Guide d'utilisation
Créer des vidéos courtes avec veo-3.1-lite/text-to-video sur l'API HiAPI
Un flux de travail pratique pour développeurs : découpage de vidéos à partir de texte, audio natif et choix du format d'image
Sur cette page
Pourquoi les vidéos courtes rendent caduques les invites naïves de génération de vidéo à partir de texte
Face à un modèle de génération de vidéo à partir de texte, le réflexe est d'écrire une longue invite cinématographique et d'espérer récupérer une vidéo terminée. Pour une œuvre courte de 30 secondes, cette approche est presque toujours décevante, et la cause tient à la structure, non au degré de soin apporté à l'invite.
Une invite unique exige du modèle qu'il maintienne la continuité sur toute l'arc narratif : cohérence des personnages, mouvement de caméra, rythme et audio doivent rester cohérents sur toute la durée. Or une vidéo courte n'est pas un long plan continu — c'est une succession de temps forts. Accroche, mise en place, rebondissement, conclusion. Chaque temps fort demande une composition différente, une énergie différente, et souvent une position de sujet différente. Les entasser dans une seule invite pousse le modèle à les moyenner, et c'est précisément ce nivellement qui détruit la rétention d'une vidéo courte.
L'autre mode d'échec est le coût de l'itération. Quand une invite génère une longue vidéo et que le troisième temps fort est raté, vous devez tout régénérer et prier pour que les parties que vous aimez soient préservées. C'est une boucle lente, sans moyen de contrôle fiable.
Le flux de travail adopté dans ce guide est fondé sur les plans : découper le script en plans discrets, envoyer une requête de génération distincte par plan, et placer la continuité dans vos propres métadonnées plutôt que dans l'invite. Chaque section suivante s'appuie sur ce découpage — structure de requête, format d'image, audio et itération supposent tous que vous travaillez plan par plan.
C'est aussi là que veo-3.1-lite/text-to-video trouve naturellement sa place. Un modèle de génération de vidéo à partir de texte plus léger est idéal pour générer de nombreux extraits courts et régénérables individuellement, ce qui correspond exactement à la forme d'un pipeline de vidéo courte.
Le changement de modèle mental
Ne considérez plus le modèle comme un réalisateur qui renvoie un film fini. Considérez-le comme un moteur de rendu de plan : vous fournissez une description de plan bien délimitée, il renvoie un extrait, et votre pipeline se charge du montage, du mixage audio et du rythme. Une fois cette répartition claire, la plupart des décisions restantes deviennent des décisions d'ingénierie plutôt que des décisions d'écriture d'invite.
Planifier la liste des plans avant d'appeler l'API
La liste des plans est le contrat entre le script et les appels de génération. Écrivez-la sous forme de données, non de prose, afin que votre pipeline puisse la parcourir.
Partez du script et découpez-le en temps forts. Pour une vidéo courte, une règle pratique est : un plan par phrase ou par idée visuelle, en prenant la plus courte des deux. Si une phrase exige deux cadrages pour être claire, cela fait deux plans. Si trois phrases partagent une même continuité visuelle, elles peuvent former un seul plan — mais à condition que la durée tienne encore confortablement dans une génération.
Pour chaque plan, consignez au minimum :
- ID du plan — stable, lisible par un humain, utilisé pour le cache et les nouvelles tentatives.
- Invite — la description visuelle, suffisamment autosuffisante pour que le plan tienne isolément.
- Durée — combien de temps ce plan doit durer dans le montage final.
- Format d'image — déterminé par canal, décidé avant la génération.
- Intention audio — ambiance native, silence à remplacer, ou emplacement réservé à la voix off.
- Notes de continuité — costume des personnages, éclairage, lieu et orientation à l'écran.
Sortir la continuité des invites autant que possible
Les notes de continuité doivent vivre dans les métadonnées, et non être répétées mot pour mot dans chaque invite. Les invites qui transportent de longues descriptions réutilisées ont tendance à dériver sur ce qui est mis en avant — un plan insiste trop sur le costume, le suivant pas assez. Un schéma plus propre consiste à préparer un bloc de description court et stable par personnage ou par lieu, que vous (l'auteur du pipeline) assemblez dans chaque invite, de sorte que la formulation reste exactement identique d'un plan à l'autre même lorsque les invites elles-mêmes diffèrent.
Un plan, une requête
Chaque plan doit pouvoir être généré en un seul appel. Si un plan demande plus de temps qu'une génération ne peut facilement couvrir, découpez-le à un point de coupe naturel — une réaction, un mouvement de caméra, un temps de silence — plutôt que d'étirer la requête. Des plans plus courts coûtent aussi moins cher à régénérer en cas d'erreur, ce qui est précisément l'intérêt du découpage.
Placez la liste des plans et le script sous contrôle de version. Quand le script change, le diff vous indique exactement quels plans doivent être rendus à nouveau.
Construire les requêtes de génération dans le pipeline
Avec une liste de plans sous forme de données, la couche de requête devient une fine enveloppe : lire un plan, construire la requête pour veo-3.1-lite/text-to-video, appeler l'API HiAPI, stocker le résultat sous l'ID du plan.
À haut niveau, un appel de génération transporte les mêmes informations que l'enregistrement du plan : texte de l'invite, durée prévue et format d'image. Les noms exacts des paramètres et les valeurs acceptables sont définis par la référence API du modèle sur HiAPI ; considérez donc la documentation du point de terminaison comme source de vérité et alignez les valeurs par défaut de l'enveloppe dessus, plutôt que de coder en dur des hypothèses à de nombreux endroits.
Une enveloppe réutilisable
La forme ci-dessous est volontairement un pseudo-code indépendant du langage — la valeur réside dans la structure, pas dans la syntaxe :
function renderShot(shot, attempt):
request = {
model: "veo-3.1-lite/text-to-video",
prompt: buildPrompt(shot),
duration: shot.duration,
aspect_ratio: shot.aspectRatio
}
response = hiapi.generate(request)
save(shot.id, attempt, response)
return response
Trois propriétés justifient cette enveloppe :
- Chaque appel est identifié par l'ID du plan et le numéro de tentative. Quand le plan 4 échoue, vous savez exactement quel artefact remplacer et quelles tentatives ont échoué.
- L'invite est construite, non collée.
buildPromptfusionne la description propre au plan avec les blocs stables de description des personnages et des lieux issus des métadonnées, ce qui garde la formulation de continuité cohérente d'un plan à l'autre. - L'aval ne dépend pas du succès du premier appel. L'enveloppe renvoie une référence d'artefact ; le monteur lit la version actuellement approuvée de chaque plan.
En pratique, la génération est asynchrone
Traitez la génération comme une tâche de longue durée, et non comme un appel synchrone dans le gestionnaire de requêtes. Soumettez, persistez la référence de tâche, et interrogez ou attendez la fin dans un processus de travail. Ainsi, les nouvelles tentatives, les limites de concurrence et les échecs partiels restent sous votre contrôle, au lieu de s'entremêler avec le cycle de vie des requêtes de l'application.
L'assemblage est une étape distincte
Ne générez pas et n'assemblez pas en une seule étape. Rendez tous les plans approuvés, stockez-les, puis exécutez un processus d'assemblage séparé : tri par ID de plan, concaténation, application des transitions (le cas échéant) et multiplexage de l'audio. Garder l'assemblage indépendant signifie que réafficher un plan ne demande que de relancer l'assemblage, sans régénérer quoi que ce soit.
Choisir le format d'image et la longueur des extraits selon le canal
Le format d'image et la durée doivent être décidés du canal de diffusion vers l'intérieur, avant toute génération — et non ajustés après coup. Recadrer un extrait terminé dans un autre format est la façon la plus courante de gaspiller du rendu.
Format d'image
Choisissez un format principal par canal et conservez-le tout au long de l'œuvre. Mélanger les formats d'image dans une même vidéo courte gâche l'expérience de visionnage sur chaque plateforme.
- Vertical — le choix par défaut pour les interfaces de défilement de vidéos courtes dans les fils d'actualité. Composez pour le cadre haut : sujet centré ou légèrement au-dessus, avec des marges de sécurité en haut et en bas pour les superpositions d'interface.
- Horizontal — pour les lecteurs intégrés, les vidéos de bannière de site web et les contextes de présentation où le spectateur est immobile.
- Carré — parfois utilisé pour les mises en page en grille ; traitez-le comme un choix délibéré, non comme un pis-aller.
Conséquence concrète sur votre liste de plans : la composition verticale change ce qui tient dans le cadre. Un large plan d'établissement qui fonctionne en horizontal peut devenir illisible une fois compressé dans un cadre haut. Décidez d'abord du format, puis écrivez les plans composés pour celui-ci.
Longueur des extraits
La longueur d'un extrait est dictée par le rythme, pas par le maximum que le modèle peut générer. Quelques principes :
- L'accroche doit être courte. Le premier plan décide généralement si vous gagnez ou perdez l'attention ; gardez-le serré et visuellement sans ambiguïté.
- Une idée par extrait. Si un plan contient deux événements visuels distincts, séparez-les. Des extraits plus courts vous donnent aussi un contrôle plus fin du rythme final au montage.
- Prévoyez de la marge de coupe. Générez un peu plus long que le point de coupe visé et coupez à l'assemblage. La coupe est gratuite ; la régénération ne l'est pas.
- Recoupez avec le récapitulatif de la plateforme. La durée totale est la somme des plans. Additionnez les durées prévues avant de générer et vérifiez que la séquence correspond à la fenêtre de consommation typique du canal — rééquilibrer la liste des plans est bien plus facile que de tout réafficher.
Une seule génération par format
Si vous avez vraiment besoin de la même œuvre dans deux formats, traitez-les comme deux livrables indépendants, chacun avec sa propre liste de plans. Partager les invites est acceptable ; partager les rendus ne l'est pas, car la composition diffère. Encoder le format d'image dans les métadonnées du plan clarifie cela et évite les réutilisations accidentelles entre canaux.
Combiner l'audio natif et la voix off
veo-3.1-lite/text-to-video peut générer de l'audio natif avec l'image, et cet audio est réellement utile — ambiances, textures environnementales et sons diégétiques simples donnent à l'extrait une présence que le silence n'a pas. L'erreur consiste à laisser l'audio natif et votre propre voix off assumer tous deux le même rôle.
La répartition qui fonctionne : l'audio natif fournit le monde, la voix off fournit l'information. Si la piste native contient déjà une parole intelligible ou un lit musical fort, vous entrerez en conflit au mixage. Décidez plan par plan quelle piste domine.
Ordre de mixage
- Posez d'abord la voix off. Le minutage de la narration est fixé par le script ; tout le reste s'y adapte.
- Placez l'audio natif en dessous. Quand la piste native est une ambiance ou une texture, gardez-la audible mais subordonnée.
- Baissez, ne supprimez pas. Atténuez la piste native sous la narration au lieu de la couper complètement — un silence soudain entre les répliques sonne artificiel. Transitionnez le gain en douceur à chaque frontière de plan.
- Normalisez en dernier. Un mixage plan par plan puis assemblé produit des sauts de niveau. Lancez une passe de traitement finale sur l'œuvre assemblée.
Quand couper l'audio natif
Coupez-le — ou régénérez le plan avec une intention audio plus claire — dans les cas suivants :
- L'audio natif contient une parole intelligible qui concurrence votre narration.
- La texture ne correspond pas à la scène (par exemple, une ambiance intérieure sur un plan extérieur).
- Vous habillez toute l'œuvre d'un lit musical continu et le rythme propre de la piste native entre en conflit avec lui.
Ces situations sont généralement détectables plan par plan, ce qui est une raison de plus de garder les plans indépendants : vous pouvez régénérer l'audio d'un plan sans toucher au reste.
Consigner l'intention audio dans la liste des plans
Ajoutez à chaque plan un champ audio explicite : native_ambience, silent ou voiceover_covered. Cela vous force à décider avant la génération et indique à la phase d'assemblage quels plans doivent être atténués et lesquels doivent simplement voir leur piste native supprimée.
Maîtriser la qualité et le coût au fil des tentatives
La discipline d'itération est ce qui distingue un pipeline qui converge d'un pipeline qui brûle du rendu. La bonne nouvelle, c'est que la génération par plan rend les bonnes habitudes naturelles.
Ne régénérez qu'un seul plan, jamais la séquence
Quand un temps fort est raté, remplacez ce plan. Votre enveloppe indexe les résultats par ID de plan et numéro de tentative, donc la correction consiste à lancer une nouvelle tentative pour un ID et à relancer l'assemblage. Si vous vous surprenez à réafficher plusieurs plans pour en corriger un seul, votre liste de plans est probablement trop grossière — découpez-la davantage.
Mettez agressivement en cache les extraits approuvés
Une fois un plan approuvé, traitez-le comme immuable, stockez-le durablement, indexé par l'ID du plan plus un hachage de son invite et de ses paramètres. Relancer le pipeline ignore tout ce qui n'a pas changé. C'est particulièrement important pendant le travail sur l'audio et le rythme, où vous itérez sur le mixage avec une image fixe.
Ne changez qu'une variable par tentative
Quand un plan ne répond pas aux attentes, ajustez une seule chose — la précision de l'invite, la durée ou la composition — puis régénérez. Changer trois variables à la fois ne vous dira pas quelle correction a fonctionné, et vous réapprendrez la même leçon sur le plan suivant.
Fixez la recette avant de multiplier les tentatives
Amenez une séquence complète à un état qui vous satisfait, puis utilisez-la comme modèle pour des variantes : accroches alternatives, appels à l'action différents. Comme la liste des plans est une donnée, une variante n'est qu'un petit diff, pas un nouveau projet.
Budgétez par nombre de plans, pas par minutes de vidéo finie
L'unité de travail est le plan, donc l'unité d'itération aussi. Avant de générer un lot, calculez le nombre de plans et le nombre de tentatives prévu par plan. Ce chiffre, combiné à la base de facturation du modèle, est votre chiffre de planification — consultez les tarifs actuels sur le panneau de tarification HiAPI plutôt que de vous fier à des hypothèses obsolètes.
Vérifiez à la taille finale
Inspectez chaque plan au format d'image réel et sur l'écran où le spectateur le regardera. Un problème invisible à la taille d'un écran de bureau horizontal saute aux yeux dans un fil vertical. Le repérer à la vérification coûte bien moins cher qu'après la publication.
Diagnostiquer les problèmes de génération courants
Quand un plan revient inutilisable, effectuez ces vérifications dans l'ordre. Elles couvrent la grande majorité des échecs, et les deux premières résolvent la plupart des cas.
1. Précision de l'invite
L'invite est-elle autosuffisante ? Décrit-elle le sujet, l'action, la composition et l'éclairage, ou s'appuie-t-elle sur le contexte du plan voisin ? L'invite d'un plan doit tenir seule — le modèle ne voit que ce que vous envoyez. Une description de sujet floue provoque une dérive ; une invite surchargée produit une bouillie. Visez un sujet clair et une action claire par plan.
2. Longueur du plan
Le plan en fait-il trop pour sa durée ? Si une invite suggère plusieurs événements visuels dans un extrait court, le modèle les comprime. Découpez le plan ou allongez-le. À l'inverse, un plan dont le contenu est trop maigre pour sa durée tend à errer — coupez-le.
3. Incohérence de format d'image
Avez-vous écrit l'invite pour le format que vous demandez réellement ? Une description large et horizontale dans un cadre vertical produit des recadrages maladroits et des zones mortes. Vérifiez que la description visuelle du plan correspond à son format d'image, et qu'aucune autre étape du pipeline ne recadre discrètement.
4. Conflit audio
Si l'image est correcte mais que le résultat sonne faux, écoutez la piste native seule. Une parole concurrente, une ambiance erronée ou un rythme fort sous la narration sont généralement des problèmes audio, pas visuels. Corrigez en coupant la piste native ou en ajustant l'intention audio du plan, puis remixez — sans régénérer l'image.
5. Erreurs de pipeline et de paramètres
Si la génération échoue carrément ou renvoie un contenu incohérent avec la requête, validez les paramètres contre la documentation du point de terminaison sur HiAPI : identifiant du modèle correctement orthographié, valeurs de durée et de format d'image dans les plages acceptables, invite non vide. Ces erreurs sont banales mais courantes dans les enveloppes qui codent en dur des valeurs par défaut à plusieurs endroits — c'est la raison de garder la construction de la requête dans une seule fonction.
6. Dérive de continuité entre les plans
Si chaque plan semble correct mais que la séquence manque de cohérence, le problème est dans les métadonnées, pas dans la génération. Comparez le texte d'invite assemblé de chaque plan : si les descripteurs de personnage ou de lieu sont formulés différemment, alignez-les dans le bloc de descripteurs partagé et ne régénérez que les plans qui s'écartent.
Traitez la liste dans l'ordre et notez quelle vérification a résolu chaque échec. Après quelques séquences, vous saurez quelles vérifications dominent pour votre contenu, et le diagnostic deviendra un balayage rapide plutôt qu'une reconstruction. Vous pouvez commencer à rendre des plans avec veo-3.1-lite/text-to-video via l'API HiAPI, laisser le panneau de tarification s'occuper des chiffres, et vous concentrer sur la séquence.
Articles similaires
Voir tous les articles →-
Guide d'utilisation
Guide de démarrage avec gpt-6.2-sol : limites de capacité, intégration API et tarification par token
Points de décision et de pratique pour l'intégration par les équipes d'ingénierie
-
Guide d'utilisation
Guide de prise en main de gpt-6.2-astra : limites de capacités du modèle texte, points d'intégration et maîtrise des coûts
-
Guide d'utilisation
Guide de prise en main de Tripo H3.1 : trois modes d'entrée, paramètres et choix tarifaires
Décision d'intégration et maîtrise des coûts de la génération 3D pour les développeurs