Recetas de prompts de imagen a vídeo para Veo 3.1 Lite: prompts listos para copiar y pegar y resultados reales

Resumen en una frase

• veo-3.1-lite/image-to-video convierte una sola imagen estática en un clip corto, y es uno de los pocos modelos de imagen a vídeo en hiapi que admite audio sincronizado nativo (generate_audio: true): no hace falta añadir efectos de sonido por separado.
• La duración del clip es fija: 4, 6 u 8 segundos, con resolución 720p o 1080p. No hay parámetro de relación de aspecto: el encuadre de salida sigue directamente a la imagen de origen.
• A continuación, tres prompts de movimiento probados en producción (giro de cabeza de una persona, presentación de producto y avance en un entorno), cada uno con su imagen de origen y el clip generado realmente a través de la API en línea.
• El audio encarece de verdad: al activar generate_audio, 720p pasa de $0.06 a $0.10 por segundo y 1080p pasa de $0.10 a $0.14 por segundo. Desactiva el audio para bucles de producto sin sonido.
• Las tres imágenes de origen de este artículo se han generado para el mismo, y los tres clips se han renderizado a través del mismo endpoint /v1/tasks que tú usarías: ninguno es material de demostración de la plataforma.

Cómo se elaboraron estas recetas

Cada receta sigue el mismo ciclo de dos pasos:

1. Genera una imagen de origen limpia con un modelo de texto a imagen (nosotros usamos gpt-image-2/text-to-image). Esa imagen estática es el primer fotograma: la composición, la iluminación y la pose del sujeto que fijas aquí son el punto de partida de la animación del vídeo.
2. Pasa la URL pública de esa imagen estática junto con el prompt de movimiento a veo-3.1-lite/image-to-video; el prompt describe lo que debe cambiar en los siguientes segundos: giro de cabeza, apertura de tapa, avance de cámara. El modelo no inventa una escena nueva: solo hace que se mueva la imagen que le das.

Antes de gastar dinero en clips reales, al explorar el schema descubrimos varios puntos:

• image_url solo acepta una única cadena, no un array: una imagen de referencia por clip y sin fusión de varias imágenes.
• No hay campo aspect_ratio. El vídeo renderizado mantiene el encuadre de la imagen de origen.
• duration solo acepta 4, 6 u 8: pasar 5 o 10 se rechaza directamente.
• generate_audio es un booleano normal, pero cambia el tramo de precio (consulta la tabla de costes más abajo), así que decide antes de lanzar si el clip necesita sonido.

Receta 1: giro de cabeza y sonrisa

Imagen de origen: retrato de estudio, ángulo de tres cuartos, expresión serena:

La mujer gira lentamente la cabeza y los hombros para mirar directamente a cámara, y su expresión pasa de serena a una sonrisa cálida y sincera mientras establece contacto visual con el objetivo. Su cabello rizado pelirrojo se balancea suavemente con el movimiento. Fondo suave de ruido ambiental de estudio; se oye una ligera exhalación cuando sonríe.

veo-3.1-lite/image-to-video · 6 s · 720p · generate_audio: true · $0.60

Por qué funciona: el prompt solo da al modelo una acción (girar la cabeza) y un cambio de expresión (de serena a sonriente); no le pide nada que la pose de origen no pueda sostener. Especificar el audio aquí («fondo suave de ruido ambiental de estudio», «ligera exhalación») es clave: sin indicaciones, generate_audio: true suele generar por defecto un ambiente genérico en lugar de un sonido que encaje con el ritmo de la imagen.

Receta 2: rotación de presentación de producto

Imagen de origen: estuche de auriculares cerrado sobre una plataforma de mármol:

La tapa del estuche se abre despacio sobre la bisagra mientras el estuche gira suavemente en sentido horario sobre la plataforma de mármol, dejando ver los auriculares colocados en el interior. A medida que gira, una luz de contorno de estudio recorre brevemente la superficie negra mate. La cámara permanece fija; solo se mueve el sujeto.

veo-3.1-lite/image-to-video · 4 s · 1080p · generate_audio: false · $0.40

Por qué funciona: los bucles de producto de comercio electrónico rara vez necesitan sonido (la mayoría de los compradores ven los vídeos de producto sin audio), así que este lo desactiva por completo y mantiene el clip corto (4 s), con una sola acción compuesta (abrir la tapa + girar). Especificar «la cámara permanece fija» evita que el modelo añada por su cuenta un travelling que no pediste, un fallo habitual en planos de producto.

Receta 3: elevación de la niebla en el entorno

Imagen de origen: pasarela sobre un lago cubierto de niebla al amanecer:

La cámara avanza lentamente por la pasarela de madera hacia el banco vacío; la niebla matinal se desplaza sobre el lago y se va aclarando, y la luz del sol empieza a atravesar el cielo rosado y se refleja en las ondas del agua. Paisaje sonoro ambiental tenue: cantos de pájaros y el suave chapoteo del agua contra los pilotes de la pasarela.

veo-3.1-lite/image-to-video · 6 s · 720p · generate_audio: true · $0.60

Por qué funciona: los planos de entorno funcionan bien al combinar movimiento de cámara (avance) con movimiento del entorno (la niebla se aclara, la luz cambia); con uno solo parece estático, y es la superposición de ambos lo que da sensación de escena viva. Las indicaciones de audio ambiental («cantos de pájaros», «chapoteo del agua») vinculan la pista de sonido al contenido de la imagen, en lugar de ser un ruido de fondo genérico.

Reducir la factura por segundo

veo-3.1-lite/image-to-video factura según la resolución y si el audio está activado, verificado con el endpoint /api/pricing en línea:

Resolución	Audio	Precio por segundo	Coste de un clip de 6 s
720p	Desactivado	$0.06/s	$0.36
720p	Activado	$0.10/s	$0.60
1080p	Desactivado	$0.10/s	$0.60
1080p	Activado	$0.14/s	$0.84

Dos conclusiones: mantener 720p con el audio desactivado es la forma más barata de iterar prompts antes de comprometerte con renderizados más largos o de mayor resolución. Y pasar de 720p sin audio a 1080p con audio casi duplica la tarifa por segundo ($0.14 frente a los $0.10 de 720p sin audio): reserva la combinación 1080p + audio para los clips que realmente vas a entregar.

Pruébalo tú mismo: enviar, consultar y descargar

import time
import requests

API_BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = "YOUR_HIAPI_API_KEY"

def submit(prompt, image_url, duration=6, resolution="720p", generate_audio=True):
    resp = requests.post(
        API_BASE,
        headers={"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"},
        json={
            "model": "veo-3.1-lite/image-to-video",
            "input": {
                "prompt": prompt,
                "image_url": image_url,
                "duration": duration,
                "resolution": resolution,
                "generate_audio": generate_audio,
            },
        },
        timeout=30,
    )
    resp.raise_for_status()
    return resp.json()["data"]["taskId"]

def poll(task_id, interval=8, timeout=300):
    deadline = time.time() + timeout
    while time.time() < deadline:
        r = requests.get(f"{API_BASE}/{task_id}",
                          headers={"Authorization": f"Bearer {TOKEN}"}, timeout=30)
        data = r.json()["data"]
        if data["status"] == "success":
            return data["output"][0]["url"]
        if data["status"] in ("failed", "error"):
            raise RuntimeError(f"task failed: {data}")
        time.sleep(interval)
    raise TimeoutError("task did not finish in time")

task_id = submit(
    prompt="El sujeto gira lentamente hacia la cámara y sonríe.",
    image_url="https://your-public-image-url.jpg",
    duration=6,
    resolution="720p",
    generate_audio=True,
)
video_url = poll(task_id)

# La URL de salida caduca: descarga los bytes inmediatamente
video_bytes = requests.get(video_url, timeout=60).content
with open("clip.mp4", "wb") as f:
    f.write(video_bytes)

Las URL de salida caducan: en cuanto la tarea informe success, descarga y guarda los bytes de inmediato, no conserves la referencia a largo plazo.

Si no conoces el flujo de generación basado en tareas de hiapi, la página de detalles del modelo veo-3.1-lite/image-to-video tiene la referencia de schema más reciente, y la página de precios siempre refleja las tarifas en tiempo real de cada modelo, no una instantánea. Si vas a construir una biblioteca más completa de prompts de imagen a vídeo, nuestro artículo sobre recetas de imagen a vídeo de Grok Imagine 1.5 cubre otro modelo con sus propios patrones de prompts de movimiento y sus compensaciones de coste.

Referencia rápida del schema

Campo	Tipo	Valores	Descripción
prompt	string	texto libre	Describe el movimiento o el cambio, no toda la escena
image_url	string	URL pública	Solo una imagen, no admite arrays
duration	integer	4, 6, 8	Otros valores se rechazan
resolution	string	"720p", "1080p"	No hay opción de 480p
generate_audio	boolean	true / false	Cambia el tramo de precio

Empezar

Genera una imagen de origen limpia, escribe un prompt de movimiento que indique claramente uno o dos cambios que quieras, y decide de antemano si el clip necesita sonido: ese es todo el flujo de trabajo. Ve a la página del modelo veo-3.1-lite/image-to-video para obtener una clave de API y empezar a renderizar.