der realen Zeit eines Clips.

import os, time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"}

BATCH = [
    ("mon-coffee",  "Hochformat-Kurzvideo: Pour-over-Kaffee blüht in Zeitlupe auf, Dampf kräuselt sich, warmes Morgenlicht. Natives Audio: Wasserstrahl, sanftes Café-Ambiente.", 4),
    ("tue-sneaker", "Produkt-Launch-Teaser, Hochformat 9:16: Ein Neon-Sneaker spritzt in flaches Wasser, Wassertropfen gefrieren in der Luft, dunkler Hintergrund. Natives Audio: ein tiefes Platschen.", 3),
    ("wed-sand",    "Seltsam befriedigendes Makro, Hochformat 9:16: Ein Block lavendelfarbenen Kinetic Sand wird von einem dünnen Draht durchtrennt, die Schnittfläche zerbröselt. Natives Audio: trockenes körniges Knirschen, keine Musik.", 3),
    ("thu-city",    "Hochformat-Kurzvideo: verregnete Neonstraße bei Nacht, Regenschirme ziehen vorbei, Spiegelungen kräuseln sich. Natives Audio: Regen und ferner Verkehr.", 5),
    ("fri-dessert", "Hochformat-Kurzvideo-Makro: Ein Löffel zerbricht die Karamellkruste einer Crème brûlée, die Vanillecreme darunter gibt nach. Natives Audio: helles Knacken, dann Stille.", 3),
]

def submit(prompt, duration):
    r = requests.post(API, headers=HEADERS, json={
        "model": "happyhorse-1.1/text-to-video",
        "input": {"prompt": prompt, "duration": duration,
                  "resolution": "720p", "aspect_ratio": "9:16"},
    }, timeout=60)
    return r.json()["data"]["taskId"]

# 1) zuerst alle Tasks einreichen
tasks = {key: submit(p, d) for key, p, d in BATCH}

# 2) abfragen, bis alle im Endzustand sind
while tasks:
    time.sleep(10)
    for key, tid in list(tasks.items()):
        t = requests.get(f"{API}/{tid}", headers=HEADERS, timeout=30).json()["data"]
        if t["status"] == "success":
            url = t["output"][0]["url"]          # läuft ab – sofort herunterladen
            open(f"{key}.mp4", "wb").write(requests.get(url, timeout=180).content)
            print(f"done: {key}.mp4")
            del tasks[key]
        elif t["status"] == "fail":
            print(f"FAILED {key}: {t.get('error')}")
            del tasks[key]

Produktionshinweise für den Betrieb dieses Skripttyps im großen Maßstab:

• Bei Fehlschlag neu einreichen, statt erneut abzufragen. Fehlgeschlagene Tasks sind im Endzustand; reiche einen neuen Task mit denselben Eingaben ein (bei zweimaligem Fehlschlag aus Inhaltsgründen gelegentlich den Prompt umformulieren).
• Führe ein Manifest. Schreibe {key, prompt, taskId, local_path} jederzeit in eine JSON-Datei und überspringe beim Neustart Keys, deren mp4 bereits existiert. Batch-Jobs werden unterbrochen; wenn du es vorausschauend planst, ist Wiederaufsetzbarkeit kostenlos.
• Achte auf Parallelitätslimits. Wenn du Dutzende von Tasks einreichst, verteile die Einreichungen mit ein bis zwei Sekunden Abstand, statt 50 im selben Augenblick abzuschicken.

Was kostet das

Die Abrechnung erfolgt nach Sekunden des Ausgabevideos (Preisseite): 720p kostet $0.16/Sekunde, 1080p $0.21/Sekunde, unabhängig vom Seitenverhältnis. Die Dauer ist der einzige Kostenhebel, was Kurzvideos zum günstigsten Einsatzort für dieses Modell macht:

Clip	Spezifikation	Kosten
Hook / befriedigende Schleife	3 Sekunden · 720p	$0.48
Standard-B-Roll-Beat	4 Sekunden · 720p	$0.64
Produkt-Teaser	5 Sekunden · 720p	$0.80
Hauptbeitrag	5 Sekunden · 1080p	$1.05
Täglich veröffentlichen, monatlich 30 × 4-Sekunden-Entwürfe	720p	~$19.20

Ein praktischer zweistufiger Ablauf: Prompt-Iteration bei 3 Sekunden/720p (etwa einen halben Dollar pro Versuch), und nur die Gewinner werden für die Veröffentlichung als 1080p neu gerendert. Prompts übertragen sich sauber zwischen Auflösungen, du machst also keine kreative Arbeit neu – du zahlst nur dann für Pixel, wenn du weißt, dass der Clip es wert ist.

Von der API-Ausgabe zum veröffentlichten Beitrag

Das Modell liefert dir einen fertigen Hochformat-Clip mit Audio; der Rest ist Verpackung:

• Dauer pro Plattform: 3–5-Sekunden-Clips funktionieren auf TikTok und Reels gut als Schleife; bei Shorts hält das Aneinanderhängen von zwei oder drei Beats zu 10–15 Sekunden das Publikum oft länger. duration bis 15 Sekunden deckt eine vollständige Mikrogeschichte in einem Aufruf ab, wenn du nicht schneiden willst.
• Text-Overlays: Füge Untertitel im Editor hinzu (CapCut, Premiere, ffmpeg drawtext). Deshalb ist der Prompt-Trick „Freiraum lassen“ wichtig.
• Natives Audio beibehalten als Grundschicht, auch wenn du Musik hinzufügst – echtes Foley unter einer Musikbett zeigt mehr Produktionswert als nur Musik.
• Konsistente Serie: Kurzvideos belohnen Formatwiederholung. Halte das Prompt-Gerüst fest (Komposition, Licht, Audiostil) und variiere nur das Subjekt – die drei Genre-Vorlagen oben sind genau so gestaltet, dass sie wiederverwendet werden können.

Wenn deine Serie auf Markenassets setzt – echte Produktfotos, Maskottchen, Gesichter –, kombinier diese Workflow mit happyhorse-1.1 Bild-zu-Video: Generiere oder fotografiere einmal ein Keyframe und treibe davon die Bewegung an, damit das Subjekt in jedem Beitrag identisch bleibt.

Jetzt rendern

Der schnellste Weg: Hole dir einen Key, kopiere die Barista-Anfrage von dieser Seite, und in wenigen Minuten hast du deinen ersten Hochformat-Clip mit Audio. Die Modellseite happyhorse-1.1 Text-zu-Video enthält eine Live-Parameterreferenz und Preise, und der Schnellstart behandelt die Authentifizierung, falls dies dein erster hiapi-Aufruf ist. Rendere drei Entwürfe, behalte den besten, und du hast deinen Beitrag für morgen für weniger als den Preis einer Tasse Kaffee.