Hailuo 2.3 texte-vers-vidéo : un workflow de vidéos courtes basé sur l'API hiapi

Une vidéo courte a besoin d'un mouvement qui paraît crédible en une seconde d'image : un skateboard qui pivote, un tissu qui ondule, un whip pan rapide. hailuo-2.3/text-to-video est justement conçu pour cela : envoyez un prompt texte au point de terminaison /v1/tasks de hiapi et vous obtenez un clip de 6 ou 10 secondes au mouvement physique réaliste, sans image de référence. Cet article parcourt de bout en bout le workflow API réel, montre un clip réellement généré, explique une limitation de sortie qu'il vaut mieux connaître avant de bâtir un pipeline dessus, et cite directement la tarification en temps réel de /api/pricing de hiapi.

Là où hailuo-2.3/text-to-video excelle vraiment

Les modèles texte-vers-vidéo ont tendance à s'effondrer sur les actions physiques rapides : planches qui se courbent, membres qui se déforment en plein flip. Sur hiapi, hailuo-2.3/text-to-video porte l'étiquette « Motion Physics », et c'est là son véritable argument : il reste stable sur le type d'action qui constitue la majorité du contenu court — un trick, une révélation, un mouvement de caméra rapide. Il ne rivalise pas avec les modèles spécialisés dans les scènes statiques sur les détails fins, mais pour un clip de 6 à 10 secondes destiné à être regardé une seule fois sur un téléphone, un mouvement physiquement crédible compte davantage que la texture au pixel près.

Le prompt, et ce qu'il a réellement généré

Voici le prompt complet utilisé pour la vidéo ci-dessous — copiez-le comme point de départ pour vos propres plans d'action :

a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip, the board spinning crisply mid-air with realistic physical rotation, sneaker landing solidly back on the deck as wheels grip the concrete, sunlight flaring low through support pillars, dynamic low-angle tracking shot following the motion, natural motion blur on fast movement, warm saturated color grade, handheld documentary energy

Remarquez ce qui fonctionne vraiment dans le prompt : un mouvement de caméra nommé (« dynamic low-angle tracking shot »), une description explicite du mouvement (« crisply mid-air with realistic physical rotation ») et un temps de réception (« solidly back on the deck as wheels grip the concrete »). hailuo-2.3/text-to-video n'expose aucune paramètre de caméra ou de timing — tout vient de la précision de votre description.

Le problème : sortie paysage uniquement

Le schéma d'entrée de hailuo-2.3/text-to-video (la liste à jour des paramètres figure sur la page du modèle) est volontairement très restreint : prompt, duration ("6" ou "10") et prompt_optimizer. Pas d'aspect_ratio, pas de resolution, pas de seed — chaque vidéo est rendue en paysage fixe 1366×768.

C'est un vrai problème pour TikTok, Reels et Shorts, qui exigent tous du 9:16. Comme aucune option portrait n'est demandable, le contournement ne peut intervenir qu'après la génération : soit recadrer l'image paysage en bande verticale centrée (efficace quand le sujet reste au centre, comme dans la vidéo ci-dessus), soit conserver l'image entière en remplissant le haut et le bas avec une copie floutée et agrandie du même matériau — l'effet « fond flou » courant lorsqu'on remonte un clip paysage. Prévoyez l'étape de recadrage/remplissage comme partie intégrante du pipeline, plutôt que de supposer que le modèle vous livrera directement un rendu utilisable en vertical.

Coût : deux durées, pas de mode économique

Selon la page de tarification en temps réel de hiapi, hailuo-2.3/text-to-video facture à la vidéo : 0,40 $ pour un clip de 6 secondes et 0,80 $ pour un clip de 10 secondes — exactement le double, sans remise sur volume intégrée. C'est important pour un budget de production en série : trois clips de 6 secondes (1,20 $ au total, 18 secondes de métrage) coûtent le même prix que trois clips presque pleine durée, donc assembler plusieurs clips plus courts au montage revient souvent moins cher que couvrir la même durée totale avec un seul plan séquence prolongé.

Un piège à connaître : Hailuo 2.3 dispose bien d'une déclinaison « fast » moins chère (0,27 $ pour 6 s / 0,46 $ pour 10 s) — mais elle n'existe qu'en image-vers-vidéo. Le texte-vers-vidéo n'a qu'un seul niveau tarifaire, sans alternative fast/économique. Si vous avez besoin d'itérer beaucoup sur les prompts avant de lancer le rendu final, générer d'abord une image fixe puis itérer le mouvement avec hailuo-2.3-fast/image-to-video à partir de cette image revient souvent moins cher.

Intégration au pipeline

Tous les modèles vidéo de hiapi partagent le même schéma asynchrone /v1/tasks — créez la tâche, interrogez son état, téléchargez la sortie immédiatement, car les liens de livraison expirent :

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/text-to-video",
    "input": {
      "prompt": "a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip...",
      "duration": "6",
      "prompt_optimizer": true
    }
  }'

Interrogez GET /v1/tasks/{taskId} jusqu'à ce que le statut atteigne un état terminal, puis récupérez output[0].url et téléchargez immédiatement. La structure complète requête/réponse et la validation de schéma en temps réel sont sur la page du modèle ; les détails génériques d'authentification et de cycle de vie des tâches sont dans la documentation hiapi.

Si vous construisez un pipeline de vidéos courtes autour de plusieurs modèles vidéo plutôt que de miser sur un seul, le tour d'horizon des quatre grands modèles vidéo de hiapi vaut la lecture — hailuo-2.3 ne se positionne pas au même niveau de prix et de qualité que des modèles comme seedance-2.0-mini, et mélanger les modèles selon le type de scène donne généralement de meilleurs résultats qu'un modèle unique pour tout le calendrier éditorial.

Questions fréquentes

hailuo-2.3/text-to-video prend-il en charge une sortie portrait (9:16) ? Non. Il n'y a ni paramètre aspect_ratio ni resolution — chaque vidéo est rendue en paysage d'environ 1366×768. Il faut recadrer ou remplir la sortie après génération pour obtenir du portrait.

Combien de temps faut-il pour générer une vidéo ? C'est une tâche asynchrone : soumettez, puis interrogez l'état jusqu'à ce qu'il devienne terminal. Dans un pipeline par lots, prévoyez quelques minutes par vidéo plutôt que d'espérer un retour synchrone.

hailuo-2.3/text-to-video a-t-il une déclinaison moins chère ou plus rapide ? Non. La déclinaison « fast » à tarif réduit ne s'applique qu'à hailuo-2.3-fast/image-to-video. Le texte-vers-vidéo n'a qu'un seul prix : 0,40 $ pour 6 s, 0,80 $ pour 10 s.

Puis-je contrôler directement le mouvement de caméra ou des temps précis ? Pas via des paramètres structurés — mouvement, caméra et rythme viennent tous de la rédaction du prompt. Le prompt ci-dessus (un travelling nommé, une description explicite de la rotation, un temps de réception) est un modèle efficace à réutiliser pour des plans d'action physiques.

À retenir

• Tout le schéma d'entrée tient en prompt, duration ("6" ou "10") et prompt_optimizer — pas d'aspect_ratio, de resolution ni de seed à ajuster.
• La sortie est toujours en paysage d'environ 1366×768 ; pour les plateformes verticales de vidéos courtes, prévoyez une étape de recadrage ou de remplissage.
• Tarification fixe : 0,40 $ pour 6 s, 0,80 $ pour 10 s — la déclinaison « fast » moins chère n'existe qu'en image-vers-vidéo.
• Soumettez via /v1/tasks, interrogez jusqu'à l'état terminal, puis téléchargez immédiatement l'URL de sortie, car les liens expirent.

Prêt à essayer ? Générez une vidéo avec le prompt ci-dessus sur la page du modèle hailuo-2.3/text-to-video, et consultez la tarification actuelle avant de lancer toute une série de vidéos courtes en production.