Prompts image-vers-vidéo Hailuo 2.3 : 3 recettes prêtes à copier-coller (avec résultats réels)

Hailuo 2.3 (hailuo-2.3/image-to-video) est le palier standard image-vers-vidéo de MiniMax, et sa signature est la physique du mouvement : tissus, cheveux, eau et mouvements du corps entier se comportent comme votre œil l'attend. Cet article est un manuel pratique à copier tel quel, réunissant des prompts image-vers-vidéo Hailuo pour le palier standard — trois recettes prêtes à copier, ciblant précisément ce qu'il fait le mieux : le mouvement humain continu, la physique intense de l'eau, et l'animation d'illustrations stylisées.

Chaque clip ci-dessous est le résultat d'une seule tentative en conditions réelles avec le prompt présenté juste à côté — sans sélection parmi plusieurs exécutions — et chaque prix a été vérifié contre la page de tarifs en direct avant publication. Le palier standard se facture au clip : 0,40 $ pour 6 secondes, 0,80 $ pour 10 secondes.

Le schéma des paramètres d'entrée en 30 secondes

Le i2v de Hailuo s'exécute via l'endpoint de tâches asynchrones de hiapi (POST /v1/tasks), avec un schéma d'entrée délibérément minimal et strict :

Champ	Obligatoire	Description
prompt	Oui	Décrit le mouvement, pas la scène — l'image est déjà la scène
image_url	Oui	Une URL accessible publiquement (au singulier — pas image_urls) ; elle devient la première image
duration	Non	Chaîne "6" ou "10" — l'entier 6 est rejeté avec une 400
prompt_optimizer	Non	Booléen ; autorise la plateforme à étendre votre prompt avant la génération

Tout le reste — resolution, aspect_ratio, motion_strength — est rejeté avec 400 INVALID_REQUEST: additional properties not allowed. Il n'y a pas de bouton de réglage du mouvement ici : le prompt est le seul volant, et c'est précisément pourquoi les recettes de prompts comptent autant pour ce modèle. Le clip de sortie hérite du rapport d'aspect de l'image d'entrée (notre image 16:9 est rendue en 1364×768). Pour le flux complet requête/polling/téléchargement, consultez le guide de l'API image-vers-vidéo hailuo-2.3.

La formule de prompt qui tient dans les trois recettes :

Décrivez l'action du sujet dans l'ordre voulu (Hailuo exécute approximativement les actions superposées dans l'ordre) + une instruction de caméra (push-in / verrouillée / dérive) + une clause de cohérence (mouvement fluide et naturel, éclairage cohérent d'une image à l'autre)

Ne gaspillez aucun mot à redécrire ce que l'image contient déjà. L'image porte le style ; chaque token du prompt doit payer en mouvement.

Recette 1 — mouvement continu du corps entier (enchaînement de tai-chi)

La tâche la plus difficile en image-vers-vidéo est le mouvement humain soutenu et coordonné — la plupart des modèles réussissent un geste, puis s'effondrent en une masse confuse. Cette recette demande à Hailuo 2.3 de partir d'une posture statique et d'exécuter un enchaînement d'arts martiaux continu, avec des tissus qui flottent :

Prompt de mouvement :

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

Sortie du premier coup (0,40 $, 6 secondes) :

À remarquer : les bras effectuent un balayage circulaire complet sans que l'anatomie ne se brise, et les manches traînent derrière les bras comme du vrai lin — ce mouvement de tissu secondaire est la marque du palier standard. La phrase "in one continuous circular motion" est essentielle : sans indication explicite de continuité, les modèles i2v produisent souvent un geste, une pause, puis un second geste sans rapport. Nommer le tissu ("sleeves and sash trailing") active la simulation de tissu ; si vous ne le mentionnez pas, les vêtements amples restent souvent rigides.

Recette 2 — physique de l'eau et du poil (chien qui s'ébroue)

Un chien mouillé qui s'ébroue est un test physique impitoyable : rotation corporelle à haute fréquence, poils qui s'agglomèrent, et des dizaines de gouttes d'eau qui ont chacune besoin d'une trajectoire balistique plausible. C'est aussi un schéma réellement utile — les marques d'animaux et les équipes de banques d'images animent ainsi souvent des images fixes :

Prompt de mouvement :

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

Sortie du premier coup (0,40 $, 6 secondes) :

À remarquer : les éclaboussures ressemblent à des gouttes individuelles éclairées à contre-jour, avec de vraies trajectoires, et non à un flou de filtre — et le clip suit l'ordre du script (s'ébrouer → s'arrêter → incliner la tête). Deux astuces réutilisables ici. Premièrement, "against the backlight" indique au modèle à quoi l'eau doit ressembler, pas seulement qu'elle existe ; les descriptions d'action sensibles à la lumière produisent généralement de meilleures particules. Deuxièmement, terminer par une petite action calme ("tilts its head at the camera") donne au clip un rythme de clôture naturel au lieu d'une coupure en plein ébrouement — utile quand le clip doit boucler sur une page produit.

Recette 3 — animer une illustration stylisée (dragon à l'encre)

Le i2v de Hailuo ne se limite pas aux photos. Donnez-lui une image fixe stylisée — ici une illustration à l'encre d'un dragon-koï dans les nuages — et il animera dans le style de l'image, traitant les coups de pinceau comme un médium plutôt que de tenter de les rendre photoréalistes :

Prompt de mouvement :

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

Sortie (0,40 $, 6 secondes) :

À remarquer : les nuages s'étalent et se recomposent comme de l'encre humide, au lieu de se comporter comme du brouillard photographique — "brush strokes flowing like water" y parvient en nommant la physique du médium plutôt que la scène elle-même. Pour les entrées illustrées, gardez le prompt court et laissez le style de l'image dominer ; un vocabulaire photographique long ("cinematic", "bokeh") peut entrer en conflit avec l'illustration et provoquer une dérive de style. C'est exactement le schéma à adopter pour des mascottes de marque, des illustrations de livres ou des écrans de lancement de jeu.

Palier standard vs. palier rapide : quand les 0,40 $ valent le coup

hiapi propose aussi hailuo-2.3-fast/image-to-video à 0,27 $/6 secondes, avec le même schéma de trois champs, donc les prompts se transfèrent tels quels entre les deux paliers. Un workflow qui fonctionne bien :

• Prototyper sur le palier rapide (0,27 $/clip) en itérant sur la formulation du mouvement — le schéma et le comportement sont identiques, donc l'expérience se transfère.
• Relancer les prises retenues sur le palier standard (0,40 $/clip) quand le plan dépend de la fidélité physique : mouvements humains multi-étapes, tissus, scènes à forte densité de particules comme la recette 2.
• Les deux paliers sont facturés au clip, pas à la seconde — une expérience ratée coûte autant qu'une prise retenue, autre raison de prototyper à bas coût.

L'exécuter vous-même

N'importe laquelle des recettes ci-dessus ne demande qu'une seule requête. Créez la tâche :

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"
    }
  }'

Puis interrogez GET /v1/tasks/<taskId> jusqu'à ce que data.status soit "success", et téléchargez immédiatement data.output[0].url — les URL de sortie sont signées et expirent, donc enregistrez les octets dans votre propre stockage. Le code complet de polling et de gestion des erreurs figure dans la description du flux API et la documentation.

Questions fréquentes

Pourquoi mon duration est-il rejeté ? Il doit être la chaîne "6" ou "10". Un entier, ou toute autre valeur comme "8", renvoie une 400.

Puis-je contrôler la résolution ou le rapport d'aspect ? Non — ces champs n'existent pas dans le schéma. Le clip hérite du rapport d'aspect de l'image d'entrée, donc recadrez l'image fixe au format souhaité avant la génération.

L'image d'entrée doit-elle être publique ? Oui. L'API récupère image_url côté serveur, donc les chemins localhost et les URL signées expirées échouent. Tout lien public R2/S3/CDN convient.

Ces prompts fonctionnent-ils sur le palier rapide ? Oui, tels quels — même schéma. Sur les plans à fortes particules, la physique est un peu moins fine ; c'est le compromis du prix plus bas.

Combien de temps prend un clip ? De l'ordre de la minute, pas de la seconde — chacun de nos clips de 6 secondes s'est terminé en quelques minutes de polling. Concevez en asynchrone (polling ou callback), pas avec une attente HTTP bloquante.

---

Les trois clips ci-dessus proviennent d'une seule tentative chacun, à 0,40 $ pièce — soit 1,20 $ de génération pour tout ce manuel. Si vous avez une image fixe à animer, obtenez votre clé et commencez depuis la page du modèle hailuo-2.3/image-to-video : remplacez l'URL de votre image dans la requête ci-dessus, décrivez le mouvement (pas la scène), et votre premier clip sera prêt avant que votre café ne refroidisse.