Crear videos cortos con ltx-2.5-fast/text-to-video en HiAPI

Por qué ltx-2.5-fast/text-to-video encaja con la creación de videos cortos

El video corto es un juego de volumen, y el presupuesto de atención del espectador es breve. Necesitas muchos clips, una rotación rápida y una forma de descartar tomas malas sin dudar. Eso determina qué modelo de generación merece entrar en tu pipeline.

ltx-2.5-fast/text-to-video es un modelo de texto a video de la API de HiAPI con dos características clave aquí: produce audio nativo junto con la imagen y genera en 1080P. El efecto práctico es que un solo llamado devuelve un clip que ya tiene la forma adecuada para publicarse: no necesitas empalmar una pista de video muda con un fondo musical generado por separado, ni hacer superresolución de un borrador de baja resolución antes de que el clip se pueda mostrar.

El fast del nombre del modelo apunta exactamente a ese mismo compromiso: priorizar el rendimiento sobre la fidelidad máxima. Para la creación de videos cortos —clips verticales, ganchos, cortes para redes sociales— normalmente ese es el lado correcto. Iterarás más veces, y el número de iteraciones importa más que cualquier fotograma individual.

Un esquema sencillo del pipeline:

text prompt ──► ltx-2.5-fast/text-to-video ──► video track (1080P)
                                          └──► audio track (native)

Una entrada, dos salidas, un activo que gestionar. Todo el resto de esta guía se basa en esa forma.

Planifica el clip antes de escribir el prompt

El error más común en el trabajo de prompt a clip es escribir un solo prompt para todo el video. Pídele al modelo «haz un anuncio de 30 segundos» y promediará todos los momentos, produciendo algo que no termina de ser ninguno. Descompón primero.

Divide el video en unidades de plano

Escribe el guion y luego corta en cada cambio visual. Cada punto de corte es una unidad de generación. Un video corto típico suele quedar en cuatro a ocho unidades. Para cada unidad, define:

• un número y una frase que describa qué ocurre
• la duración prevista
• la intención de audio (diálogo, ambiente de fondo, solo música, silencio)
• una nota sobre si debe enlazar visualmente con el plano anterior

Mantén cada solicitud a pequeña escala

Las unidades pequeñas son baratas de regenerar y baratas de reordenar. Si el plano 3 no sale bien, vuelves a ejecutar el plano 3, no todo el video. Deja el trabajo de enlace fuera de las responsabilidades del modelo: si dos planos deben fluir juntos, genéralos por separado y únelos en el editor, en lugar de pedir un único plano largo y continuo.

Define de antemano la forma objetivo

La relación de aspecto, el rango de duración y el uso previsto del clip determinan todo lo demás. Fíjalos antes de la primera solicitud, porque cambiarlos después implica regenerar todo. Si vas a producir para varios canales, planifica una lista de planos por canal en lugar de recortar un máster: las diferencias de composición son lo bastante grandes como para que el recorte se note como recorte.

Trata la lista de planos como datos bajo control de versiones. Un prompt que produjo un buen clip es un activo; querrás tenerlo en el control de versiones junto al código que lo consume.

Patrones de prompts que producen clips utilizables

Escribe los prompts como descripciones de plano estructuradas, no como prosa. Una plantilla estable te da reproducibilidad: cuando un reintento funciona, sabes qué campo cambió.

Cinco campos

[subject]   who or what is on screen, with concrete visual detail
[action]    what happens during the shot — one continuous motion
[camera]    framing, angle, and movement (e.g. slow push-in, static wide)
[lighting]  time of day, source, mood
[audio]     what should be heard: dialogue, ambience, music character

Un ejemplo rellenado:

subject: a woman in a canvas work jacket, mid-30s, workshop background
action: she lifts a ceramic mug from a shelf and turns it in her hands
camera: static medium shot, slight shallow depth of field
lighting: warm afternoon window light from camera left
audio: quiet room tone, faint hum of a kettle, no music

Reglas que se sostienen

• Una acción por plano. Dos acciones en un solo prompt se reparten entre ambas. Si el plano necesita un segundo momento, son dos planos.
• Describe lo visible, no lo que significa. «Parece aliviada» no le da nada al modelo. «Sus hombros bajan y exhala» le da algo que renderizar.
• Especifica el comportamiento de cámara. No indicarlo es el camino más rápido a un clip inutilizable, porque el modelo elegirá un valor por defecto que no quieres.
• Especifica la intención de audio. El audio nativo significa que el prompt influye en el sonido. Di claramente si quieres diálogo, ambiente, música o silencio; no lo dejes implícito.
• Evita apilar negaciones. «Sin texto, sin marca de agua, sin personas extra» suele atraer justo lo que se nombra. Describe mejor la imagen que quieres.

Lleva un registro de prompts

Guarda el texto completo y los parámetros de cada prompt que envíes. Cuando un clip funciona, el prompt es un activo reutilizable; cuando falla, el registro te dice si lo que derivó fue el prompt o los parámetros.

Envía la solicitud a través de la API de HiAPI

La generación se realiza a través de la API de HiAPI con el identificador de modelo ltx-2.5-fast/text-to-video. La llamada es una sola solicitud: envías el prompt y los parámetros de generación, y recibes un trabajo cuyo resultado es el activo del clip.

Forma mínima de la solicitud

Los nombres exactos de los campos y los rangos admitidos están en la página de referencia de este modelo en la documentación de la API; consúltala antes de codificar nada. La estructura siguiente muestra la forma de una llamada funcional:

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": "static medium shot, a woman in a canvas work jacket lifts a ceramic mug from a shelf and turns it in her hands, warm afternoon window light from camera left, quiet room tone with a faint kettle hum",
    "duration": <clip length in seconds>,
    "resolution": "1080p"
  }'

Sustituye el marcador de posición de duration por un valor que acepte el modelo. Envía solo lo que necesitas: el prompt, la duración, la resolución y cualquier control de relación de aspecto o de audio que figure en la página de referencia.

Qué enviar como mínimo

• el identificador del modelo, exactamente como se publica
• el prompt completo, ensamblado con tu plantilla
• la duración, elegida dentro del rango que admite el modelo
• la resolución de salida, cuando el modelo te permita elegirla

Trata la respuesta como un trabajo, no como un archivo

Trata cada respuesta como un registro de trabajo: un identificador, un estado y —cuando termine— una referencia al activo. Persiste el identificador del trabajo junto con tu prompt y tus parámetros, de modo que cada clip de tu biblioteca se pueda rastrear hasta la solicitud que lo produjo.

Mantén las claves de API en el servidor e inyéctalas desde el entorno. No construyas prompts en el cliente.

Procesa aguas abajo el audio nativo y la salida 1080P

La llamada devuelve un clip 1080P que ya tiene pista de audio. Lo que hagas a continuación determina si eso tiene sentido.

Revisa antes de ensamblar

Mira cada clip completo, a tamaño real y sin silenciar. Comprueba dos cosas concretas:

• Sincronía audio-imagen. El audio nativo se genera junto con la imagen, no se deriva de ella. Confirma que el sonido coincide con la acción: coger una taza no debería sonar como cerrar una puerta.
• Nivel y carácter del audio. El audio generado puede ser más fuerte o más suave de lo que esperas. Revisa los picos antes de colocarlo en la línea de tiempo con ganancia unitaria.

Rechaza rápido. Un clip que necesita arreglos en la revisión suele ser más barato de regenerar que de arreglar, sobre todo cuando el punto de arreglo está en el prompt.

Ensambla, no regeneres

Une los planos con la herramienta de edición que tu equipo ya use. Como cada plano llega como un activo 1080P completo, el ensamblaje es edición normal: recortar cabecera y cola, fijar los puntos de transición y bajar el audio bajo la voz en off que añadas.

Conserva el audio nativo donde aporte valor. Los fondos ambientales y el ruido de sala generados junto con la imagen suelen encajar mejor que una pista de sonido superpuesta, porque se generaron para ese fotograma. Sustituye el audio solo donde necesites una voz concreta o música con licencia.

Exporta para el canal objetivo

Exporta con el códec, la relación de aspecto y la duración que espera la plataforma de destino, y valida con una exportación de muestra frente a los requisitos de esa plataforma antes de producir en lote. La fuente 1080P te da margen para reencuadrar a distintas relaciones de aspecto, pero vuelve a revisar la composición tras reencuadrar: el encuadre que aprobaste puede no soportar el recorte.

Mantén el coste de iteración y la calidad bajo control

La generación se factura según el trabajo que solicitas: la duración del clip y la resolución influyen en el coste de una llamada. Eso significa que tu disciplina de iteración es tu control de costes. Tres prácticas deliberadas:

Regenera antes de reescribir

Si el clip se acerca pero no es correcto, ejecuta el mismo prompt otra vez. La generación no es perfectamente determinista y una segunda muestra a veces elimina defectos leves. Si repetir el mismo prompt dos veces falla de la misma manera, el problema está en el prompt: cámbialo.

Cambia una cosa a la vez

Cuando edites el prompt, edita un solo campo. Si cambias a la vez el sujeto, la cámara y la iluminación y el resultado mejora, no has aprendido nada reutilizable. La iteración de una sola variable converge; la edición dispersa produce clips que no puedes reproducir.

Distingue problemas de prompt de problemas de parámetros

Pregunta en qué eje se produce el fallo. La composición, la acción y el tono son problemas de prompt. La duración, la resolución y el formato son problemas de parámetros. Arreglar un problema de composición acortando el clip desperdicia una llamada; arreglar un problema de duración reescribiendo el prompt, también.

Escala en orden

1. Vuelve a ejecutar el mismo prompt.
2. Ajusta un campo del prompt.
3. Cambia un parámetro (duración, resolución).
4. Rediseña el plano.

La mayoría de los clips reparables se resuelven en el paso 1 o el paso 2. Saltar al paso 4 es la forma de encarecer una iteración barata.

Por último, limita el número de intentos. Define un tope de reintentos por plano en tu capa de trabajos y detente al alcanzarlo: ese plano necesita un replanteamiento, no otra muestra.

Modos de fallo habituales y cómo depurarlos

La mayoría de los problemas de prompt a clip caen en unas pocas categorías. Esto es lo que hay que mirar primero en cada una.

El clip no coincide con el prompt

Revisa primero la especificidad del prompt. Los sujetos vagos y el comportamiento de cámara no especificado son las causas habituales. Reescribe el plano con la plantilla de cinco campos y especifica el comportamiento de cámara.

Acción confusa o dividida

Probablemente pediste más de una cosa a la vez. Divide el plano en dos unidades de generación, cada una con una sola acción continua.

El audio no coincide con la imagen

Revisa el campo de audio del prompt. Si lo dejaste implícito, el modelo eligió un valor por defecto. Especifica directamente la intención de audio: ambiente, diálogo, carácter de la música o silencio.

La duración o la forma del clip no es la correcta

Es un problema de parámetros, no de prompt. Verifica que los valores que envías estén dentro de los rangos indicados en la página de referencia del modelo y confirma que tu cliente los serializa como esperas, en lugar de descartarlos.

La solicitud falla o expira

Comprueba en orden: la ortografía del identificador del modelo exactamente como se publica; que la clave de API existe y es válida; que el cuerpo de la solicitud es JSON válido; que no superas el límite de tasa. La generación es trabajo asíncrono, así que una respuesta lenta no es necesariamente un fallo: consulta el estado del trabajo en lugar de reenviarlo, o pagarás dos veces por el mismo clip.

Resultados inconsistentes entre ejecuciones

Hasta cierto punto es esperable. Registra cada prompt y conjunto de parámetros para poder distinguir una regresión real de una fluctuación normal, y mantén igual tu tope de reintentos.

El bucle de depuración más rápido siempre es el mismo: recupera el registro del trabajo, lee el prompt y los parámetros exactos que enviaste, y cambia un campo a la vez hasta que el clip coincida con el plano que habías planificado.