Créer des vidéos courtes avec ltx-2.5-fast/text-to-video sur HiAPI

Pourquoi ltx-2.5-fast/text-to-video convient à la création de vidéos courtes

La vidéo courte est un jeu de volume, et le budget d'attention du public est très court. Vous avez besoin de beaucoup de clips, d'une rotation rapide et d'un moyen de jeter les ratés sans hésiter. Cela détermine quel modèle de génération mérite d'être intégré à votre pipeline.

ltx-2.5-fast/text-to-video est un modèle text-to-video de l'API HiAPI qui possède deux caractéristiques essentielles ici : il produit un audio natif en même temps que l'image, et il sort en 1080P. Concrètement, un appel renvoie un clip déjà publiable dans sa forme — vous n'avez pas à assembler une piste vidéo muette avec une nappe musicale générée séparément, ni à suréchantillonner un brouillon basse résolution avant que le clip soit présentable.

Le fast du nom du modèle pointe exactement vers ce même compromis : privilégier le débit plutôt que la fidélité extrême. Pour la création de vidéos courtes — clips verticaux, accroches, montages pour réseaux sociaux — c'est généralement le bon côté de la balance. Vous itérez plus souvent, et le nombre d'itérations compte plus que n'importe quelle image individuelle.

Un schéma de pipeline simple :

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

Une entrée, deux sorties, un seul actif à gérer. Tout le reste de ce guide repose sur cette forme.

Planifier le clip avant d'écrire le prompt

L'erreur la plus fréquente dans le travail prompt-vers-clip est d'écrire un seul prompt pour toute la vidéo. Demandez au modèle de « faire une pub de 30 secondes » et il moyennerea chaque temps fort, produisant quelque chose qui ne ressemble à rien. Décomposez d'abord.

Découper la vidéo en unités de plan

Écrivez le script, puis découpez à chaque changement visuel. Chaque point de coupe est une unité de génération. Une vidéo courte typique se situe entre quatre et huit unités. Pour chaque unité, indiquez :

• un numéro et une phrase décrivant ce qui se passe
• la durée prévue
• l'intention audio (dialogue, ambiance, musique seule, silence)
• une note sur la nécessité ou non d'un raccord visuel avec le plan précédent

Garder chaque requête à petite échelle

Les petites unités sont moins chères à régénérer et moins chères à réordonner. Si le plan 3 ne va pas, vous relancez le plan 3, pas toute la séquence. Laissez le travail de raccord hors du périmètre du modèle : si deux plans doivent s'enchaîner fluidement, générez-les séparément, puis assemblez-les dans le monteur, au lieu d'exiger un long plan continu.

Définir la forme cible à l'avance

Le format d'image, la plage de durée et l'usage du clip déterminent tout le reste. Fixez-les avant la première requête, car les changer ensuite implique de tout régénérer. Si vous produisez pour plusieurs canaux, planifiez une liste de plans par canal plutôt que de recadrer un master — les différences de composition sont suffisamment grandes pour qu'un recadrage ressemble à un recadrage.

Traitez la liste de plans comme une donnée versionnée. Un prompt qui a produit un bon clip est un actif ; vous voudrez le conserver dans le contrôle de version aux côtés du code qui le consomme.

Des schémas de prompts qui produisent des clips exploitables

Écrivez les prompts comme des descriptions de plan structurées, pas comme de la prose. Un modèle stable vous donne la reproductibilité : quand une nouvelle tentative réussit, vous savez quel champ a changé.

Cinq champs

[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 exemple rempli :

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

Des règles qui tiennent

• Une action par plan. Deux actions dans un même prompt se compromettent mutuellement. Si le plan a besoin d'un second temps, c'est deux plans.
• Décrivez ce qui est visible, pas ce que cela signifie. « Elle a l'air soulagée » ne donne rien au modèle. « Ses épaules s'affaissent et elle expire » lui donne quelque chose à rendre.
• Précisez le comportement de la caméra. Ne pas spécifier le comportement caméra est le chemin le plus rapide vers un clip inutilisable, car le modèle choisira une valeur par défaut que vous ne voulez pas.
• Spécifiez l'intention audio. L'audio natif signifie que le prompt influence le son. Dites clairement si vous voulez du dialogue, de l'ambiance, de la musique ou du silence — ne le laissez pas implicite.
• Évitez l'empilement de négations. « Pas de texte, pas de filigrane, pas de personnes en trop » a tendance à attirer ce qui est nommé. Décrivez plutôt l'image que vous voulez.

Tenez un journal des prompts

Pour chaque prompt envoyé, stockez le texte complet plus les paramètres. Quand un clip fonctionne, le prompt est un actif réutilisable ; quand il échoue, le journal vous dit si ce qui a dérivé est le prompt ou les paramètres.

Lancer une requête via l'API HiAPI

La génération passe par l'API HiAPI, avec l'identifiant de modèle ltx-2.5-fast/text-to-video. L'appel est une requête unique : vous envoyez le prompt et les paramètres de génération, et vous recevez un job dont le résultat est l'actif clip.

Forme minimale de la requête

Les noms de champs exacts et les plages prises en charge figurent sur la page de référence du modèle dans la documentation de l'API — allez y voir avant de coder quoi que ce soit en dur. La structure ci-dessous montre la forme d'un appel exploitable :

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"
  }'

Remplacez le placeholder duration par une valeur acceptée par le modèle. N'envoyez que ce dont vous avez besoin : le prompt, la durée, la résolution, et tout contrôle de format d'image ou d'audio listé sur la page de référence.

Le strict minimum à envoyer

• l'identifiant du modèle, exactement tel que publié
• le prompt complet assemblé à partir de votre modèle
• la durée, choisie dans la plage prise en charge par le modèle
• la résolution de sortie, lorsque le modèle vous permet de la choisir

Traiter la réponse comme un job, pas comme un fichier

Considérez chaque réponse comme un enregistrement de job : un identifiant, un statut et — une fois terminé — une référence vers l'actif. Persistez l'identifiant du job avec votre prompt et vos paramètres, afin que chaque clip de votre bibliothèque puisse être retracé jusqu'à la requête qui l'a produit.

Gardez la clé d'API côté serveur et injectez-la depuis l'environnement. Ne construisez pas le prompt côté client.

Traiter en aval l'audio natif et la sortie 1080P

L'appel renvoie un clip 1080P déjà accompagné d'une piste audio. Ce que vous en faites ensuite détermine si cela a de la valeur.

Visionner avant d'assembler

Regardez chaque clip en pleine taille et sans le couper. Vérifiez deux choses en particulier :

• La synchronisation son-image. L'audio natif est généré avec l'image, pas déduit de celle-ci. Vérifiez que le son correspond à l'action — saisir une tasse ne doit pas sonner comme une porte qui claque.
• Le niveau et le caractère de l'audio. L'audio généré peut être plus fort ou plus faible que prévu. Vérifiez les crêtes avant de l'insérer dans la timeline à gain unitaire.

Rejetez vite. Un clip qui nécessite des corrections au visionnage coûte généralement moins cher à régénérer qu'à réparer, surtout quand le point à corriger se trouve dans le prompt.

Assembler, pas régénérer

Montez les plans ensemble avec l'outil de montage que votre équipe utilise déjà. Comme chaque plan revient en actif 1080P complet, l'assemblage est un montage ordinaire : rogner le début et la fin, poser les points de transition, baisser l'audio sous la voix off que vous ajoutez.

Conservez l'audio natif là où il apporte de la valeur. Les ambiances et bruits de fond générés avec l'image collent généralement mieux qu'une piste de bibliothèque superposée, car ils ont été générés pour cette image. Ne remplacez l'audio qu'aux endroits où vous avez besoin d'une voix spécifique ou d'une musique sous licence.

Exporter pour le canal cible

Exportez dans le codec, le format d'image et la durée attendus par la plateforme cible, et validez avec un export échantillon contre les exigences de cette plateforme avant de produire en série. La source 1080P vous laisse une marge pour recomposer selon différents formats d'image, mais revérifiez la composition après recomposition — une image que vous avez validée peut ne pas supporter le recadrage.

Garder le coût et la qualité des itérations sous contrôle

La génération est facturée sur le travail demandé — la longueur et la résolution du clip influent sur le coût d'un appel. Cela signifie que votre discipline d'itération est votre contrôle des coûts. Trois pratiques délibérées :

Régénérer d'abord, réécrire ensuite

Si le clip est proche mais pas juste, relancez le même prompt. La génération n'est pas parfaitement déterministe ; un second échantillon peut parfois effacer un léger défaut. Si deux relances du même prompt échouent de la même manière, le problème vient du prompt — changez-le.

Ne changer qu'une chose à la fois

Quand vous modifiez un prompt, ne modifiez qu'un seul champ. Si vous changez à la fois le sujet, la caméra et la lumière et que le résultat s'améliore, vous n'avez rien appris de réutilisable. L'itération à variable unique converge ; les modifications en dispersion produisent des clips que vous ne pouvez pas reproduire.

Distinguer problème de prompt et problème de paramètre

Demandez-vous sur quel axe se situe l'échec. La composition, l'action et l'ambiance sont des problèmes de prompt. La longueur, la résolution et le format sont des problèmes de paramètre. Corriger un problème de composition en raccourcissant le clip gaspille un appel ; corriger un problème de longueur en réécrivant le prompt aussi.

Escalader dans l'ordre

1. Relancer le même prompt.
2. Ajuster un champ du prompt.
3. Changer un paramètre (durée, résolution).
4. Reconcevoir le plan.

La plupart des clips réparables se règlent à l'étape 1 ou 2. Sauter directement à l'étape 4 est la façon de rendre coûteuses des itérations bon marché.

Enfin, limitez le nombre de tentatives. Fixez un plafond de relances par plan dans votre couche de jobs, et arrêtez-vous quand il est atteint — ce plan a besoin d'être repensé, pas d'un autre échantillon.

Modes d'échec courants et comment déboguer

La plupart des problèmes prompt-vers-clip tombent dans quelques catégories. Voici ce qu'il faut regarder en premier pour chacune.

Le clip ne correspond pas au prompt

Vérifiez d'abord la spécificité du prompt. Un sujet flou et un comportement caméra non spécifié en sont des causes fréquentes. Réécrivez le plan avec le modèle à cinq champs et en précisant le comportement caméra.

Une action confuse ou divisée

Vous avez probablement demandé que plus d'une chose se produise. Séparez le plan en deux unités de génération, chacune ne contenant qu'un seul mouvement continu.

L'audio ne correspond pas à l'image

Regardez le champ audio du prompt. Si vous l'avez laissé implicite, le modèle a choisi une valeur par défaut. Indiquez directement l'intention audio — ambiance, dialogue, caractère musical ou silence.

La longueur ou la forme du clip est incorrecte

C'est un problème de paramètre, pas de prompt. Vérifiez que les valeurs envoyées se situent dans la plage listée sur la page de référence du modèle, et assurez-vous que votre client les sérialise comme prévu au lieu de les supprimer.

La requête échoue ou expire

Vérifiez dans l'ordre : l'orthographe de l'identifiant du modèle exactement comme publié ; la présence et la validité de la clé d'API ; la validité JSON du corps de requête ; le dépassement de limite de débit. La génération est un travail asynchrone, donc une réponse lente n'est pas forcément un échec — interrogez le job au lieu de le soumettre à nouveau, sinon vous paierez deux fois pour le même clip.

Résultats incohérents entre plusieurs exécutions

C'est en partie attendu. Enregistrez chaque prompt et chaque jeu de paramètres, pour pouvoir distinguer une vraie régression d'une fluctuation normale, et gardez votre plafond de relances inchangé.

La boucle de débogage la plus rapide est toujours la même : récupérer l'enregistrement du job, relire le prompt et les paramètres exacts réellement envoyés, modifier un champ à la fois jusqu'à ce que le clip corresponde au plan prévu.