Prompts de PixVerse V6: 4 recetas de texto a vídeo y clips reales

A continuación se presentan cuatro prompts de pixverse-v6/text-to-video que puedes copiar, pegar y ejecutar directamente. Cada prompt incluye su cuerpo de solicitud completo y el clip real que generó en la API en vivo de hiapi: aquí no hay videos de archivo ni contenido simulado. Los clips a continuación se pueden reproducir en línea.

Texto a vídeo y imagen a vídeo son dos disciplinas distintas. Con imagen a vídeo, le das al modelo un primer fotograma y este se anima a partir de él; en cambio, texto a vídeo no tiene ningún fotograma de entrada, por lo que el prompt debe establecer al mismo tiempo el sujeto, la escena, la iluminación y el movimiento. Estas recetas están ajustadas precisamente para eso.

Los tres tipos de campos que hacen el trabajo principal

Antes de empezar con las recetas, establezcamos un modelo mental. pixverse-v6/text-to-video recibe un prompt y un conjunto pequeño y fijo de campos de entrada (el esquema es cerrado: los campos desconocidos se rechazan). Tres de estos tipos de campos son los que más influyen en la salida:

• El prompt en sí. El modelo deliberadamente no tiene campos camera_movement, motion_mode ni quality. Cada movimiento de cámara y cada matiz de acción deben escribirse en el texto del prompt. Este es el punto más importante para entender el modelo.
• style: una enumeración con cinco ajustes preestablecidos: anime, 3d_animation, clay, comic, cyberpunk. Establecerlo cambia por completo la apariencia de todo el renderizado, no solo la paleta de colores.
• generate_audio: un valor booleano (por defecto false). Al activarlo, el modelo genera el sonido ambiental descrito en el prompt en la misma llamada y lo mantiene sincronizado.

El resto de campos son de formato y controles de ajuste: aspect_ratio (ocho opciones, incluidas 16:9 y 9:16), duration (un entero, de 1 a 15 segundos), resolution (360p → 1080p), y opcionalmente negative_prompt y seed. La lista completa de campos y la estructura de solicitud/respuesta se encuentran en la documentación de Create Task y Get Task Detail; la página específica del modelo es la documentación de la API de PixVerse V6 Text to Video.

Receta 1: movimiento de cámara cinematográfico + audio sincronizado

Un plano de establecimiento realista en el que es la propia cámara la que se mueve, y el sonido ambiental se genera en la misma llamada.

Prompt (listo para copiar y pegar):

Cinematic slow dolly push-in across a windswept coastal cliff at golden hour. Tall grass ripples in the sea breeze, waves crash against dark rocks far below, warm low sunlight rakes across the scene. The camera glides forward steadily toward the cliff edge, revealing a wide ocean horizon. Shallow depth of field, gentle lens flare, realistic film grain, soft natural ambience of wind and distant surf.

Cuerpo de la solicitud:

{
  "model": "pixverse-v6/text-to-video",
  "input": {
    "prompt": "<prompt above>",
    "aspect_ratio": "16:9",
    "duration": 5,
    "resolution": "720p",
    "generate_audio": true
  }
}

El clip real de 5 segundos que generó (16:9, 720p, sonido activado):

Por qué funciona:

• En pixverse-v6 no hay campo camera_movement, por lo que el movimiento está en el prompt: "slow dolly push-in" y "the camera glides forward steadily" son exactamente lo que produce el efecto de avance.
• generate_audio: true es la única razón por la que este clip tiene sonido de viento y olas: es un verdadero interruptor booleano cuyo valor predeterminado es false. Describe el sonido que quieres ("soft natural ambience of wind and distant surf") y se renderizará sincronizado.
• Los verbos sensoriales y concretos ("grass ripples", "waves crash", "sunlight rakes") le dan al modelo movimiento que animar, en lugar de una postal estática.

Receta 2: ajuste preestablecido style: anime

Convierte un compás de personaje corriente en anime dibujado a mano con un solo campo.

Prompt (listo para copiar y pegar):

A teenage courier in a weathered red jacket stands on a rain-slicked rooftop at dusk, distant city lights blooming behind her. A gentle breeze lifts her hair and the hem of her jacket; neon signs flicker and reflect in shallow puddles. The camera slowly orbits from her side around to a three-quarter front view. Hand-drawn anime aesthetic, soft cel shading, warm-to-cool color grade.

Cuerpo de la solicitud:

{
  "model": "pixverse-v6/text-to-video",
  "input": {
    "prompt": "<prompt above>",
    "aspect_ratio": "16:9",
    "duration": 5,
    "resolution": "720p",
    "style": "anime",
    "negative_prompt": "blurry, distorted hands, extra limbs, watermark, text artifacts"
  }
}

El clip real de 5 segundos que generó (16:9, 720p):

Por qué funciona:

• style: "anime" cambia por completo la apariencia de todo el renderizado: line art, sombreado cel y corrección de color; su efecto va mucho más allá de añadir la palabra "anime" al prompt.
• La dirección de cámara sigue expresándose en prosa: "the camera slowly orbits from her side around to a three-quarter front view" produce una revelación controlada en lugar de un plano fijo de trípode.
• Un negative_prompt breve ("distorted hands, extra limbs") es un seguro barato en planos de personajes, ya que las manos y las extremidades son puntos de fallo habituales.

Receta 3: ajuste preestablecido style: 3d_animation

Un compás de personaje en 3D cálido, al estilo Pixar, ideal para mascotas de producto y aperturas de tutoriales.

Prompt (listo para copiar y pegar):

A chubby palm-sized desk robot with big round eyes wakes up on a wooden desk beside a steaming coffee mug. It stretches its little arms, blinks twice, then waves cheerfully at the camera. Morning light streams through a nearby window. Smooth stylized 3D animation, soft global illumination, playful squash-and-stretch motion, shallow depth of field.

Cuerpo de la solicitud:

{
  "model": "pixverse-v6/text-to-video",
  "input": {
    "prompt": "<prompt above>",
    "aspect_ratio": "16:9",
    "duration": 5,
    "resolution": "720p",
    "style": "3d_animation"
  }
}

El clip real de 5 segundos que generó (16:9, 720p):

Por qué funciona:

• style: "3d_animation" aporta iluminación global suave y una textura de superficies redondeadas que, de otro modo, tendrías que perseguir con todo un párrafo de prompt.
• Los compases ordenados hacen que estos 5 segundos sean claramente legibles: "stretches its little arms, blinks twice, then waves"; si ordenas las acciones, el modelo les asigna ritmo a lo largo del clip.
• Las indicaciones de animación que el modelo entiende ("squash-and-stretch motion") se interpretan como animación de personaje intencionada, no como un renderizado a la deriva.

Receta 4: formato vertical y ritmo de alta energía (style: cyberpunk, 9:16)

Un clip vertical dinámico que detiene el desplazamiento, ideal para Reels / Shorts / TikTok.

Prompt (listo para copiar y pegar):

Fast first-person sprint through a narrow neon alley in a rain-soaked future megacity at night. Holographic advertisements smear past, puddles throw back magenta and cyan light, steam vents hiss on both sides. Quick energetic forward motion with a slight handheld camera shake, dynamic reflections, high contrast. Dense, kinetic, cinematic.

Cuerpo de la solicitud:

{
  "model": "pixverse-v6/text-to-video",
  "input": {
    "prompt": "<prompt above>",
    "aspect_ratio": "9:16",
    "duration": 5,
    "resolution": "720p",
    "style": "cyberpunk",
    "negative_prompt": "static, frozen, slow, dull colors, low detail, watermark, text"
  }
}

El clip real de 5 segundos que generó (9:16, 720p):

Por qué funciona:

• aspect_ratio: "9:16" compone en vertical desde el principio; recortar a vertical en posproducción te hace perder la mitad de la resolución, así que solicita directamente la forma de fotograma que necesitas.
• El ritmo es una decisión del prompt: "fast first-person sprint", "quick energetic forward motion" y "slight handheld camera shake" empujan al modelo hacia un movimiento dinámico.
• Aquí el negative_prompt vale la pena: "static, frozen, slow, dull colors" aleja activamente al modelo de la salida sin vida que suelen producir los prompts anodinos.

Puntos clave para ajustar

• El movimiento se escribe en prosa, no en parámetros. Si el clip parece estático, añade instrucciones de cámara explícitas ("slow dolly in", "orbit left", "crane up") y movimiento físico del sujeto. Un prompt vago solo produce planos de cámara fija.
• Elige style con intención. La misma escena se ve completamente distinta como anime, 3d_animation o cyberpunk. Si quieres un estilo realista, no establezcas style.
• El audio es un valor booleano. generate_audio: true añade sonido sincronizado; su valor predeterminado es false, y sound / audio no son nombres de campo (se rechazan). El precio tiene un nivel distinto con sonido activado, así que actívalo solo cuando lo necesites.
• Primero define la forma, luego la escala. Para vertical, establece aspect_ratio: 9:16 en lugar de recortar un renderizado de 16:9 en posproducción. duration es un entero: 5 funciona, "5" se rechaza.
• negative_prompt y seed. Usa negative_prompt para alejar los modos de fallo habituales ("static, blurry, extra limbs, watermark"); una vez que encuentres la apariencia con la que quieres seguir iterando, establece un seed.

FAQ

¿Cómo se controla la cámara en pixverse-v6 texto a vídeo?
Únicamente mediante el prompt. No hay parámetros de cámara: escribe el movimiento en texto ("slow dolly push-in", "the camera orbits to a three-quarter view"), como se muestra en las recetas 1 y 2 anteriores.

¿pixverse-v6 texto a vídeo puede generar sonido?
Sí. Establece generate_audio: true (su valor predeterminado es false) y describe el sonido ambiental en el prompt. El clip costero de la receta 1 renderizó el sonido del viento y las olas en la misma solicitud.

¿Qué duraciones y resoluciones de vídeo se admiten?
duration es un entero de 1 a 15 segundos, y resolution puede ser 360p, 540p, 720p, 1080p. El cobro es por segundo, con niveles distintos según el sonido esté activado o desactivado; consulta la página de precios para ver las tarifas por segundo actuales en cada resolución (los datos anteriores son válidos a octubre de 2026).

¿En qué se diferencia de imagen a vídeo?
Texto a vídeo no tiene fotograma de entrada, por lo que el prompt carga con toda la escena. Si ya tienes un primer fotograma que quieres animar, usa pixverse-v6/image-to-video.

¿Estos prompts funcionan en otros modelos de vídeo?
La estructura es transferible, pero los ajustes preestablecidos de estilo y el interruptor de audio son específicos de pixverse-v6. Para otros modelos, consulta nuestras otras colecciones de recetas, como los prompts de Kling texto a vídeo y los prompts de Grok Imagine 1.5.

Ejecuta estas recetas tú mismo

Cada clip anterior proviene de una llamada POST /v1/tasks más un sondeo: copia un prompt, rellena el cuerpo de la solicitud y obtendrás una salida del mismo tipo. Obtén el esquema en vivo y tu clave de API en la página del modelo PixVerse V6 Text to Video, consulta el formato de solicitud en la documentación de Create Task y revisa los precios antes de ejecutar en lote.