Recettes de prompts texte-vers-vidéo pour Veo 3.1 Lite : 2 prompts copiables-collables et leurs sorties réelles

veo-3.1-lite/text-to-video est l'un des rares modèles texte-vers-vidéo sur hiapi où l'audio n'est pas tout ou rien — l'indicateur generate_audio vous permet d'activer ou de désactiver le son natif à la demande, et cela change le prix par seconde. Cela en fait un excellent choix pour apprendre deux tâches différentes : une scène d'ambiance qui repose sur un son en couches, et une boucle produit verticale conçue pour une lecture automatique sans son. Si vous cherchez un modèle qui inclut toujours l'audio, sans avoir à le demander, wan2.7-video/text-to-video est la comparaison la plus proche.

Ce guide vous propose deux recettes de prompts veo-3.1-lite/text-to-video copiables-collables, chacune étant la sortie réelle, réussie du premier coup, du prompt imprimé à côté, générée via l'API de tâches hiapi — sans sélection parmi plusieurs graines, sans nouvelle tentative. Les deux clips ont coûté 0,64 $ au total.

Structure de la requête (à lire en premier)

veo-3.1-lite/text-to-video fonctionne sur le point de terminaison de tâches asynchrones de hiapi. Les champs clés des deux recettes ci-dessous :

• prompt — la scène : sujet, action, arrière-plan, caméra et, si l'audio est activé, le son.
• duration — en secondes ; le modèle propose des clips de 4, 6 ou 8 secondes.
• resolution — 720p ou 1080p.
• aspect_ratio — cadrage horizontal ou vertical ; nous avons utilisé 16:9 et 9:16 ci-dessous.
• generate_audio — booléen. Définissez true pour les scènes nécessitant une bande-son, et false pour les boucles muettes — c'est moins cher par seconde lorsque c'est désactivé.

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1-lite/text-to-video",
    "input": {
      "prompt": "A small pour-over coffee stand at a sunlit morning farmers market...",
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "16:9",
      "generate_audio": true
    }
  }'

La réponse renvoie immédiatement un taskId ; interrogez GET /v1/tasks/{taskId} jusqu'à ce que status soit success, puis téléchargez immédiatement output[0].url — il s'agit d'un lien temporaire.

Recette 1 : scène d'ambiance, audio activé

La tâche ici est de restituer un véritable paysage sonore en couches sous un mouvement de caméra réaliste — le genre de clip qu'un compte social de marque de café publierait vraiment avec le son activé :

A small pour-over coffee stand at a sunlit morning farmers market. A barista
in a denim apron pours hot water in a slow spiral over ground coffee in a
paper filter; steam curls upward and catches the light as the coffee blooms
with a soft hiss. In the blurred background, market-goers browse stalls
under a canvas awning that stirs in the breeze. Camera slowly pushes in on
the pour. Warm golden-hour light, shallow depth of field, handheld
documentary feel. Soft hiss and crackle of the pour layered under distant
market chatter and a light wind.

Paramètres : duration: 4, resolution: 720p, aspect_ratio: 16:9, generate_audio: true — coût : 0,40 $.

Sortie réussie du premier coup :

Le versement d'eau constitue tout le plan, et le modèle s'y est tenu : la spirale du filet, la vapeur qui s'élève et le lent travelling avant ont tous duré les quatre secondes entières, sans dériver vers un changement de plan. L'arrière-plan est exactement ce que « flou » et « passants du marché » exigeaient — des formes qui se déplacent devant un auvent en toile, jamais assez nettes pour disputer l'attention au versement. Une fois le son activé, la clause audio se manifeste en trois couches distinctes : le sifflement et le crépitement proches du versement, un mur doux de brouhaha en dessous, et le vent qui s'intercale entre les deux. C'est le schéma à reproduire — nommer chaque couche audio séparément (son de premier plan, foule ambiante, ambiance), plutôt qu'un vague « sons du marché ».

Recette 2 : boucle produit muette, audio désactivé

La seconde tâche est contre-intuitive : un plan commercial en caméra fixe, configuré avec generate_audio: false, car une boucle produit destinée à un fil d'actualité en lecture automatique sans son n'a pas besoin de bande-son — l'omettre réduit aussi le prix par seconde :

Vertical product shot: a matte-black wireless earbud case slowly rotates on
a reflective black surface under a single overhead spotlight, throwing a
clean circular highlight across its lid. A thin ring light glows behind it,
rim-lighting the edges in cool blue. The camera stays locked off, centered,
with no movement except the case's slow rotation. Minimal studio background
fading to pure black at the edges. Sleek, premium tech-commercial look,
crisp reflections, no dust or fingerprints.

Paramètres : duration: 4, resolution: 720p, aspect_ratio: 9:16, generate_audio: false — coût : 0,24 $.

Sortie réussie du premier coup :

Chaque contrainte du prompt est lisible : l'image ne fait jamais de panoramique ni de dérive, le seul mouvement est la rotation du boîtier, et le reflet circulaire du projecteur balaie exactement le couvercle au gré de la rotation de la surface. C'est ce qu'apporte « la caméra reste verrouillée, centrée, sans mouvement autre que X » — préciser ce qui doit rester immobile est tout aussi important que préciser ce qui doit bouger. Et comme cette boucle fonctionne sans voix ni lit musical (la plupart des diffusions publicitaires ajoutent leur propre musique), désactiver generate_audio n'est pas un compromis — c'est 40 % moins cher par seconde en 720p, sans aucune perte sur le clip.

Aide-mémoire

1. Traitez generate_audio comme une décision créative, pas comme une valeur par défaut. Les scènes d'ambiance et les moments narratifs en ont besoin ; les boucles produit verrouillées destinées à des fils muets n'en ont pas besoin — le désactiver en 720p coûte 40 % de moins par seconde (0,06 $ contre 0,10 $).
2. Lorsque l'audio est activé, nommez chaque couche audio séparément — son de premier plan, foule ou bruit de fond ambiant, ambiance — plutôt qu'un vague « bruit de fond ».
3. Sur les plans en caméra verrouillée, précisez ce qui ne doit pas bouger (« la caméra reste verrouillée, centrée, sans mouvement autre que la lente rotation du boîtier »). C'est tout aussi important que de décrire ce qui doit bouger.
4. Faites correspondre aspect_ratio à la plateforme : 16:9 pour les scènes d'ambiance ou horizontales, 9:16 pour les boucles produit ou commerciales verticales.
5. Prototypez d'abord en 4 secondes, puis investissez dans les options de durée plus longues de 6 ou 8 secondes.

Combien cela coûte

veo-3.1-lite/text-to-video est facturé à la seconde de sortie, avec un tarif qui dépend de la résolution et de l'activation de l'audio :

Configuration	Prix par seconde
720p, avec audio (par défaut)	0,10 $
720p, sans audio	0,06 $
1080p, avec audio	0,14 $
1080p, sans audio	0,10 $

Les clips peuvent durer 4, 6 ou 8 secondes. Les deux clips de cet article — un clip de 4 secondes en 720p avec audio et un clip de 4 secondes en 720p sans audio — ont coûté 0,64 $ au total. Les tarifs actuels sont toujours disponibles sur la page de tarification.

Essayez

Les deux recettes ci-dessus fonctionnent avec le profil 720p par défaut ; remplacez le sujet par le vôtre, décidez à l'avance si le plan a besoin d'une bande-son, puis soumettez-le à l'API de tâches. La page du modèle veo-3.1-lite/text-to-video contient une référence des paramètres en temps réel et les tarifs actuels. Si votre plan ressemble davantage à une scène narrative qui devrait toujours avoir du son, les recettes de prompts texte-vers-vidéo pour wan2.7 offrent une comparaison côte à côte utile : même structure d'API de tâches, mais l'audio est intégré plutôt qu'optionnel.