Prompt di image-to-video per Hailuo 2.3: 3 ricette pronte da copiare (con output reali)

Hailuo 2.3 (hailuo-2.3/image-to-video) è il livello standard image-to-video di MiniMax, e la sua abilità distintiva è la fisica del movimento: tessuti, capelli, acqua e movimento di tutto il corpo si comportano come i tuoi occhi si aspettano. Questo articolo è un manuale pratico da copiare così com'è, che raccoglie prompt image-to-video per Hailuo adatti al livello standard — tre ricette pronte da copiare, mirate proprio a ciò in cui eccelle: movimento umano continuo, fisica intensa dell'acqua e animazione di illustrazioni stilizzate.

Ogni clip qui sotto è un output ottenuto in un unico tentativo nell'ambiente reale con il prompt mostrato accanto — senza scegliere il migliore tra più esecuzioni — e ogni prezzo è stato verificato rispetto alla pagina dei prezzi live prima della pubblicazione. Il livello standard è fatturato per clip: 6 secondi $0.40, 10 secondi $0.80.

Struttura dei parametri di input in 30 secondi

Hailuo i2v gira attraverso l'endpoint asincrono dei task di hiapi (POST /v1/tasks), e la struttura dei parametri di input è volutamente essenziale e rigorosa:

Campo	Obbligatorio	Descrizione
prompt	Sì	Descrive l'azione, non la scena — l'immagine è già la scena
image_url	Sì	Un URL accessibile pubblicamente (singolare — non image_urls); diventerà il primo frame
duration	No	Stringa "6" o "10" — l'intero 6 viene rifiutato con 400
prompt_optimizer	No	Booleano; consente alla piattaforma di espandere il prompt prima della generazione

Qualsiasi altro contenuto — resolution, aspect_ratio, motion_strength — viene rifiutato con 400 INVALID_REQUEST: additional properties not allowed. Qui non c'è una manopola per regolare il movimento: il prompt è l'unico volante, ed è proprio per questo che le ricette di prompt sono così importanti per questo modello. Il clip di output eredita le proporzioni del frame di input (il nostro frame 16:9 viene renderizzato a 1364×768). Per il flusso completo di richiesta/polling/download, consulta la guida all'API image-to-video di hailuo-2.3.

La formula del prompt che regge in tutte e tre le ricette:

Descrivi l'azione del soggetto nell'ordine in cui la vuoi (Hailuo esegue grosso modo le azioni sovrapposte in sequenza) + un'istruzione di camera (push-in / bloccata / deriva) + una clausola di coerenza (movimento fluido e naturale, illuminazione coerente tra i frame)

Non sprecare parole per ridiscrivere ciò che è già presente nell'immagine. L'inquadratura porta già lo stile; ogni token del prompt dovrebbe essere speso per ottenere movimento.

Ricetta 1 — Movimento continuo di tutto il corpo (flusso di tai chi)

Il compito più difficile dell'image-to-video è il movimento umano sostenuto e coordinato — la maggior parte dei modelli riesce a fare un gesto, poi inizia a collassare. Questa ricetta chiede a Hailuo 2.3 di partire da una posa statica ed eseguire una sequenza marziale continua, con tessuti che ondeggiano:

Prompt d'azione:

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

Output one-shot ($0.40, 6 secondi):

Da notare: le braccia completano un intero cerchio di movimento, l'anatomia non collassa, e le maniche restano indietro rispetto alle braccia come farebbe il lino vero — questo movimento secondario del tessuto è il segno distintivo del livello standard. La frase "in one continuous circular motion" è cruciale: senza un'esplicita indicazione di continuità, i modelli i2v tendono a produrre un gesto, una pausa, e poi un secondo gesto scollegato. Nominare il tessuto ("sleeves and sash trailing") attiva la simulazione del tessuto; se non lo menzioni, i vestiti larghi spesso restano rigidi.

Ricetta 2 — Fisica di acqua e pelo (cane che si scrolla di dosso l'acqua)

Un cane bagnato che si scrolla è un test fisico brutale: rotazione ad alta frequenza del corpo, pelo che si raggruma e decine di gocce d'acqua che hanno bisogno ciascuna di un arco balistico plausibile. È anche un pattern davvero utile — i brand di animali domestici e i team di stock video usano spesso questo modo per animare le immagini statiche:

Prompt d'azione:

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

Output one-shot ($0.40, 6 secondi):

Da notare: gli schizzi d'acqua sembrano singole gocce illuminate in controluce, con traiettorie reali, non un filtro sfocato — e il clip esegue l'ordine dello script (scrollata → stop → testa inclinata). Ci sono due trucchi riutilizzabili qui. Primo, "against the backlight" dice al modello come deve apparire l'acqua, non solo che l'acqua c'è; le descrizioni d'azione con consapevolezza dell'illuminazione tendono a renderizzare grana migliore. Secondo, chiudere con una piccola azione calma ("tilts its head at the camera") dà al clip un battito finale naturale, invece di tagliarlo a metà scrollata — utile quando il clip deve andare in loop su una pagina prodotto.

Ricetta 3 — Animare un'illustrazione stilizzata (drago a inchiostro)

Hailuo i2v non è solo per le foto. Dai in input un'immagine statica stilizzata — qui un'illustrazione a inchiostro di un drago koi tra le nuvole — e questa si anima nello stile dell'immagine, trattando le pennellate come un medium, invece di cercare di renderle fotorealistiche:

Prompt d'azione:

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

Output ($0.40, 6 secondi):

Da notare: le nuvole si spargono e si ricompongono come inchiostro bagnato, invece di comportarsi come nebbia fotografica — "brush strokes flowing like water" ottiene questo nominando la fisica del medium invece della scena stessa. Per input illustrati, tieni il prompt breve e lascia che sia lo stile dell'immagine a dominare; lunghi vocabolari fotografici ("cinematic", "bokeh") possono entrare in conflitto con l'illustrazione e causare uno slittamento di stile. È esattamente il pattern che possono usare mascotte di brand, illustrazioni di libri o splash screen di giochi.

Livello standard vs. livello fast: quando valgono i $0.40

hiapi offre anche hailuo-2.3-fast/image-to-video, a $0.27/6 secondi, con la stessa struttura di input a tre campi, quindi il prompt si trasferisce così com'è tra i due livelli. Un workflow che funziona bene:

• Prototipa sul livello fast ($0.27/clip) mentre iteri la formulazione dell'azione — struttura dei parametri e comportamento sono coerenti, quindi l'esperienza si trasferisce.
• Riesegui le versioni definitive sul livello standard ($0.40/clip) quando l'inquadratura dipende dalla fedeltà fisica: azioni umane multi-step, tessuti, scene dense di particelle come la ricetta 2.
• Entrambi i livelli sono fatturati per clip, non al secondo — un esperimento fallito costa quanto una versione definitiva, ed è un altro motivo per prototipare a basso costo.

Eseguilo tu stesso

Ognuna delle ricette sopra richiede una sola richiesta. Crea il task:

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"
    }
  }'

Poi fai polling su GET /v1/tasks/<taskId> finché data.status non è "success", e scarica subito data.output[0].url — gli URL di output sono firmati e scadono, quindi salva i byte sul tuo storage. Per il codice completo di polling e gestione errori, vedi la spiegazione del flusso API e la documentazione.

Domande frequenti

Perché il mio duration viene rifiutato?Deve essere una stringa "6" o "10". Un intero, o qualsiasi altro valore come "8", restituisce 400.

Posso controllare risoluzione o proporzioni?No — la struttura dei parametri non ha questi campi. Il clip eredita le proporzioni del frame di input, quindi ritaglia l'immagine statica nel formato che vuoi prima della generazione.

L'immagine di input deve essere pubblica?Sì. L'API recupera image_url lato server, quindi percorsi localhost e URL firmati scaduti falliscono. Va bene qualsiasi link pubblico R2/S3/CDN.

Questi prompt funzionano sul livello fast?Sì, così come sono — la struttura dei parametri è la stessa. Sulle inquadrature con molte particelle la fisica è un po' meno fine; è il compromesso che si paga con il prezzo più basso.

Quanto tempo richiede un clip?Nell'ordine dei minuti, non dei secondi — ciascuno dei nostri clip da 6 secondi si è completato entro qualche minuto di polling. Progetta in modo asincrono (polling o callback), non con un'attesa HTTP bloccante.

---

Tutti e tre i clip sopra provengono da un singolo tentativo, $0.40 ciascuno — il costo di generazione dell'intero manuale è stato $1.20. Se hai un'immagine statica da animare, ottieni la tua chiave e inizia dalla pagina del modello hailuo-2.3/image-to-video: sostituisci il tuo URL immagine nella richiesta sopra, descrivi l'azione (non la scena), e il tuo caffè sarà ancora caldo quando il primo clip è pronto.