Usare happyhorse-1.1/reference-to-video tramite l'API HiAPI: ricette di prompt e flusso di lavoro per video brevi

Cosa cambia reference-to-video nel tuo flusso di lavoro

La generazione di video da solo testo richiede al modello di creare il soggetto dal nulla in base alla descrizione, il che significa che ogni esecuzione può produrre volti, abiti o forme di prodotto diversi. reference-to-video fa l'opposto: fornisci una o più immagini e il modello le usa come riferimento visivo per ciò che appare nella scena. Il prompt non è più un requisito di casting, ma diventa un elenco di istruzioni di regia.

Nel flusso di lavoro per video brevi questo sposta il baricentro. Con la generazione da solo testo iteri soprattutto sulla formulazione. Con happyhorse-1.1/reference-to-video iteri prima di tutto sul set di immagini di riferimento e solo dopo sul prompt. Se il soggetto non è quello giusto, la soluzione di solito è un'immagine migliore o un ordine diverso delle immagini, non una lista più lunga di aggettivi.

Dove si colloca

Un ciclo tipico è più o meno questo:

1. Raccogli e seleziona un piccolo set di immagini di riferimento per soggetto e scena.
2. Ordinale per importanza (la sezione successiva spiega come).
3. Scrivi un prompt ordinato per inquadrature, con attributi stabili e un ritmo esplicito.
4. Genera, rivedi confrontando con le immagini di riferimento e decidi se cambiare le immagini o il testo.

Il vero vantaggio è la coerenza nelle serie di contenuti. Se produci più video con lo stesso personaggio, prodotto o mascotte, un set di riferimento stabile è la chiave per far sì che il terzo episodio sembri ancora il primo. Tratta le immagini come asset versionati in un repository, non come file caricati e poi buttati via.

Organizzare il set di immagini di riferimento

Il modello legge le tue immagini come un segnale con priorità. L'ordinamento e la selezione fanno parte del prompt, quindi vanno decisi deliberatamente.

Scegli un'immagine principale del soggetto

La prima immagine deve essere la vista più chiara e rappresentativa del soggetto: frontale, ben illuminata, senza occlusioni e con uno sfondo privo di elementi che distraggono. Questa immagine ancora l'identità. Tutte le altre sono informazioni secondarie.

Aggiungi una seconda angolazione solo se ha davvero valore

Una seconda immagine è utile quando risolve un'ambiguità che la prima non elimina, ad esempio una vista laterale, uno stato diverso dell'abbigliamento o il retro di un prodotto. È dannosa quando introduce dettagli in conflitto, come due acconciature o due loghi. Se non vuoi che il modello faccia una media tra i due, non inserirli entrambi.

Separa il soggetto dall'ambiente

Se la scena è importante, aggiungi un'immagine di riferimento ambientale che mostri l'ambientazione senza contendersi l'attenzione con il soggetto. Rendila visivamente ben distinta dall'immagine del soggetto, così il modello non le confonde.

Una semplice regola di ordinamento

• Posizione 1: soggetto principale, pulito e canonico.
• Posizione 2: angolazione secondaria del soggetto, solo se necessaria.
• Posizione 3 e successive: riferimenti ambientali o di styling.

Regole che ti risparmiano diverse iterazioni

• Mantieni il set di riferimento piccolo e internamente coerente.
• Evita immagini con soggetto troppo piccolo, ritagli strani o filtri troppo pesanti.
• Cerca di uniformare le proporzioni; composizioni molto diverse rendono più difficile per il modello armonizzare viste differenti.
• Nomina i file in base al ruolo (subject-primary.png, scene-street.png) così che il team li tratti come un set di materiali.

Nel dubbio, togli un'immagine invece di aggiungerne una.

Scrivere prompt che mantengono la coerenza del soggetto

La deriva dell'identità deriva di solito da una formulazione vaga. Descrizioni generiche come "una persona" o "un outfit alla moda" danno al modello spazio per improvvisare. La soluzione è scrivere esplicitamente attributi stabili e osservabili, mantenendoli costanti tra le frasi.

Indica cosa non deve cambiare

Elenca gli attributi che definiscono il soggetto: colore e taglio dell'abbigliamento, acconciatura, accessori distintivi, forma del prodotto, posizione del logo. Ripeti gli elementi chiave in ogni descrizione di inquadratura invece di dare per scontata la continuità.

Distingui tra "bloccato" e "variabile"

Dividi mentalmente il prompt in due parti: gli attributi bloccati del soggetto, poi l'azione e la ripresa inquadratura per inquadratura. Così noti facilmente quando hai introdotto per sbaglio una contraddizione, ad esempio una giacca rossa nella prima inquadratura e una giacca grigia nella terza.

Schemi di formulazione efficaci

• Ancora prima: inizia con il soggetto e i suoi attributi bloccati, poi descrivi il movimento.
• Mantieni coerenti i sostantivi: se l'immagine di riferimento mostra un trench, chiamalo trench ogni volta, non prima "giacca" e poi "cappotto".
• Meglio specifico che valutativo: "capelli scuri corti, con riga laterale" è meglio di "capelli belli".
• Indica ciò che resta invariato nel movimento: "mentre il soggetto si gira il cappotto mantiene la sua linea" è più utile che sperare che il modello lo deduca.
• Evita di accumulare sinonimi: impilare aggettivi diluisce il segnale.

Un rapido confronto

Più debole: "una donna elegante che cammina per strada, cinematico."

Più forte: "la donna nell'immagine di riferimento — capelli scuri corti con riga laterale, trench cammello, stivali neri — avanza verso la camera con passo costante; cappotto e stivali restano coerenti per tutta la durata."

La seconda versione dà al modello una lista, non un'atmosfera.

Guidare inquadratura e ritmo in un unico prompt

I video brevi si giocano sul ritmo. Una singola descrizione statica produce un video senza struttura che va alla deriva. Scrivi il prompt come una sequenza ordinata di inquadrature, con indicazioni di ritmo esplicite.

Organizza per battute

Descrivi da due a quattro battute, ognuna con stato del soggetto, azione e nota di ripresa. Mantieni breve ogni battuta. Il modello gestisce meglio una sequenza chiara di tre battute che un unico lungo paragrafo.

Scrivi il ritmo in modo esplicito

Le parole sul ritmo hanno peso: "taglio rapido", "lento avvicinamento", "pausa di una battuta", "zoom improvviso", "chiusura stabile". Abbinale al linguaggio di ripresa (dolly, panoramica, a mano) così che movimento e senso del tempo si rafforzino a vicenda.

Modello di battute

Inquadratura 1 (0-2 s): [soggetto + attributi bloccati] [azione], [movimento di camera], [indicazione di ritmo].
Inquadratura 2 (2-4 s): [cambio di stato del soggetto] [azione], [movimento di camera], [indicazione di ritmo].
Inquadratura 3 (4-6 s): [battuta di chiusura], [camera stabilizzata], [indicazione di ritmo].

Non servono timestamp precisi, ma pensare in secondi ti costringe a motivare ogni battuta. Se una battuta non ha un chiaro cambiamento visivo, eliminala.

Errori di ritmo comuni

• Inserire troppe battute in un video breve, costringendo il modello a correre su tutto.
• Nessuna indicazione di camera, con conseguente composizione piatta e statica.
• Indicazioni di ritmo contraddittorie sulla stessa riga ("lento e vivace").

Dopo aver scritto la sequenza, leggila ad alta voce e togli tutto ciò che non cambia il contenuto dell'immagine.

Compromessi tra risoluzione, durata e budget

Prima di generare in batch, decidi quale risorsa vuoi spendere: pixel, secondi o iterazioni. Sono in competizione tra loro.

Il compromesso centrale

Una risoluzione di output più alta (ad esempio 1080P) e una durata maggiore aumentano il costo di ogni generazione. Poiché la fatturazione segue l'output richiesto — risoluzione e lunghezza del clip incluse — un video 1080P lungo è la cosa più costosa che puoi chiedere. Per i video brevi raramente serve spingere entrambi al massimo.

Un ordine decisionale efficace

1. Prima fissa la durata. Un video breve di solito significa una finestra temporale compatta. Blocca la lunghezza richiesta dalla piattaforma e tratta tutto il resto come regolabile.
2. Scegli la risoluzione in base alla destinazione. Se il clip verrà comunque compresso nel feed, una risoluzione più bassa può essere il default più saggio e ti permette di spendere il budget in più tentativi.
3. Investi il budget nelle iterazioni, non solo nell'output. Un video a risoluzione leggermente inferiore, generato tre volte scegliendo il risultato migliore, spesso batte un tentativo costoso che non puoi permetterti di rifare.

Consigli pratici

• Prototipa a risoluzione più bassa per validare prompt e set di riferimento.
• Passa a 1080P solo quando la sequenza di inquadrature e la coerenza dell'identità sono a posto.
• Sii onesto sulla durata: un corto compatto con battute chiare è più bello di un lungo pieno di riempitivi.

Consulta il pannello prezzi attuale per le tariffe esatte; i numeri cambiano e non vanno codificati negli script. Quando costruisci le richieste, rendi risoluzione e durata parametri commutabili, non costanti sepolte nel codice.

Richieste eseguibili e libreria di ricette di prompt

Di seguito la struttura di richiesta per chiamare happyhorse-1.1/reference-to-video tramite l'API HiAPI, seguita dalle ricette di prompt pronte da copiare che accompagnano il flusso di lavoro descritto. I nomi dei parametri possono variare leggermente a seconda della versione dell'SDK; consulta la pagina del modello per lo schema canonico.

Struttura della richiesta

import os, requests

resp = requests.post(
    "https://api.hiapi.ai/v1/video/generations",
    headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
    json={
        "model": "happyhorse-1.1/reference-to-video",
        "reference_images": [
            "https://your-cdn.example/subject-primary.png",
            "https://your-cdn.example/subject-angle.png",
            "https://your-cdn.example/scene-street.png",
        ],
        "prompt": "...testo della ricetta...",
        "resolution": "1080P",
        "duration": 6,
    },
)
print(resp.json())

Mantieni le immagini di riferimento su URL stabili e nell'ordine indicato: soggetto principale, angolazione secondaria, ambiente.

Ricetta 1: visual principale di prodotto, una sola battuta

Il prodotto nell'immagine di riferimento — corpo nero opaco, tappo color rame, etichetta frontale — centrato su una superficie in pietra. Lento avvicinamento all'etichetta, luce da studio morbida, nessun taglio. Il corpo e il tappo mantengono forma e colore esatti per tutta la durata.

Ricetta 2: persona che cammina, tre battute

Inquadratura 1 (0-2 s): la donna nell'immagine di riferimento — capelli scuri corti con riga laterale, trench cammello, stivali neri — avanza verso la camera, piano medio, camera a mano stabile, passo vivace.
Inquadratura 2 (2-4 s): taglio rapido sul lato; mentre si gira il trench ondeggia, la camera la segue lateralmente, stesso ritmo vivace.
Inquadratura 3 (4-6 s): si ferma e guarda avanti, la camera si stabilizza in un lento avvicinamento, chiusura calma. Capelli, trench e stivali restano coerenti in tutte le inquadrature.

Ricetta 3: apertura guidata dall'ambiente

Inquadratura 1 (0-2 s): campo largo della strada nell'immagine di riferimento ambientale, luce del mattino, lenta panoramica verso sinistra.
Inquadratura 2 (2-4 s): il soggetto dell'immagine di riferimento entra dal lato destro — stessa giacca e stessa borsa — la camera resta ferma, ritmo naturale.
Inquadratura 3 (4-6 s): stringi sul piano medio, lei guarda verso la camera; giacca e borsa identiche all'immagine di riferimento.

Puoi regolare durata e risoluzione per clip senza modificare il testo del prompt. Nella documentazione sono disponibili guide dedicate con esempi completi.

Rivedere l'output e iterare

La revisione è dove avviene la maggior parte del miglioramento qualità, e la disciplina chiave è capire che tipo di problema hai davanti.

Valuta confrontando con i riferimenti, non a memoria

Tieni aperto il set di riferimento accanto all'output. Controlla uno per uno gli attributi di identità: volto e capelli, colore e taglio dell'abbigliamento, forma del prodotto, posizione del logo. Una deriva che sai nominare è una deriva che puoi correggere.

Dividi i fallimenti in due categorie

• Problemi di identità o aspetto di solito significano un set di riferimento debole, incoerente o ordinato male. Sistema prima le immagini; scrivere prompt con più forza raramente salva un set di riferimenti contraddittorio.
• Problemi di composizione, movimento o ritmo di solito significano che il prompt va migliorato: battute più chiare, note di ripresa più incisive, durata più compatta.

Un breve ciclo di revisione

1. Valuta separatamente identità, composizione e ritmo.
2. Se l'identità non passa, sistema prima le immagini di riferimento e solo dopo il prompt.
3. Se il ritmo non passa, riscrivi la sequenza di battute ed elimina una battuta.
4. Cambia una sola variabile per iterazione, così sai cosa ha funzionato.
5. Una volta stabile a risoluzione più bassa, passa a 1080P per la versione finale.

Per ogni clip approvato conserva un breve registro della versione del prompt e della versione del set di riferimento. In una serie questo registro diventa la tua vera libreria di ricette: prompt affidabili, immagini affidabili, output prevedibili. Itera su set di riferimento e testo, il resto lascialo al modello.