Ray 3.2 Text-to-Video: workflow batch per video brevi verticali

Panoramica

• Cos'è: un workflow batch ripetibile che trasforma righe di testo in brevi video verticali in stile Reels/TikTok/Shorts usando ray-3.2/text-to-video sull'API hiapi — senza immagini di input, senza materiali da preparare.
• A chi è rivolto: a team social e di contenuti che hanno bisogno di volume — diverse nuove idee creative 9:16 da testare ogni settimana, non un singolo video di punta al mese.
• Il fatto centrale che determina tutto: ray-3.2 t2v viene fatturato solo in base a durata × risoluzione. Il rapporto d'aspetto è gratuito, quindi il verticale 9:16 costa esattamente quanto il 16:9 orizzontale. L'unica leva che hai per controllare il volume è il livello di risoluzione.
• Dimostrato, non solo teorizzato: ogni breve video qui sotto è stato generato per questo articolo in un'unica attività batch — quattro clip 9:16 da 5 secondi a 540p, $0.2145 ciascuna, $0.858 in totale, con un tempo di rendering lato server di 37–87 secondi per clip.

Ray 3.2 (il modello text-to-video di Luma elencato su hiapi) è particolarmente adatto ai video brevi perché fa ciò di cui i video brevi hanno davvero bisogno: crea da zero una scena nuova di 5 secondi partendo da una sola descrizione. Nessun frame da fornire, nessuna foto di prodotto da animare, nessun materiale di riferimento da preparare. Scrivi un gancio e ottieni una clip. Questo lo rende lo strumento giusto quando devi generare idee creative in batch, ed è per questo che questo workflow appare diverso rispetto alle guide ai video brevi image-to-video e reference-to-video pensate per altri modelli.

Text-to-video o image-to-video — scegli prima l'ingresso giusto

Entrambi stanno sotto la stessa API di attività asincrone, ma risolvono problemi diversi:

• Text-to-video (questa pagina): parte solo dal prompt. Ideale per concetti nuovi, clip d'atmosfera e B-roll per cui non hai — o non vuoi essere vincolato a — un'immagine specifica. Il modello è libero di comporre l'intera inquadratura, ed è esattamente ciò che vuoi quando devi produrre opzioni in batch.
• Image-to-video: parte da un primo frame che hai già. Se hai una foto di prodotto di punta e vuoi far muovere quell'oggetto, usa invece ray-3.2/image-to-video — ancora l'inquadratura al tuo frame e anima a partire da esso.

Regola pratica: se l'esigenza è "dammi tre aperture completamente nuove per questa campagna", è text-to-video. Se è "fai muovere questa esatta immagine di prodotto", è image-to-video. Il resto di questo articolo riguarda il primo caso.

Il fatto sui prezzi che determina tutto il tuo workflow

Ecco la lista prezzi completa e aggiornata di ray-3.2/text-to-video (verificata al momento della stesura su hiapi pricing — verifica sempre lì, non qui):

Durata	Risoluzione	Prezzo per clip
5s	540p	$0.2145
5s	720p	$0.429
5s	1080p	$1.7145
10s	540p	$0.643
10s	720p	$1.286
10s	1080p	$5.143

Nota ciò che non compare nella tabella: il rapporto d'aspetto. Ray 3.2 fattura solo durata e risoluzione, quindi il verticale 9:16 costa quanto il 16:9 orizzontale, il 1:1 o il 21:9. Solo questo fatto ridefinisce il modo in cui pianifichi i batch di video brevi:

• 540p è il tuo livello di test. A $0.2145 per clip, puoi generare 10–15 concetti al prezzo di un unico video di punta a 1080p. I feed social verticali si guardano su telefono in piccolo — 540p (che in 9:16 equivale a un output di 540×960, vedi sotto) è perfettamente leggibile e nitido per un primo ciclo di test A/B.
• 720p / 1080p è il tuo livello da prodotto finito. Una volta che un concetto vince, rigenera semplicemente quel prompt a 720p o 1080p per la pubblicazione effettiva.
• La durata è un'opzione fissa, non uno slider. Le durate disponibili sono solo 5 o 10 secondi — non esiste l'opzione da 7 secondi — e i 10 secondi costano circa 3 volte i 5 secondi. Per i video brevi guidati dal gancio, 5 secondi sono di solito l'unità che desideri, per poi sovrapporne più di uno in montaggio.

Questa struttura "esplorare a poco prezzo, pagare solo per i vincitori" è l'intera ragione per cui questo workflow viene eseguito in batch a 540p.

Una richiesta, un blocco di codice

Ray 3.2 t2v accetta un piccolo set chiuso di campi di input:

Campo	Obbligatorio	Valori
prompt	Sì	la tua descrizione della scena
duration	Sì	5 o 10 (secondi interi)
resolution	Sì	540p, 720p o 1080p
aspect_ratio	Sì	9:16, 16:9, 1:1, 4:3, 3:4, 21:9

Una clip verticale è una singola POST all'endpoint delle attività asincrone:

curl -s https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ray-3.2/text-to-video",
    "input": {
      "prompt": "Vertical 9:16 first-person POV gliding down a neon night market alley...",
      "duration": 5,
      "resolution": "540p",
      "aspect_ratio": "9:16"
    }
  }'

La risposta restituisce un data.taskId. Poi esegui il polling di GET /v1/tasks/{taskId} finché data.status non diventa "success", e scarichi output[0].url. Questo è il riepilogo del meccanismo — per la procedura completa richiesta/risposta, il ciclo di vita degli stati, la versione Python e la gestione degli errori, consulta la guida operativa correlata: Ray 3.2 text-to-video API: guida curl e Python. Prima volta con l'API delle attività? Inizia dalla guida rapida.

Scrivere prompt che si leggano davvero come verticali

Cinque secondi senza frame di input sono un vincolo creativo serrato. Questi quattro accorgimenti hanno fatto una differenza evidente in questo batch:

1. Dì esplicitamente "vertical 9:16" nel prompt e componi per l'inquadratura alta — centra e impila un unico soggetto, invece di far lottare il ritaglio con un'ampia inquadratura orizzontale.
2. Piazza il gancio nel primo secondo. Un video breve vince o perde al primo frame, quindi descrivi qualcosa che si muove subito ("the spiral catches the light in the first second" — la spirale cattura la luce nel primo secondo).
3. Specifica il movimento di camera — push-in, braccio che scende, orbita lenta. Ray 3.2 risponde bene a direzioni di movimento esplicite, e il movimento è la chiave che fa percepire una clip come contenuto anziché come una presentazione di diapositive.
4. Un'idea per clip. Cinque secondi non bastano per una storia, ma bastano per un beat. Dalle solo uno.

Ecco i quattro prompt di questo batch, ciascuno un diverso tipo di verticale per video brevi che scriveresti davvero in un brief — food & beverage, POV di viaggio, prodotto e-commerce e atmosfera di un brand outdoor. Ogni clip è l'output grezzo del modello, senza alcuna modifica.

1 · Bevande / tavolo (vedi la clip di copertina qui sopra). Contenuto di prodotto orientato all'appetito. Il prompt inizia con la colata e la luce che colpisce, così il gancio cade nel primo frame:

Vertical 9:16 close-up: a barista's hands pour a slow spiral of golden honey
over a glass of iced coffee, condensation beading on the cup, morning light
raking across a marble counter, shallow depth of field, the honey spiral
catches the light in the first second — crisp appetizing tabletop commercial look

2 · POV di viaggio. Energia in prima persona senza volti in scena — il modo più rapido per fermare lo scroll del feed. Il dettaglio "handheld bounce" (ondeggiamento a mano) le conferisce un taglio vlog:

Vertical 9:16 first-person POV gliding fast down a neon-lit night market alley,
steam rising from food stalls, string lights streaking into bokeh, the camera
pushes forward with a confident handheld bounce, vibrant saturated colors,
energetic short-form travel vlog feel

3 · Protagonista prodotto (e-commerce). Una pulita ripresa su piedistallo rotante con un beat di "rivelazione" — perfetta come apertura per un lancio di prodotto o un momento dedicato a una funzionalità:

Vertical 9:16 product hero: a single pair of white running shoes rotates slowly
on a seamless gradient pedestal, a ribbon of fine sand swirls around them in slow
motion, soft studio key light with a crisp rim, clean minimalist e-commerce
aesthetic, the sand reveal lands on the opening beat

4 · Outdoor / atmosfera di brand. Un tuffo di drone per brand lifestyle e di viaggio — indirizzato come "picchiata rapida nel primo secondo, poi ammorbidimento in un'orbita" per dargli un movimento deliberatamente in due tempi:

Vertical 9:16 overhead drone shot snapping down toward a lone kayaker cutting a
clean V-wake across a glassy turquoise lake at sunrise, mist drifting off the
water, the camera descends fast in the first second then eases into a gentle
orbit, cinematic outdoor-brand mood

Quattro prompt, quattro tipi di verticale, un modello, $0.858 in totale. Questo è un batch.

Eseguire un batch senza starci dietro tutto il tempo

Poiché l'API delle attività è asincrona, il paradigma efficiente è distribuire a ventaglio prima, raccogliere tutto dopo — non generare una clip, aspettare, e poi generare la successiva. Invia l'intero batch in una volta, lascia che ogni clip venga renderizzata in parallelo a monte, salva ogni taskId nel momento in cui lo ricevi, e solo allora inizia il polling:

for each prompt:
    taskId = POST /v1/tasks  (model=ray-3.2/text-to-video, input=...)
    persist taskId to disk immediately   # it's billed at submit

for each saved taskId:
    poll GET /v1/tasks/{taskId} until status == "success"
    download output[0].url

Questa esecuzione ha insegnato (o riconfermato) due cose che vale la pena integrare nel processo:

• Esegui il polling dei taskId salvati; non reinviare mai. Gli id vengono fatturati nel momento in cui fai la POST, quindi se il polling va storto per un errore di rete temporaneo, catturalo e riprova con lo stesso id — reinviare ti farebbe pagare due volte. Persistere gli id su disco significa anche che un'esecuzione andata in crash può essere recuperata tramite polling, anziché ricreata.
• Prevedi circa 40–90 secondi per ogni clip a 540p. In questo batch, le quattro clip sono state completate lato server rispettivamente in 37, 38, 70 e 87 secondi. La distribuzione a ventaglio significa che l'intero set si completa in un tempo pari a quello della clip più lenta, non alla somma dei tempi.

Per una richiesta 9:16 a 540p ottieni un MP4 H.264 da 540×960, 24fps, circa 5,04 secondi — quindi "540p" si riferisce al lato corto, e l'inquadratura verticale è nativamente alta, senza bisogno di ritagli da parte tua.

Dalla clip grezza al video breve pubblicato

Due vincoli concreti da pianificare in anticipo:

• Le clip sono mute. Ray 3.2 t2v produce solo immagini — nessuna traccia audio. Per i video brevi va benissimo: importa la clip nel tuo software di montaggio e aggiungi lì musica di tendenza, voce fuori campo o sottotitoli. Pianifica un passaggio di montaggio; non aspettarti che l'API produca direttamente un file pronto alla pubblicazione.
• Cinque secondi sono un beat, non un video. Il metodo ripetibile è generare diverse clip da 5 secondi (come sopra), poi sovrapporne tre o quattro in un montaggio da 15–20 secondi con tagli netti sui beat. Ogni clip è un gancio; il montaggio è la storia.

Il ciclo end-to-end è quindi: generare in batch i concetti a 540p → scegliere i vincitori → rigenerare a 720p/1080p solo quel prompt → montare e musicare nel software di editing → pubblicare. Esplorazione a poco prezzo, paghi una sola volta per i vincitori, rifinitura finale a mano.

Domande frequenti

ray-3.2 text-to-video genera audio? No — l'output è un MP4 muto. Aggiungi l'audio nel software di montaggio.

Serve un'immagine di input? No. È proprio il senso del text-to-video: solo prompt. Se vuoi animare un frame esistente, usa ray-3.2/image-to-video.

Quale risoluzione usare per i social? 540p per i test di concetto in grandi volumi (540×960 in 9:16 — leggibile sul telefono), poi 720p o 1080p per le clip che pubblichi davvero.

Posso ottenere un verticale vero senza ritagli? Sì. Passa aspect_ratio: "9:16" e il modello renderizza nativamente in formato alto (540×960 a 540p). Il rapporto d'aspetto non influisce sul prezzo.

Quanto può durare una clip? 5 o 10 secondi — sono opzioni fisse, non un intervallo continuo. Per i video brevi guidati dal gancio, 5 secondi per clip sovrapposti in montaggio è di solito la scelta più conveniente.

In cosa differisce dalla guida operativa? La guida operativa copre la singola richiesta end-to-end (curl, Python, gestione errori). Questa pagina è il workflow che ci sta sopra: come produrre in batch concetti verticali, quale livello di risoluzione spendere in ogni fase e come scrivere prompt per il 9:16.

Inizia a generare

Ray 3.2 text-to-video è ora disponibile sull'API delle attività asincrone. Ottieni una chiave, apri la pagina del modello ray-3.2/text-to-video per il riferimento completo dei parametri e i prezzi attuali, e genera il tuo primo batch di concetti verticali a 540p — puoi testare una settimana di idee per video brevi con meno di un dollaro. Stai confrontando modelli per lo stesso compito? Le guide ai workflow per video brevi di seedance-2.0-fast e Kling 3.0 image-to-video seguono lo stesso ciclo, ma con compromessi diversi.