Ricette di prompt per image-to-video con Veo 3.1 Lite: prompt copia-incolla e output reali

In sintesi

• veo-3.1-lite/image-to-video trasforma una singola immagine statica in una breve clip ed è uno dei pochi modelli image-to-video su hiapi a supportare l'audio sincronizzato nativo (generate_audio: true) — senza bisogno di aggiungere effetti sonori separatamente.
• La durata della clip è fissa: 4, 6 o 8 secondi, con risoluzione 720p o 1080p. Non esiste un parametro di aspect ratio — il formato di output segue direttamente l'immagine sorgente.
• Qui sotto trovi tre prompt di movimento testati sul campo — rotazione del soggetto, svelamento del prodotto, avanzamento ambientale — ciascuno con l'immagine sorgente e la clip effettivamente generata tramite l'API online.
• L'audio aumenta concretamente i costi: attivando generate_audio, il 720p passa da $0.06 a $0.10 al secondo, e il 1080p da $0.10 a $0.14 al secondo. Per i video loop di prodotto in muto, disattiva l'audio.
• Le tre immagini sorgente di questo articolo sono state create appositamente per l'articolo, e tutte e tre le clip sono state renderizzate tramite lo stesso endpoint /v1/tasks che chiamerai tu — nessuna è materiale dimostrativo della piattaforma.

Come sono state realizzate queste ricette

Ogni ricetta segue lo stesso ciclo in due passaggi:

1. Genera un'immagine sorgente pulita con un modello text-to-image (noi abbiamo usato gpt-image-2/text-to-image). Questa immagine statica è il primo frame — la composizione, l'illuminazione e la posa del soggetto che fissi qui sono il punto di partenza dell'animazione video.
2. Passa l'URL pubblico di quell'immagine insieme al prompt di movimento a veo-3.1-lite/image-to-video, dove il prompt descrive cosa deve cambiare nei secondi successivi — rotazione della testa, apertura del coperchio, avanzamento della camera. Il modello non inventa una nuova scena: fa muovere solo l'immagine che gli fornisci.

Prima di spendere per clip reali, esplorando lo schema abbiamo scoperto alcuni punti:

• image_url accetta solo una singola stringa, non un array — un'immagine di riferimento per clip, nessuna fusione multi-immagine.
• Non esiste il campo aspect_ratio. Il video renderizzato mantiene l'inquadratura dell'immagine sorgente.
• duration accetta solo 4, 6 o 8 — valori come 5 o 10 vengono rifiutati direttamente.
• generate_audio è un semplice booleano, ma cambia la fascia di prezzo (vedi la tabella dei costi qui sotto), quindi decidi prima di avviare se la clip necessita di audio.

Ricetta 1 — Rotazione della testa e sorriso

Immagine sorgente — ritratto in studio, angolazione di tre quarti, espressione neutra:

La donna gira lentamente la testa e le spalle verso la camera, la sua espressione passa da neutra a un sorriso caldo e sincero, stabilendo contatto visivo con l'obiettivo. I suoi capelli mossi castano ramato ondeggiano leggermente con il movimento. Rumore di fondo soft da studio, con un leggero respiro udibile mentre sorride.

veo-3.1-lite/image-to-video · 6 secondi · 720p · generate_audio: true · $0.60

Perché funziona: il prompt fornisce al modello una sola azione (girare la testa) e un cambiamento di espressione (da neutra a sorriso) — non chiede nulla che la posa di partenza non possa supportare. Specificare esplicitamente l'audio ("rumore di fondo soft da studio", "leggero respiro") è fondamentale qui: senza indicazioni, generate_audio: true tende a generare un suono ambientale generico anziché un audio allineato al ritmo dell'immagine.

Ricetta 2 — Svelamento del prodotto con rotazione

Immagine sorgente — custodia per auricolari chiusa su un espositore in marmo:

Il coperchio della custodia si apre lentamente lungo la cerniera mentre la custodia ruota dolcemente in senso orario sull'espositore in marmo, rivelando gli auricolari alloggiati all'interno. Con la rotazione, una luce di contorno da studio scorre sulla superficie nero opaco. La camera resta fissa, si muove solo il soggetto.

veo-3.1-lite/image-to-video · 4 secondi · 1080p · generate_audio: false · $0.40

Perché funziona: i video loop per l'e-commerce raramente necessitano di audio — la maggior parte degli acquirenti guarda i video di prodotto senza audio — quindi qui disattiviamo completamente l'audio e manteniamo la clip breve (4 secondi), con una sola azione composta (apertura del coperchio + rotazione). Specificare esplicitamente "la camera resta fissa" impedisce al modello di aggiungere movimenti di camera indesiderati, un errore comune nei filmati di prodotto.

Ricetta 3 — Sollevamento della nebbia ambientale

Immagine sorgente — pontile in legno su un lago avvolto dalla nebbia all'alba:

La camera avanza lentamente lungo il pontile in legno verso la panchina vuota, la nebbia mattutina si sposta sul lago e si dirada gradualmente, la luce del sole inizia a filtrare attraverso il cielo rosa e si riflette sulle increspature dell'acqua. Paesaggio sonoro ambientale tenue: canto degli uccelli e il leggero sciabordio dell'acqua contro i pali del pontile.

veo-3.1-lite/image-to-video · 6 secondi · 720p · generate_audio: true · $0.60

Perché funziona: le riprese ambientali traggono vantaggio dal combinare il movimento della camera (avanzamento) con il movimento dell'ambiente (nebbia che si dirada, luce che cambia) — un solo tipo di movimento appare statico, solo la loro sovrapposizione crea una scena viva. Gli indizi audio ambientali ("canto degli uccelli", "sciabordio dell'acqua") legano la traccia audio al contenuto visivo, anziché a un rumore di fondo generico.

Ridurre la spesa a consumo per secondo

veo-3.1-lite/image-to-video si fattura in base alla risoluzione e all'attivazione dell'audio, verificato rispetto all'endpoint online /api/pricing:

Risoluzione	Audio	Prezzo al secondo	Costo di una clip da 6 secondi
720p	Off	$0.06/sec	$0.36
720p	On	$0.10/sec	$0.60
1080p	Off	$0.10/sec	$0.60
1080p	On	$0.14/sec	$0.84

Due conclusioni: prima di impegnarsi in render più lunghi o a risoluzione più alta, restare a 720p con audio disattivato è il modo più economico per iterare sui prompt. E passare da 720p muto a 1080p con audio quasi raddoppia la tariffa al secondo ($0.14 contro $0.10 del 720p muto) — riserva la combinazione 1080p + audio alle clip che devi davvero consegnare.

Prova tu stesso: invio, polling, download

import time
import requests

API_BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = "YOUR_HIAPI_API_KEY"

def submit(prompt, image_url, duration=6, resolution="720p", generate_audio=True):
    resp = requests.post(
        API_BASE,
        headers={"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"},
        json={
            "model": "veo-3.1-lite/image-to-video",
            "input": {
                "prompt": prompt,
                "image_url": image_url,
                "duration": duration,
                "resolution": resolution,
                "generate_audio": generate_audio,
            },
        },
        timeout=30,
    )
    resp.raise_for_status()
    return resp.json()["data"]["taskId"]

def poll(task_id, interval=8, timeout=300):
    deadline = time.time() + timeout
    while time.time() < deadline:
        r = requests.get(f"{API_BASE}/{task_id}",
                          headers={"Authorization": f"Bearer {TOKEN}"}, timeout=30)
        data = r.json()["data"]
        if data["status"] == "success":
            return data["output"][0]["url"]
        if data["status"] in ("failed", "error"):
            raise RuntimeError(f"task failed: {data}")
        time.sleep(interval)
    raise TimeoutError("task did not finish in time")

task_id = submit(
    prompt="主体缓缓转向镜头并微笑。",
    image_url="https://your-public-image-url.jpg",
    duration=6,
    resolution="720p",
    generate_audio=True,
)
video_url = poll(task_id)

# L'URL di output ha una scadenza — scarica subito i byte
video_bytes = requests.get(video_url, timeout=60).content
with open("clip.mp4", "wb") as f:
    f.write(video_bytes)

Gli URL di output scadono — scarica e salva i byte immediatamente dopo che il task riporta success, senza conservare a lungo il riferimento.

Se non hai familiarità con il flusso di generazione basato su task di hiapi, la pagina di dettaglio del modello veo-3.1-lite/image-to-video contiene il riferimento aggiornato dello schema, e la pagina dei prezzi riflette sempre le tariffe in tempo reale di ciascun modello, non uno snapshot. Se vuoi costruire una libreria di prompt image-to-video più completa, il nostro articolo ricette image-to-video per Grok Imagine 1.5 copre un altro modello con i suoi schemi di prompt di movimento e compromessi sui costi.

Riferimento rapido allo schema

Campo	Tipo	Valori	Note
prompt	string	testo libero	Descrivi il movimento/il cambiamento, non l'intera scena
image_url	string	URL pubblico	Solo una singola immagine, nessun array
duration	integer	4, 6, 8	Altri valori vengono rifiutati
resolution	string	"720p", "1080p"	Nessuna fascia 480p
generate_audio	boolean	true / false	Cambia la fascia di prezzo

Per iniziare

Genera un'immagine sorgente pulita, scrivi un prompt di movimento che indichi chiaramente uno o due cambiamenti desiderati e decidi in anticipo se la clip necessita di audio — questo è l'intero workflow. Vai alla pagina del modello veo-3.1-lite/image-to-video per ottenere una chiave API e iniziare a renderizzare.