Indicaciones de imagen a vídeo de Hailuo 2.3: 3 recetas listas para copiar y usar (con resultados reales)

Hailuo 2.3 (hailuo-2.3/image-to-video) es el nivel estándar de imagen a vídeo de MiniMax, y su capacidad insignia es la física del movimiento: telas, cabello, agua y movimiento de cuerpo completo se comportan como tu ojo espera. Este artículo es un manual práctico listo para copiar, con indicaciones de imagen a vídeo de hailuo para el nivel estándar: tres recetas listas para copiar y usar, dirigidas específicamente a aquello en lo que destaca: movimiento humano continuo, física intensa del agua y dar vida a ilustraciones estilizadas.

Cada fragmento a continuación es la salida de un solo intento en un entorno real con la indicación mostrada al lado, sin elegir el mejor entre varias ejecuciones, y cada precio se verificó contra la página de precios en vivo antes de la publicación. El nivel estándar se cobra por fragmento: $0.40 por 6 segundos, $0.80 por 10 segundos.

Vistazo rápido de 30 segundos a la estructura de parámetros de entrada

Hailuo i2v se ejecuta a través del endpoint de tareas asíncronas de hiapi (POST /v1/tasks), y la estructura de parámetros de entrada se mantiene deliberadamente compacta y estricta:

Campo	¿Obligatorio?	Descripción
prompt	Sí	Describe el movimiento, no la escena: la imagen ya es la escena
image_url	Sí	Una URL de acceso público (en singular, no image_urls); se convertirá en el primer fotograma
duration	No	Cadena "6" o "10": el entero 6 se rechaza con un 400
prompt_optimizer	No	Booleano; permite que la plataforma amplíe tu indicación antes de generar

Cualquier otra cosa (resolution, aspect_ratio, motion_strength) se rechaza con 400 INVALID_REQUEST: additional properties not allowed. Aquí no hay perillas de ajuste del movimiento: la indicación es el único volante, y precisamente por eso las recetas de indicaciones son tan importantes para este modelo. El fragmento de salida hereda la relación de aspecto del fotograma de entrada (nuestro fotograma de 16:9 se renderiza a 1364×768). Para el flujo completo de solicitud, sondeo y descarga, consulta la guía de la API de imagen a vídeo de hailuo-2.3.

La fórmula de indicación que se sostiene en las tres recetas:

Describe las acciones del sujeto en el orden en que quieres que ocurran (Hailuo ejecuta aproximadamente las acciones superpuestas en secuencia) + una instrucción de cámara (acercarse / fijo / desplazarse) + una cláusula de consistencia (movimiento fluido y natural, iluminación coherente entre fotogramas)

No desperdicies ni una palabra en volver a describir lo que ya está en la imagen. La propia imagen aporta el estilo; cada token de la indicación debería comprar movimiento.

Receta 1: movimiento continuo de cuerpo completo (flujo de tai chi)

La tarea más difícil de la imagen a vídeo es el movimiento humano sostenido y coordinado: la mayoría de los modelos logra un gesto y luego empieza a desmoronarse. Esta receta pide a Hailuo 2.3 que parta de una postura estática y complete una secuencia continua de artes marciales con tela al viento:

Indicación de movimiento:

he flows into a slow tai chi opening form, arms rising and sweeping in one
continuous circular motion, sleeves and sash trailing behind each movement,
ground mist swirling around his steps, slow cinematic push-in, smooth
natural motion, consistent warm dawn lighting across frames

Salida de un solo intento ($0.40, 6 segundos):

Qué hay que observar: los brazos completan un barrido circular completo sin que la anatomía se rompa, y las mangas se retrasan respecto a los brazos como lo haría el lino real; ese movimiento secundario de la tela es la marca del nivel estándar. La frase "in one continuous circular motion" es clave: sin una indicación explícita de continuidad, los modelos i2v suelen producir un gesto, una pausa y luego un segundo gesto no relacionado. Nombrar la tela ("sleeves and sash trailing") activa la simulación de tela; si no la mencionas, las prendas holgadas a menudo se quedan rígidas.

Receta 2: física de agua y pelaje (perro sacudiéndose el agua)

Un perro mojado sacudiéndose es una prueba de física brutal: rotación corporal de alta frecuencia, mechones de pelo y decenas de gotas de agua que necesitan cada una su propia trayectoria balística plausible. También es un patrón realmente útil: las marcas de mascotas y los equipos de material de archivo suelen animar así imágenes estáticas:

Indicación de movimiento:

the dog shakes water off its whole body, droplets spraying outward in
glittering arcs against the backlight, ears flapping, then it stops and
tilts its head at the camera, locked low-angle camera, smooth natural
motion, consistent golden-hour lighting

Salida de un solo intento ($0.40, 6 segundos):

Qué hay que observar: el agua salpicada parece gotas individuales iluminadas a contraluz, con trayectorias reales, no un filtro de desenfoque, y el clip ejecuta su guion en orden (sacudida → parada → inclinación de cabeza). Aquí hay dos trucos reutilizables. Primero, "against the backlight" le dice al modelo cómo debe verse el agua, no solo que existe; las descripciones de movimiento conscientes de la iluminación suelen producir partículas mejores. Segundo, terminar con una acción pequeña y tranquila ("tilts its head at the camera") le da al clip un compás de cierre natural en lugar de cortarlo a mitad de la sacudida, lo cual es útil cuando el fragmento va a reproducirse en bucle en una página de producto.

Receta 3: animar una ilustración estilizada (dragón de tinta aguada)

Hailuo i2v no sirve solo para fotografías. Con una imagen estática estilizada como entrada (aquí, una ilustración de tinta aguada de un dragón koi entre nubes), anima en el estilo de la imagen, tratando las pinceladas como un medio en lugar de intentar convertirlas en algo fotorrealista:

Indicación de movimiento:

The ink wash koi dragon slowly swims forward through the clouds, brush
strokes flowing like water, camera drifts right

Salida ($0.40, 6 segundos):

Qué hay que observar: las nubes se extienden y se recomponen como tinta húmeda, en lugar de comportarse como niebla fotográfica; "brush strokes flowing like water" logra esto nombrando la física del medio en vez de la escena. Con entradas de ilustración, mantén la indicación breve y deja que el estilo de la imagen domine; un vocabulario fotográfico extenso ("cinematic", "bokeh") puede entrar en conflicto con la ilustración y provocar una deriva de estilo. Este es exactamente el patrón que pueden usar mascotas de marca, ilustraciones de libros o pantallas de inicio de juegos.

Estándar vs. rápido: cuándo merece la pena $0.40

hiapi también ofrece hailuo-2.3-fast/image-to-video a $0.27 por 6 segundos, con la misma estructura de tres campos en los parámetros de entrada, así que las indicaciones se pueden trasladar tal cual entre ambos niveles. Un flujo de trabajo que funciona bien:

• Prototipa en el nivel rápido ($0.27 por fragmento) mientras iteras la redacción del movimiento: la estructura de parámetros y el comportamiento son iguales, así que lo aprendido se transfiere.
• Vuelve a ejecutar las tomas definitivas en el nivel estándar ($0.40 por fragmento) cuando el plano dependa de la fidelidad física: movimiento humano de varios pasos, tela, escenas con muchas partículas como la receta 2.
• Ambos niveles se cobran por fragmento, no por segundo: un experimento fallido cuesta lo mismo que una toma definitiva, otra razón para prototipar con la opción de bajo coste.

Ejecútalo tú mismo

Cualquiera de las recetas anteriores requiere una sola solicitud. Crea la tarea:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/image-to-video",
    "input": {
      "prompt": "the dog shakes water off its whole body, droplets spraying outward in glittering arcs against the backlight, ears flapping, then it stops and tilts its head at the camera, locked low-angle camera, smooth natural motion, consistent golden-hour lighting",
      "image_url": "https://your-cdn.example.com/first-frame.jpg",
      "duration": "6"
    }
  }'

Luego consulta repetidamente GET /v1/tasks/<taskId> hasta que data.status sea "success", y descarga data.output[0].url de inmediato: las URL de salida están firmadas y caducan, así que guarda los bytes en tu propio almacenamiento. Encontrarás el código completo de sondeo y manejo de errores en la explicación del flujo de la API y en la documentación.

Preguntas frecuentes

¿Por qué se rechaza mi duration? Debe ser la cadena "6" o "10". Un entero, o cualquier otro valor como "8", devuelve un 400.

¿Puedo controlar la resolución o la relación de aspecto? No: no hay campos de ese tipo en la estructura de parámetros. El fragmento hereda la relación de aspecto del fotograma de entrada, así que recorta la imagen estática al encuadre que quieras antes de generar.

¿La imagen de entrada debe ser pública? Sí. La API obtiene image_url en el servidor, así que las rutas de localhost y las URL firmadas caducadas fallarán. Cualquier enlace público de R2/S3/CDN sirve.

¿Estas indicaciones funcionan en el nivel rápido? Sí, tal cual: la estructura de parámetros es la misma. En planos con muchas partículas, la física es un poco menos refinada; ese es el compromiso que se obtiene con el precio más bajo.

¿Cuánto tarda un fragmento? Minutos, no segundos: cada uno de nuestros fragmentos de 6 segundos se completó en unos minutos de sondeo. Constrúyelo de forma asíncrona (sondeo o callback), no con esperas HTTP bloqueantes.

---

Los tres fragmentos anteriores provienen de un solo intento cada uno, a $0.40 cada uno: el coste total de generación de este manual es de $1.20. Si tienes una imagen estática que necesita moverse, consigue tu clave y empieza en la página del modelo hailuo-2.3/image-to-video: sustituye la URL de tu imagen en la solicitud anterior, describe el movimiento (no la escena), y antes de que tu café se enfríe tendrás tu primer fragmento listo.