Benutzerhandbuch
Wan2.7 Bild-zu-Video-Kurzvideoworkflow über die HiAPI API
Entwicklerleitfaden: Auswahl des ersten Frames, Shot- und Tempo-Prompts, Seitenverhältnis, Dauer und Batch-Generierung
Auf dieser Seite
Warum Bild-zu-Video für die Kurzvideoproduktion geeignet ist
Kurzvideo ist ein Geschäft, das von der Menge lebt. Ein einzelner Clip ist selten das Endprodukt; das eigentliche Produkt ist eine Reihe von Clips, die denselben Look, dasselbe Tempo und dieselbe Veröffentlichungsfrequenz teilen. Dieser Bedarf prägt die Werkzeugwahl stärker als jede einzelne Qualitätskennzahl der Ausgabe.
Bild-zu-Video passt sehr gut dazu, weil es das Standbild zum primären Steuersignal macht. Man muss nicht die gesamte Szene in Text beschreiben und darauf hoffen, dass das Modell zufällig die beabsichtigte Komposition trifft, sondern übergibt dem Modell einen bereits freigegebenen Frame: Das Motiv befindet sich dort, wo man es platziert hat, der Beschnitt entspricht der gestalteten Komposition, und das Licht fällt so, wie man es gesetzt hat. Der Generierungsschritt dreht sich dann um Bewegung – wie sich das Motiv bewegt, wie sich die Kamera bewegt, wie schnell die Kamera atmet – statt eine Szene von Grund auf neu zu erschaffen.
Diese Arbeitsteilung ist für Teams wichtig. Standbilder können von Personen, die sich mit Komposition auskennen, mit der vorhandenen Pipeline erstellt, geprüft und freigegeben werden. Bewegung ist ein kleineres, leichter testbares Problem. Wenn ein Clip nicht stimmt, kann man meist erkennen, ob das Problem im Frame oder im Prompt liegt – und genau diese dichotome Fehlersuche möchte man, wenn man wöchentlich Dutzende Clips produziert.
Die Ende-zu-Ende-Pipeline auf HiAPI bleibt bewusst langweilig:
- Für jede Einstellung ein erstes Standbild erstellen oder auswählen.
- Einen Shot-Prompt verfassen, der Motivaktion, Kamerabewegung und Tempo beschreibt.
- Standbild und Prompt zusammen mit festem Seitenverhältnis und fester Dauer an die Route
wan2.7-video/image-to-videosenden. - Die zurückgegebenen Clips in eine Prüfwarteschlange sammeln.
- Akzeptieren, neu prompten oder neu framen und dann veröffentlichen.
Der gesamte Leitfaden dreht sich darum, jeden dieser Schritte reproduzierbar zu machen, denn der Wert einer Kurzvideo-Pipeline liegt nicht in einem herausragenden Clip – sondern darin, morgen mit neuen Frames denselben Prozess auszuführen und vergleichbare Ergebnisse zu erhalten.
Das Standbild als Arbeitseinheit
Behandle das Standbild als das Artefakt, das versioniert wird. In der Praxis bedeutet das, Frames deterministisch zu benennen und freigegebene Frames zusammen mit den zugehörigen Prompts zu speichern. Wenn man später verschiedene Versionen derselben Einstellung ausprobieren möchte, ändert man jeweils nur eine Variable: den Prompt oder den Frame, niemals beides gleichzeitig.
Was das Modell entscheidet und was nicht
Seitenverhältnis und Dauer bestimmst du, sie entstehen nicht von selbst aus dem Prompt. Lege sie frühzeitig fest. Alles Nachgelagerte – wie du das Standbild rahmst, wie du das Tempo formulierst, wie du den Clip für die Plattform schneidest – setzt voraus, dass diese beiden Werte bereits fixiert sind.

Auswahl des ersten Frames
Der erste Frame leistet den Großteil der Arbeit. Ist er falsch gewählt, kann keine Prompt-Optimierung den Clip vollständig retten, und man verbringt viele Iterationen damit, einem Problem nachzujagen, das eigentlich im Standbild liegt. Bevor eine einzige Generierung ausgegeben wird, sollten die Kandidatenframes anhand einer kurzen, klaren Checkliste gefiltert werden.
Komposition und Motivbeschnitt
Der ausgewählte Frame sollte für das Seitenverhältnis komponiert sein, in dem geliefert wird, nicht nur dorthin zugeschnitten. Liegt das Motiv im Standbild nahe am Rand, ist damit zu rechnen, dass das Modell kaum Platz hat, die Kamera zu bewegen, ohne das Motiv aus dem Bild zu schieben. Lasse Raum für Bewegung: Bewegungsraum entlang der geplanten Schwenkrichtung, Raum über einem Motiv, das sich nach oben bewegen könnte, Vordergrundelemente, die Parallaxe erzeugen können.
Prüfe den Beschnitt im Liefer-Seitenverhältnis, nicht im Quell-Seitenverhältnis. Ein Frame, der quadratisch ausbalanciert wirkt, kann das Motiv verlieren, wenn er in ein hochformatiges Hochformat gequetscht wird.
Kopffreiheit und Konsistenz der Rahmung
Wenn eine Reihe von Clips zusammen geschnitten oder in Reihenfolge veröffentlicht wird, sollte die Kopffreiheit zwischen den Frames konsistent bleiben. Inkonsistente Kopffreiheit wird als schlampiger Schnitt wahrgenommen, selbst wenn jeder einzelne Clip in Ordnung ist. Lege eine Konvention fest – zum Beispiel einen festen Abstand von der Oberkante des Motivkopfes zum oberen Bildrand – und wende sie auf jedes Standbild in der Gruppe an.
Lichtrichtung und Schattenstabilität
Die Beleuchtung bestimmt, wie glaubwürdig Bewegung wirkt. Starkes, gerichtetes Licht und klare Schatten geben dem Modell eine Struktur, an der es sich orientieren kann; flaches, schattenloses Licht erzeugt oft Bewegung, die wie Gleiten statt wie Gehen aussieht. Bevorzuge Frames mit eindeutiger Lichtrichtung und vermeide Standbilder, bei denen Schatten in zwei Richtungen fallen könnten – diese Ambiguität äußert sich oft als Flackern.
Stille, die Bewegung andeutet
Ein guter erster Frame deutet an, was als Nächstes passiert. Ein Motiv mitten in einer Aktion, ein Blick aus dem Bild hinaus, ein Körper, der sich in einen offenen Raum lehnt – all das gibt dem Modell eine natürliche Fortsetzungsrichtung. Perfekt symmetrische, frontal zur Kamera ausgerichtete, statische Porträts lassen sich am schwersten natürlich animieren, weil ihnen keine implizite Richtung innewohnt.
Sauberkeit des Frames
Vor der Generierung das Standbild in voller Auflösung auf Fehler prüfen: Randunschärfen, inkonsistente Hände, wiederholte Texturen, Text, der sich bei Bewegung offensichtlich verzerren würde. Kleine Defekte im Standbild werden im Clip zu offensichtlichen Defekten. Den Frame zu reparieren oder neu zu generieren ist fast immer günstiger als ein erneutes Sampling des Videos.

Verfassen von Shot- und Tempo-Prompts
Der häufigste Prompt-Fehler bei Bild-zu-Video ist, den Prompt als Szenenbeschreibung zu schreiben. Die Szene ist bereits festgelegt – sie ist der Frame. Was das Modell von dir benötigt, sind Shot-Anweisungen: Was bewegt sich, wie bewegt es sich, wie schnell.
Den Prompt in drei Teilsätze gliedern
Prompts, die zuverlässig brauchbare Clips liefern, decken oft drei Dinge in dieser Reihenfolge ab:
- Motivaktion – was das Motiv tut, in konkreter physikalischer Beschreibung.
- Kamerabewegung – was die Kamera tut, als eine einzige, saubere Bewegung.
- Tempo – wie schnell sich die Aktion im Clip entfaltet.
Statt beispielsweise eine Person in einem Raum zu beschreiben, beschreibe, wie das Motiv den Kopf zum Fenster dreht, die Kamera langsam heranfährt und die Bewegung sich über die gesamte Dauer allmählich entfaltet. Jeder Teilsatz entspricht etwas, das das Modell ausführen kann.
Kamerabewegung einfach halten
Nur eine Bewegung pro Einstellung. Heranfahren, Schwenken oder Handheld-Drift – wähle eine. Prompts, die gleichzeitig Heranfahren, Umkreisen und Zoomen verlangen, erzeugen oft trübe, unentschlossene Bewegung. Wenn eine Einstellung zwei Bewegungen braucht, sind es zwei Einstellungen.
Im Plattformtempo, nicht im Modelltempo
Kurzvideopublikum wischt schnell. Clips, die den Großteil ihrer Dauer damit verbringen, eine statische Szene aufzubauen, verlieren die Zuschauer, bevor etwas passiert. Schreibe das Tempo explizit: Setze in den ersten Momenten eine kleine Bewegung an den Anfang und lasse die Kamera dann stabil in die Hauptaktion übergehen. Wörter, die Geschwindigkeit vermitteln – allmählich, schwungvoll, kontinuierlich, sich beruhigend – sind nützlicher als eine lange Reihe von Adjektiven.
Bewegung beschreiben, nicht Emotion
Emotionale Wörter sind billig und werden größtenteils ignoriert. Physikalische Beschreibungen nicht. Bevorzuge beobachtbare Aussagen über Körper, Objekte und Kamera gegenüber abstrakten Eigenschaften. Wenn du einen bestimmten emotionalen Look willst, erziele ihn über Aktion und Tempo, nicht über Wörter wie „filmisch“.
Prompt-Versionen wie Code verwalten
Speichere jeden Prompt zusammen mit Frame-Identifikator, Seitenverhältnis und Dauer in einem Repository oder einer Datenbank. Wenn ein Clip gut funktioniert, willst du wissen, welche Kombination ihn erzeugt hat, um diese Kombination später auf eine ganze Reihe ähnlicher Frames erneut anzuwenden.
Festlegen von Seitenverhältnis und Dauer
Seitenverhältnis und Dauer sind die beiden Parameter, die einen Workflow am ehesten unbemerkt zerstören, weil keiner von beiden im Prompt erscheint und beide verändern, was als gutes Ergebnis gilt. Entscheide sie einmalig für jedes Ausgabeformat und behandle sie dann als Konstanten.
Seitenverhältnis wählen
Wähle das Verhältnis, in dem deine Zielplattform tatsächlich anzeigt, und komponiere dein Standbild dafür. Die praktische Konsequenz: Du solltest nicht denselben Frame für Hoch- und Querformat wiederverwenden, ohne neu zu komponieren – ein Beschnitt, der im Hochformat funktioniert, funktioniert selten im Breitformat. Wenn beide benötigt werden, pflege zwei Sätze von Standbildern, die aus derselben Aufnahme stammen, jeder für sein eigenes Verhältnis komponiert.
Nach der Wahl zeichne das Verhältnis bei jeder Anfrage auf. Gemischte Verhältnisse in einem abgeschlossenen Batch bedeuten meist, dass jemand den Standardwert geändert hat, statt eine Entscheidung zu treffen.
Dauer wählen
Kurzvideoclips sind kurz. Plane eine Dauer, die zum Format passt: lang genug, um eine klare einzelne Aktion abzuschließen, kurz genug, dass nichts untätig bleibt. Da HiAPI Bild-zu-Video nach Ausgabedauer abrechnet, sind überlange Clips teurer und lassen sich schlechter prüfen – Zuschauer sehen selten das Ende eines Clips, der nichts mehr zu sagen hat.
Schreibe den Prompt so, dass er die gewählte Dauer ausfüllt. Beschreibt die Aktion mehr als die Clip-Länge, entsteht ein abrupter Schnitt mitten in der Bewegung; ist die Aktion in einem Bruchteil der Dauer abgeschlossen, bleibt am Ende Leerlauf. Passe die Tempoformulierung bewusst an die Länge an.
Beide fixieren, bevor skaliert wird
Dies ist die wichtigste Prozessregel in diesem Leitfaden. Prompt-Optimierung ist nur innerhalb eines festen Seitenverhältnisses und einer festen Dauer sinnvoll, weil beide verändern, wie Bewegung wahrgenommen wird. Wenn du Prompts für eine Dauer optimierst und dann die Ausgabe verkürzt, wird jeder freigegebene Prompt zu einer ungetesteten Vermutung. Fixiere das Paar, optimiere dafür und ändere es nur als bewusstes Neu-Optimierungsereignis.
Parameter, die pro Lauf dokumentiert werden sollten
Führe für jeden Batch eine kleine Aufzeichnung: Seitenverhältnis, Dauer, Modellroute, Frame-Gruppenidentifikator, Prompt-Version. Diese Aufzeichnung mit vier Feldern reicht oft aus, um Monate später zu rekonstruieren, warum ein Clip so aussieht, wie er aussieht, ohne Logs durchsuchen zu müssen.
Batch-Generierung auf HiAPI
Sobald Frame-Gruppe und Prompt-Muster freigegeben sind, ist die Generierung mechanisch. Ziel ist ein kleines Skript, das Anfragen entfaltet und Ergebnisse deterministisch sammelt, sodass man es planmäßig statt manuell ausführen kann.
Anmeldedaten und Konfiguration
Bewahre API-Anmeldedaten in Umgebungsvariablen auf, niemals im Skript oder Repository. Lies Endpunkt und Modellroute aus der Konfiguration, sodass dasselbe Skript später auf eine andere Route zeigen kann, ohne den Codepfad zu ändern.
export HIAPI_API_KEY="your-key-here"
Eine ausführbare Anfrage
Die Route für diesen Workflow ist wan2.7-video/image-to-video. Die minimale Anfrage enthält erstes Frame, Shot-Prompt, Seitenverhältnis und Dauer:
curl -X POST "https://api.hiapi.ai/v1/video/generations" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan2.7-video/image-to-video",
"image": "https://your-cdn.example/frames/shot-014.png",
"prompt": "Subject turns toward the window; slow push-in; gradual motion settling over the clip.",
"aspect_ratio": "9:16",
"duration": 5
}'
Führe vor jeder Schleife eine einzelne Anfrage mit einem bekannt guten Frame aus. Eine einzelne erfolgreiche Anfrage bestätigt Anmeldedaten, Routennamen und die Struktur der Anfrage-Payload.
Eine Gruppe von Frames durchlaufen
Batch-Generierung ist dieselbe Anfrage wiederholt, nur mit unterschiedlichem image und zugehörigem Prompt. Organisiere die Eingaben als Liste von Datensätzen, wobei jeder Datensatz die Frame-URL, seinen Prompt und einen selbst kontrollierten Ausgabenamen enthält. Iteriere, sende ab und zeichne die zurückgegebenen Identifikatoren im Eingabedatensatz auf.
Zwei praktische Regeln für die Schleife:
- Nebenläufigkeit begrenzen. Alle Anfragen auf einmal zu senden ist der schnellste Weg, an Ratenlimits zu stoßen und nicht mehr zu wissen, welche Antwort zu welcher Eingabe gehört. Ein moderater Worker-Pool mit Wiederholungsversuchen ist zuverlässiger als ein Burst.
- Anfrage und Ergebnis zusammen protokollieren. Für jede Generierung dauerhaft Frame-URL, Prompt, Seitenverhältnis, Dauer und die zurückgegebene Clip-Referenz speichern. Ohne diese Angaben kann man weder einen guten Clip reproduzieren noch einen schlechten erklären.
Ausgaben sammeln
Lade Clips in eine deterministische Ordnerstruktur herunter, verschlüsselt nach Frame-Identifikator und Prompt-Version, und übergib den Ordner dann zur Prüfung. Ein stabiles Namensschema bedeutet, dass der Prüfschritt nur ein Verzeichnislisting ist und keine Abgleichsarbeit.
Idempotenz bei erneuten Läufen
Gib jedem Frame-Prompt-Paar einen stabilen Hash und überspringe bereits generierte Paare, es sei denn, du willst bewusst neu sampeln. Einen ganzen Batch neu zu generieren, um drei Lücken zu füllen, ist die häufigste Art, wie Teams in Bild-zu-Video-Pipelines Kontingent verschwenden.

Ausgaben prüfen und iterieren
Prüfung ist ein Produktionsschritt, nicht eine Formsache. Der Punkt ist, jeden Clip schnell in eines von drei Ergebnisse einzuordnen – akzeptieren, neu prompten oder neu framen – damit der gesamte Batch weiterkommt.
Eine kurze Prüfliste
Lass jeden zurückgegebenen Clip dieselben Prüfungen in derselben Reihenfolge durchlaufen:
- Treue zum ersten Frame – stimmt der Eröffnungsmoment mit dem freigegebenen Standbild überein? Wenn er sofort abweicht, liegt das Problem meist am Frame, nicht am Prompt.
- Plausibilität der Bewegung – bewegt sich das Motiv so, wie sich Körper und Objekte tatsächlich bewegen? Achte auf Gleiten, Gliedmaßenverzerrung, formverändernde Objekte.
- Kameradisziplin – führt die Kamera die eine angeforderte Bewegung aus oder wandert sie?
- Tempo-Passung – schließt die Aktion innerhalb der Dauer ab, ohne überflüssigen Ausklang oder Schnitt mitten in der Bewegung?
- Fehlerscan – prüfe Ränder, Hände, Gesichter, Hintergrundtext und alle detailreichen Bereiche.
- Formatprüfung – stimmt das Seitenverhältnis, und liegt das Motiv innerhalb der Sicherheitsabstände der Plattform-UI-Overlays?
Triage-Entscheidungen
- Akzeptieren, wenn der Clip die sechs Prüfungen besteht oder nur in Aspekten fehlschlägt, die in der Liefergröße unsichtbar sind.
- Neu prompten, wenn der Frame gut ist, aber Bewegung, Kamera oder Tempo nicht stimmen. Ändere einen Teilsatz des Prompts und generiere neu.
- Neu framen, wenn Bewegungsfehler auf Ambiguität im Standbild zurückgehen – unklare Lichtrichtung, ungeschickter Beschnitt oder ein Motiv ohne implizite Bewegung.
Ändere bei jeder Iteration nur eine Variable. Frame und Prompt gleichzeitig zu ändern sagt dir nicht, welche Korrektur gewirkt hat.
Günstige Prüfung schlägt perfekten Clip
Für die Massenproduktion von Kurzvideos ist eine schnelle Ja/Nein-Prüfung vieler Clips besser als das Polieren eines einzelnen Clips durch viele erneute Samples. Prüfe in der Größe, in der das Publikum den Clip tatsächlich sieht, nicht in voller Auflösung, und zoome nur in Clips hinein, die du gleich akzeptieren willst. Das hält den Prüfschritt proportional zur Batch-Größe statt proportional zur eigenen Unruhe.
Erkenntnisse zurückspielen
Dokumentiere kontinuierlich, welche Prompt-Muster und Frame-Qualitäten mit der Akzeptanzrate korrelieren. Nach einigen Batches wird daraus ein interner Stil – eine kurze Sammlung von Prompt-Teilsätzen und Rahmungsregeln, die zuverlässig Clips liefern, die Prüfer ohne langes Hin und Her freigeben.
Zu vermeidende Fallstricke
Die meisten Bild-zu-Video-Projekte, die in der Produktion stecken bleiben, scheitern an Prozessproblemen, nicht an Modellproblemen. Hier sind die wiederkehrenden.
Prompts auf ein bewegliches Ziel optimieren
Dauer oder Seitenverhältnis mitten in der Optimierung zu ändern macht jeden durchgeführten Vergleich ungültig. Fixiere beide zuerst, dann optimiere. Wenn Stakeholder ein anderes Format verlangen, behandle es als neuen Optimierungszyklus mit eigenen freigegebenen Prompts, nicht als Parameter-Feintuning.
Das Standbild als Nachgedanke behandeln
Teams, die schnell einen Frame generieren und dann die ganze Energie in den Prompt stecken, stoßen schnell an eine Decke. Der Frame ist das Steuersignal. Reserviere echte Prüfzeit für Standbilder und lehne schwache Frames ab, bevor sie in die Generierung gehen.
Szenenbeschreibung statt Shot-Anweisung
Prompts voller Emotion und Hintergrundgeschichte, aber ohne physikalische Aktion, erzeugen Clips, die gut aussehen, in denen aber nichts passiert. Jeder Prompt sollte angeben, was sich bewegt und wie schnell.
Unbegrenzte Nebenläufigkeit und fehlende Logs
Anfragen im Burst zu senden und Antwort-Identifikatoren zu verwerfen macht den Batch unwiederbringlich. Protokolliere Eingaben und Ausgaben zusammen, begrenze die Anzahl der Worker und mache erneute Läufe idempotent.
Keine Freigabeaufzeichnung
Wenn du nicht den exakten Frame, Prompt, das Verhältnis und die Dauer angeben kannst, die einen akzeptierten Clip erzeugt haben, kannst du ihn nicht wiederholen. Dieser Preis zeigt sich, wenn du zum ersten Mal eine Serie skalieren musst und feststellst, dass der beste Clip nicht reproduzierbar ist.
Übergenerierung zum Füllen kleiner Lücken
Einen ganzen Batch neu zu laufen, weil drei Clips fehlgeschlagen sind, verschwendet Zeit und Budget. Verfolge den Status jedes Eintrags und generiere nur die fehlenden Teile neu.
Sicherheitsbereiche der Plattform ignorieren
Ein Clip, der technisch korrekt ist, dessen Motiv aber unter einem UI-Overlay der Plattform liegt, wird als defekt wahrgenommen. Verwende beim Komponieren des Standbilds dieselben Sicherheitsabstände wie bei jedem anderen Asset, das du lieferst.
Nichts davon ist exotisch. Es ist einfach die Routine-Disziplin einer Produktionspipeline, angewendet auf ein Modell, das diese Disziplin belohnt.
Beginne mit einem freigegebenen Frame und einem Prompt, führe es Ende-zu-Ende auf der Route wan2.7-video/image-to-video aus und erweitere dann die Schleife auf den vollen Batch.
Ähnliche Artikel
Alle Artikel ansehen →-
Benutzerhandbuch
Leitfaden für den Einstieg in gpt-6.2-sol: Grenzen der Fähigkeiten, API-Anbindung und Hinweise zur Token-Abrechnung
Entscheidungshilfen und praktische Hinweise zur Anbindung für Engineering-Teams
-
Benutzerhandbuch
gpt-6.2-astra Einstiegsleitfaden: Grenzen der Textmodell-Fähigkeiten, Integrationspunkte und Kostenkontrolle
-
Benutzerhandbuch
Tripo H3.1 Einstiegsleitfaden: Drei Eingabewege, Parameter und Preiswahl
Praktische Entscheidungsfindung und Kostenkontrolle bei der 3D-Generierungsintegration für Entwickler