Crear videos cortos con HappyHorse 1.1 de imagen a video mediante la API de hiapi

TL;DR

• Qué es: un flujo de trabajo real y utilizable de imagen a video basado en happyhorse-1.1/image-to-video en la API de hiapi: convierte la foto de un producto o un retrato en un video corto con audio nativo, listo para TikTok, Reels o una página de producto.
• Por qué imagen a video en lugar de texto a video: cuando ya tienes la imagen exacta —un producto sobre la mesa, un retrato—, fijar primero la composición en una imagen estática y dejar que el modelo le añada movimiento da resultados mucho más predecibles que describir toda la escena desde cero.
• La estructura de la tarea es sencilla: image_urls (exactamente una imagen del primer fotograma), un prompt opcional para guiar el movimiento, resolution (720p/1080p) y duration (3-15 segundos, 5 segundos por defecto). No hay control deslizante de intensidad de movimiento ni configuración de trayectoria de cámara.
• Precio (a septiembre de 2026): 720p cuesta $0.16/segundo y 1080p $0.21/segundo, facturado según duration; un clip de 4 segundos en 720p como los de abajo cuesta $0.64. Antes de planificar tareas por lotes, consulta siempre la página de precios actualizados de hiapi, ya que las tarifas pueden cambiar.
• El audio es nativo: HappyHorse 1.1 genera el sonido sincronizado con el movimiento; no hace falta un paso de audio aparte ni configurar campos adicionales.

Dos ejemplos reales: una foto de producto y un retrato

A continuación se muestran dos clips generados de principio a fin con la API de hiapi: el mismo modelo, dos primeros fotogramas distintos y dos intenciones de movimiento diferentes. Ambos se presentan incrustados como videos realmente reproducibles, no como miniaturas estáticas.

Ejemplo 1: convertir una foto de producto en un clip promocional

Partimos de una foto de producto sencilla —unos auriculares inalámbricos dentro de su estuche de carga— y pedimos al modelo una revelación cinematográfica lenta, en lugar de dejar el estuche como una imagen plana e inmóvil.

Prompt utilizado:

Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style

Un clip así normalmente requeriría una sesión de fotos de producto real —equipo de raíl y montaje de iluminación—, mientras que aquí basta una foto estática y un prompt de texto. Para el comercio electrónico, este patrón (imagen principal estática → clip animado corto y en bucle) encaja bien como material secundario de la página de producto o como creatividad publicitaria nativa, ya que la solicitud solo se factura por una generación de 4 segundos en 720p ($0.64), y no por toda una producción de video.

Ejemplo 2: dar vida a un retrato

El segundo caso de uso es un retrato estilo presentador o modelo: quieres añadir a una foto de perfil originalmente estática una sensación de vida sutil y natural —un ligero giro de cabeza, una sonrisa que asoma, el pelo que se mueve— sin cambiar la composición ni el fondo.

Prompt utilizado:

The woman turns her head naturally toward the camera with a soft warm smile, hair moves gently, natural blinking, subtle breathing motion, soft even studio lighting stays consistent, background stays plain and calm, no text

Este patrón sirve para convertir un lote de fotos de perfil —páginas de equipo, perfiles de creadores, secciones de testimonios— en material animado breve y de bajo esfuerzo, sin contratar a un camarógrafo para cada persona. Como image_urls acepta exactamente una imagen del primer fotograma, la identidad del sujeto y la composición quedan fijadas a tu foto de origen; el modelo solo anima el movimiento y la luz, sin reinterpretar la escena.

Cómo es la solicitud en la práctica

Los dos clips anteriores provienen de una solicitud con la misma forma dirigida a la API unificada de tareas asíncronas de hiapi:

{
  "model": "happyhorse-1.1/image-to-video",
  "input": {
    "image_urls": ["https://static.hiapi.ai/blog/happyhorse-1-1-image-to-video-short-form-video/product-first-frame.jpg"],
    "prompt": "Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style",
    "resolution": "720p",
    "duration": 4
  }
}

Envíala a POST /v1/tasks y luego consulta GET /v1/tasks/:id periódicamente hasta que status alcance un estado final; o, mejor para producción, configura callback.url para que hiapi notifique a tu servicio cuando la tarea termine, en lugar de consultar tú mismo. Cuando status=success, el clip final está en output[0].url; descárgalo de inmediato, ya que esa URL tiene caducidad.

Elegir resolución y duración para videos cortos

Para clips cortos pensados para redes sociales (TikTok, Reels, Shorts), 720p junto con la duración más corta que aún cuente la historia suele ser el valor predeterminado práctico: cada clip es más barato y las plataformas sociales recomprimen el video de todos modos, por lo que el detalle adicional de 1080p rara vez se aprecia tras la subida. Opta por 1080p cuando el clip vaya a una página de producto o a un anuncio de pago y el espectador pueda verlo a pantalla completa en una pantalla grande. Aquí la duración es una palanca de coste mayor que la resolución: pasar de 4 a 8 segundos aproximadamente duplica el gasto en cualquier resolución, así que empieza por el clip más corto que exprese bien tu idea de movimiento y alárgalo solo cuando de verdad necesites esos segundos extra.

Preguntas frecuentes

¿Cuántas imágenes necesita la modalidad imagen a video? Exactamente una imagen del primer fotograma mediante image_urls (JPEG/PNG/WEBP, lado más corto ≥300px, ≤20MB). No se admite SVG. Todo el clip se genera a partir de ese fotograma.

¿La salida incluye audio? Sí: HappyHorse 1.1 genera audio nativo sincronizado junto con el movimiento, sin necesidad de configurar ningún campo adicional.

¿En qué se diferencia de texto a video o de referencia a video? La modalidad imagen a video se guía por una imagen del primer fotograma, por lo que es la opción correcta cuando ya conoces la composición exacta que quieres. Si quieres generar un video a partir de una descripción puramente textual y sin imagen inicial, usa happyhorse-1.1/text-to-video. Si necesitas controlar con precisión el sujeto o el estilo mediante varias referencias (hasta 9 imágenes), usa happyhorse-1.1/reference-to-video.

¿Cuánto cuesta realmente un clip? A septiembre de 2026, hiapi factura HappyHorse 1.1 de imagen a video según duration, a $0.16/segundo (720p) o $0.21/segundo (1080p). Los dos clips de ejemplo de arriba son de 4 segundos en 720p, por lo que cuestan $0.64 cada uno. Antes de ejecutar lotes, consulta la página de precios actualizados, ya que las tarifas por segundo pueden actualizarse.

Conclusiones clave

• Elige imagen a video en lugar de texto a video cuando ya tengas la imagen exacta —una foto de producto, una foto de perfil— y solo necesites ponerla en movimiento.
• image_urls acepta exactamente una imagen del primer fotograma; no acepta un array de imágenes de referencia (para eso sirve reference-to-video).
• Cada clip incluye audio sin coste adicional: no hace falta un paso separado de generación de audio.
• La duración es la principal palanca de coste: un clip corto de 4 segundos en 720p cuesta $0.64, y el coste crece aproximadamente de forma lineal con los segundos, no con el nivel de resolución.
• Si estás eligiendo entre varios modelos de video para tu flujo de trabajo de formatos cortos, también puedes comparar este flujo con el flujo de imagen a video de Veo 3.1 Lite o con Seedance-2.0-Fast.

¿Listo para probarlo por tu cuenta? Consigue una clave de API, apunta una foto estática a happyhorse-1.1/image-to-video y prueba tu primer clip por unos pocos céntimos.