Kurzfilme mit ltx-2.5-fast/text-to-video auf HiAPI erstellen

Warum ltx-2.5-fast/text-to-video sich für Kurzfilmproduktion eignet

Kurzfilme sind ein Spiel der Masse, und das Aufmerksamkeitsbudget des Publikums ist knapp. Du brauchst viele Clips, schnelle Durchlaufzeiten und eine Möglichkeit, Ausschuss ohne Zögern zu verwerfen. Das entscheidet, welches Generierungsmodell es wert ist, in deine Pipeline integriert zu werden.

ltx-2.5-fast/text-to-video ist ein Text-zu-Video-Modell auf der HiAPI-API mit zwei hier entscheidenden Eigenschaften: Es erzeugt natives Audio zusammen mit dem Bild und liefert 1080P. Praktisch bedeutet das, dass ein einzelner Aufruf einen Clip zurückgibt, der in seiner Form bereits veröffentlichungsbereit ist – du musst keine stumme Videospur mit einem separat generierten Musikbett zusammenkleben und keinen niedrig aufgelösten Entwurf hochskalieren, bevor der Clip präsentabel ist.

Das fast im Modellnamen weist auf genau diesen Kompromiss hin: Durchsatz vor extremer Detailtreue. Für Kurzfilmproduktion – vertikale Clips, Hooks, Social-Media-Schnitte – ist das meist die richtige Seite. Du iterierst öfter, und die Anzahl der Iterationen zählt mehr als jedes einzelne Frame.

Eine einfache Pipeline-Skizze:

Text-Prompt ──► ltx-2.5-fast/text-to-video ──► Videospur (1080P)
                                          └──► Audiospur (nativ)

Eine Eingabe, zwei Ausgaben, ein zu verwaltendes Asset. Alles Weitere in diesem Leitfaden baut auf dieser Form auf.

Plane den Clip, bevor du den Prompt schreibst

Der häufigste Fehler in der Prompt-to-Clip-Arbeit ist, einen einzigen Prompt für das gesamte Video zu schreiben. Bitte das Modell, „einen 30-Sekunden-Werbespot zu machen“, und es mittelt über alle Beats hinweg – das Ergebnis fühlt sich nach nichts Bestimmtem an. Zerlege zuerst.

Zerlege das Video in Aufnahmeeinheiten

Schreibe das Skript und schneide es an jeder visuellen Veränderung. Jeder Schnittpunkt ist eine Generierungseinheit. Ein typischer Kurzfilm umfasst meist vier bis acht Einheiten. Gib jeder Einheit:

• eine Nummer und einen Satz, der beschreibt, was passiert
• die erwartete Dauer
• die Audioabsicht (Dialog, Ambiente-Bett, reine Musik, Stille)
• eine Notiz, ob sie visuell an die vorherige Einstellung anschließen muss

Halte jede Anfrage klein

Kleine Einheiten sind günstig neu zu generieren und günstig neu zu ordnen. Wenn Einstellung 3 nicht stimmt, lässt du Einstellung 3 neu laufen, nicht das Ganze. Halte die Anschlussarbeit aus der Verantwortung des Modells heraus: Wenn zwei Einstellungen fließend ineinander übergehen sollen, generiere sie separat und füge sie im Editor zusammen, statt eine lange durchgehende Einstellung zu verlangen.

Lege die Zielform vorab fest

Seitenverhältnis, Dauerbereich und Verwendungszweck des Clips bestimmen alles Weitere. Lege das vor der ersten Anfrage fest, denn eine spätere Änderung bedeutet, alles neu zu generieren. Wenn du für mehrere Kanäle produzierst, plane pro Kanal separate Shot-Listen, statt einen Master zuzuschneiden – die Kompositionsunterschiede sind groß genug, dass Zuschneiden wie Zuschneiden aussieht.

Behandle die Shot-Liste als versionierte Daten. Ein Prompt, der einen guten Clip erzeugt hat, ist ein Asset – du willst ihn zusammen mit dem Code, der ihn nutzt, unter Versionskontrolle haben.

Prompt-Muster, die brauchbare Clips liefern

Schreibe Prompts wie strukturierte Einstellungsbeschreibungen, nicht wie Prosa. Ein stabiles Template gibt dir Reproduzierbarkeit: Wenn ein Retry gelingt, weißt du, welches Feld sich geändert hat.

Fünf Felder

[subject]   wer oder was auf dem Bildschirm ist, mit konkreten visuellen Details
[action]    was während der Einstellung passiert – eine kontinuierliche Bewegung
[camera]    Bildausschnitt, Winkel und Bewegung (z. B. langsamer Push-in, statische Weitaufnahme)
[lighting]  Tageszeit, Lichtquelle, Stimmung
[audio]     was zu hören sein soll: Dialog, Ambiente, Musikcharakter

Ein ausgefülltes Beispiel:

subject: eine Frau in einer Canvas-Arbeitsjacke, Mitte 30, Werkstatt-Hintergrund
action: sie hebt einen Keramikbecher aus einem Regal und dreht ihn in ihren Händen
camera: statische mittlere Einstellung, leicht geringe Schärfentiefe
lighting: warmes Nachmittagsfensterlicht von links aus der Kameraperspektive
audio: leises Raumambiente, schwaches Summen eines Wasserkochers, keine Musik

Regeln, die Bestand haben

• Eine Aktion pro Einstellung. Zwei Aktionen in einem Prompt mitteln sich gegeneinander. Wenn die Einstellung einen zweiten Beat braucht, sind das zwei Einstellungen.
• Beschreibe das Sichtbare, nicht seine Bedeutung. „Sie sieht erleichtert aus“ gibt dem Modell nichts. „Ihre Schultern sinken und sie atmet aus“ gibt ihm etwas zu rendern.
• Gib das Kameroverhalten explizit an. Kein Kameroverhalten zu nennen ist der schnellste Weg zu einem unbrauchbaren Clip, weil das Modell einen Default wählt, den du nicht willst.
• Spezifiziere die Audioabsicht. Natives Audio bedeutet, dass der Prompt den Klang beeinflusst. Sag klar, ob du Dialog, Ambiente, Musik oder Stille willst – lass es nicht implizit.
• Vermeide Negations-Stapel. „Kein Text, kein Wasserzeichen, keine zusätzlichen Personen“ ruft oft genau das Hervorgehobene hervor. Beschreibe stattdessen das Bild, das du willst.

Führe ein Prompt-Log

Speichere zu jedem Prompt, den du sendest, den vollständigen Text plus die Parameter. Wenn ein Clip funktioniert, ist der Prompt ein wiederverwendbares Asset; wenn er scheitert, sagt dir das Log, ob der Prompt oder die Parameter gedriftet sind.

Eine Anfrage über die HiAPI-API stellen

Die Generierung läuft über die HiAPI-API mit dem Modellbezeichner ltx-2.5-fast/text-to-video. Der Aufruf ist eine einzelne Anfrage: Du sendest den Prompt und die Generierungsparameter, und du bekommst einen Job zurück, dessen Ergebnis das Clip-Asset ist.

Minimale Anfrageform

Die genauen Feldnamen und unterstützten Bereiche findest du auf der Referenzseite des Modells in der API-Dokumentation – schau dort nach, bevor du etwas hartkodierst. Die Struktur unten zeigt die Form eines funktionierenden Aufrufs:

curl -X POST "https://api.hiapi.ai/v1/video/generations" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ltx-2.5-fast/text-to-video",
    "prompt": "statische mittlere Einstellung, eine Frau in einer Canvas-Arbeitsjacke hebt einen Keramikbecher aus einem Regal und dreht ihn in ihren Händen, warmes Nachmittagsfensterlicht von links aus der Kameraperspektive, leises Raumambiente mit schwachem Wasserkocher-Summen",
    "duration": <Clip-Länge in Sekunden>,
    "resolution": "1080p"
  }'

Ersetze den duration-Platzhalter durch einen vom Modell akzeptierten Wert. Sende nur, was du brauchst: Prompt, Dauer, Auflösung und alle in der Referenzseite aufgeführten Seitenverhältnis- oder Audio-Steuerungen.

Was mindestens gesendet werden muss

• der Modellbezeichner, exakt wie veröffentlicht
• der vollständige Prompt, zusammengesetzt aus deinem Template
• die Dauer, gewählt aus dem vom Modell unterstützten Bereich
• die Ausgabauflösung, wenn das Modell dir die Wahl lässt

Behandle die Antwort als Job, nicht als Datei

Behandle jede Antwort als Job-Eintrag: ein Bezeichner, ein Status und – nach Abschluss – ein Verweis auf das Asset. Persistiere die Job-ID zusammen mit deinem Prompt und den Parametern, damit jeder Clip in deiner Bibliothek auf die Anfrage zurückführbar ist, die ihn erzeugt hat.

Halte den API-Schlüssel serverseitig und injiziere ihn aus der Umgebung. Konstruiere Prompts nicht im Client.

Nachgelagerte Verarbeitung von nativem Audio und 1080P-Ausgabe

Der Aufruf liefert einen 1080P-Clip, der bereits eine Audiospur hat. Was du als Nächstes tust, entscheidet, ob das sinnvoll ist.

Prüfe vor dem Zusammenbau

Sieh dir jeden Clip in voller Größe und nicht stumm an. Prüfe konkret zwei Dinge:

• Audio-Bild-Synchronität. Natives Audio wird mit dem Bild zusammen erzeugt, nicht daraus abgeleitet. Stelle sicher, dass der Klang zur Aktion passt – das Aufheben einer Tasse sollte nicht wie eine zuschlagende Tür klingen.
• Audiopegel und -charakter. Das erzeugte Audio kann lauter oder leiser sein als erwartet. Prüfe die Peaks, bevor du es mit Einheitsverstärkung in die Timeline legst.

Lehne schnell ab. Ein Clip, der bei der Sichtung Reparatur braucht, ist meist günstiger neu zu generieren als zu reparieren, besonders wenn der Reparaturpunkt im Prompt liegt.

Zusammenbauen, nicht neu generieren

Schneide die Einstellungen mit dem Editor-Werkzeug zusammen, das dein Team bereits nutzt. Da jede Einstellung als vollständiges 1080P-Asset zurückkommt, ist der Zusammenbau normales Editing: Anfang und Ende trimmen, Übergangspunkte setzen, Audio unter deiner hinzugefügten Voiceover-Spur absenken.

Behalte natives Audio dort, wo es Wert schafft. Ambiente-Betten und Raumgrund, die mit dem Bild erzeugt werden, passen oft besser als aufgesetzte Stock-Audiospuren, weil sie für genau dieses Frame generiert wurden. Ersetze Audio nur dort, wo du bestimmte Stimmen oder lizenzierte Musik brauchst.

Für den Zielkanal exportieren

Exportiere in Codec, Seitenverhältnis und Dauer, die die Zielplattform erwartet, und validiere mit einem Beispiel-Export gegen die Anforderungen der Plattform, bevor du in Serie gehst. Die 1080P-Quelle gibt dir Spielraum, für verschiedene Seitenverhältnisse neu zu komponieren, aber prüfe die Komposition nach dem Neukomponieren erneut – das Bild, das dir gefiel, hält dem Zuschnitt vielleicht nicht stand.

Iterationskosten und Qualität im Griff behalten

Die Generierung wird nach dem Umfang abgerechnet, den du anforderst – Cliplänge und Auflösung wirken sich beide auf die Kosten eines Aufrufs aus. Das bedeutet, dass deine Iterationsdisziplin deine Kostenkontrolle ist. Drei bewusste Vorgehensweisen:

Erst neu generieren, dann umschreiben

Wenn ein Clip nah dran, aber nicht richtig ist, lass denselben Prompt noch einmal laufen. Die Generierung ist nicht vollständig deterministisch, und ein zweites Sample kann leichte Artefakte beseitigen. Wenn zwei Läufe desselben Prompts auf dieselbe Weise scheitern, liegt das Problem im Prompt – ändere ihn.

Ändere jeweils nur eines

Wenn du den Prompt bearbeitest, bearbeite nur ein Feld. Wenn du gleichzeitig Subjekt, Kamera und Beleuchtung änderst und das Ergebnis besser wird, hast du nichts Wiederverwendbares gelernt. Univariate Iteration konvergiert; streuende Bearbeitung erzeugt Clips, die du nicht reproduzieren kannst.

Unterscheide Prompt-Probleme von Parameter-Problemen

Frag, auf welcher Achse der Fehler liegt. Komposition, Aktion und Stimmung sind Prompt-Probleme. Länge, Auflösung und Format sind Parameter-Probleme. Ein Kompositionsproblem durch Verkürzen des Clips zu beheben, verschwendet einen Aufruf; dasselbe gilt für ein Längenproblem, das du durch Umschreiben des Prompts behebst.

Eskaliere der Reihe nach

1. Denselben Prompt erneut ausführen.
2. Ein Prompt-Feld anpassen.
3. Einen Parameter ändern (Dauer, Auflösung).
4. Die Einstellung neu konzipieren.

Die meisten reparierbaren Clips lösen sich in Schritt 1 oder 2. Zu Schritt 4 zu springen ist der Weg, günstige Iteration teuer zu machen.

Begrenze schließlich die Anzahl der Versuche. Setze in deiner Job-Schicht ein Retry-Limit pro Einstellung und stoppe bei Erreichen – diese Einstellung muss neu durchdacht werden, nicht ein weiteres Sample brauchen.

Häufige Fehlermuster und wie man sie debuggt

Die meisten Prompt-to-Clip-Probleme fallen in einige wenige Kategorien. Hier ist, wo man bei jeder zuerst schauen sollte.

Clip passt nicht zum Prompt

Prüfe zuerst die Spezifität des Prompts. Vage Subjekte und nicht angegebenes Kameroverhalten sind häufige Ursachen. Schreibe die Einstellung mit dem Fünf-Feld-Template neu und gib das Kameroverhalten explizit an.

Aktion ist chaotisch oder zersplittert

Du hast wahrscheinlich mehr als eine Sache verlangt. Teile die Einstellung in zwei Generierungseinheiten, jede mit nur einer kontinuierlichen Aktion.

Audio passt nicht zum Bild

Schau in das Audio-Feld des Prompts. Wenn du es implizit gelassen hast, hat das Modell einen Default gewählt. Gib die Audioabsicht direkt an – Ambiente, Dialog, Musikcharakter oder Stille.

Cliplänge oder Form stimmt nicht

Das ist ein Parameter-Problem, kein Prompt-Problem. Verifiziere, dass die von dir gesendeten Werte im Bereich liegen, der auf der Modellreferenzseite aufgeführt ist, und bestätige, dass dein Client sie wie erwartet serialisiert und nicht verworfen hat.

Anfrage schlägt fehl oder läuft in ein Timeout

Prüfe der Reihe nach: Modellbezeichner exakt wie veröffentlicht geschrieben; API-Schlüssel vorhanden und gültig; Anfragekörper gültiges JSON; Ratenlimit nicht überschritten. Die Generierung ist asynchrone Arbeit, eine langsame Antwort ist also nicht unbedingt ein Fehler – polle den Job statt neu einzureichen, sonst zahlst du zweimal für denselben Clip.

Ergebnisse sind über mehrere Läufe inkonsistent

Bis zu einem gewissen Grad erwartbar. Protokolliere jeden Prompt und jedes Parameterset, damit du echte Regressionen von normaler Schwankung unterscheiden kannst, und halte dein Retry-Limit konstant.

Die schnellste Debug-Schleife ist immer dieselbe: Job-Eintrag ziehen, den tatsächlich gesendeten exakten Prompt und die Parameter lesen, ein Feld nach dem anderen ändern, bis der Clip der Einstellung entspricht, die du geplant hast.