Ricette di prompt text-to-video per Veo 3.1 Lite: 2 prompt pronti da copiare e incollare con output reali

veo-3.1-lite/text-to-video è uno dei pochi modelli text-to-video su hiapi in cui l'audio non è tutto-o-niente — il flag generate_audio ti consente di attivare o disattivare il suono nativo per singola richiesta, e questo cambia il prezzo al secondo. Ciò lo rende ideale per imparare due tipi diversi di attività: una scena ambientale che si basa su un suono a più livelli, e un loop prodotto verticale progettato per l'autoplay muto. Se cerchi un modello che includa sempre l'audio senza doverlo chiedere, wan2.7-video/text-to-video è il confronto più vicino.

Questa guida ti offre due ricette di prompt veo-3.1-lite/text-to-video pronte da copiare e incollare, ciascuna con l'output reale riuscito al primo colpo ottenuto dal prompt stampato accanto, generato tramite l'API di task di hiapi — nessuna selezione tra più seed, nessun reroll. Le due clip costano complessivamente $0.64.

Struttura della richiesta (leggi prima questo)

veo-3.1-lite/text-to-video gira sull'endpoint asincrono dei task di hiapi. I campi chiave nelle due ricette seguenti:

• prompt — la scena: soggetto, azione, sfondo, camera e (se l'audio è attivo) suono.
• duration — in secondi; il modello offre clip da 4, 6 o 8 secondi.
• resolution — 720p o 1080p.
• aspect_ratio — composizione orizzontale o verticale; sotto abbiamo usato 16:9 e 9:16.
• generate_audio — booleano. Imposta true per scene che necessitano di una colonna sonora, false per loop silenziosi — disattivato costa meno al secondo.

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 risposta restituisce immediatamente un taskId; esegui il polling di GET /v1/tasks/{taskId} finché status non è success, e scarica subito output[0].url — è un link temporaneo.

Ricetta 1: scena ambientale, audio attivo

Il compito qui è rendere un paesaggio sonoro stratificato e realistico sotto un movimento di camera realistico — il tipo di clip che un account social di un marchio di caffè pubblicherebbe davvero con l'audio attivo:

Un piccolo banco di caffè pour-over in un mercato contadino mattutino illuminato dal sole. Un barista
con un grembiule di denim versa acqua calda in una lenta spirale sul caffè macinato in un
filtro di carta; il vapore si arriccia verso l'alto e cattura la luce mentre il caffè sboccia
con un leggero sibilo. Sullo sfondo sfocato, i visitatori del mercato curiosano tra le bancarelle
sotto una tenda di tela che si muove nella brezza. La camera si avvicina lentamente
sulla versata. Luce calda e dorata, profondità di campo ridotta, sensazione
documentaristica a mano libera. Il leggero sibilo e crepitio della versata si sovrappone al vociare
distante del mercato e a un vento leggero.

Parametri: duration: 4, resolution: 720p, aspect_ratio: 16:9, generate_audio: true — costo $0.40.

Output riuscito al primo colpo:

La versata è l'intera ripresa, e il modello ha mantenuto questo: la spirale dell'acqua, il vapore che sale e il lento avvicinamento sono continuati per tutti e quattro i secondi senza trasformarsi in un cambio di scena. Lo sfondo ha fatto esattamente ciò che richiedevano "sfocato" e "visitatori del mercato" — delle sagome si muovono davanti alla tenda di tela, mai abbastanza nitide da contender l'attenzione alla versata. Con l'audio attivo, la clausola sonora si manifesta in tre livelli distinti: il sibilo e il crepitio ravvicinati della versata, una parete morbida di voci in sottofondo e il vento che si inserisce tra i due. Questo è il pattern da copiare — nominare ogni livello audio separatamente (suono in primo piano, folla ambientale, ambiente), invece di scrivere un vago "suono del mercato".

Ricetta 2: loop prodotto silenzioso, audio disattivato

Il secondo compito va contro l'intuito: una ripresa commerciale a camera bloccata, impostata con generate_audio: false, perché un loop prodotto pensato per i feed in autoplay muto non ha bisogno di una colonna sonora — saltarla riduce anche il prezzo al secondo:

Ripresa prodotto verticale: una custodia per auricolari wireless nero opaco ruota lentamente su
una superficie nera riflettente sotto un singolo riflettore dall'alto, proiettando un
pulito riflesso circolare sul coperchio. Un sottile ring light brilla dietro di essa,
illuminando i bordi in blu freddo. La camera resta bloccata, centrata,
senza alcun movimento tranne la lenta rotazione della custodia. Sfondo studio minimale
che sfuma nel nero puro ai bordi. Look pubblicitario tecnologico elegante e premium,
riflessi nitidi, niente polvere o impronte digitali.

Parametri: duration: 4, resolution: 720p, aspect_ratio: 9:16, generate_audio: false — costo $0.24.

Output riuscito al primo colpo:

Ogni vincolo del prompt è leggibile: l'inquadratura non si sposta mai né va alla deriva, l'unico movimento è la rotazione della custodia, e il riflesso circolare del riflettore passa esattamente sul coperchio mentre la superficie ruota. Questo è ciò che si ottiene con "la camera resta bloccata, centrata, senza alcun movimento tranne X" — specificare cosa deve restare fermo è importante quanto specificare cosa deve muoversi. E poiché questo loop funziona senza voci o base musicale (la maggior parte delle campagne aggiunge la propria musica), disattivare generate_audio non è un compromesso — a 720p costa il 40% in meno al secondo, e la clip non perde nulla.

Riferimento rapido

1. Tratta generate_audio come una decisione creativa, non come un valore predefinito. Scene ambientali e momenti narrativi lo richiedono attivo; i loop prodotto bloccati per feed muti no — disattivarlo a 720p costa il 40% in meno al secondo ($0.06 contro $0.10).
2. Con l'audio attivo, nomina ogni livello audio separatamente — suono in primo piano, folla o rumore di fondo ambientale, ambiente — invece di un vago "rumore di fondo".
3. Nelle riprese a camera bloccata, specifica cosa non deve muoversi ("la camera resta bloccata, centrata, senza alcun movimento tranne la lenta rotazione della custodia"). È importante quanto descrivere cosa deve muoversi.
4. Fai corrispondere aspect_ratio alla piattaforma: 16:9 per scene ambientali o orizzontali, 9:16 per loop prodotto o commerciali verticali.
5. Fai un prototipo da 4 secondi prima di spendere per le opzioni di durata più lunghe da 6 o 8 secondi.

Quanto costa

veo-3.1-lite/text-to-video è tariffato al secondo di output, con una tariffa che dipende dalla risoluzione e dall'attivazione dell'audio:

Impostazione	Prezzo al secondo
720p, con audio (predefinito)	$0.10
720p, senza audio	$0.06
1080p, con audio	$0.14
1080p, senza audio	$0.10

Le clip possono durare 4, 6 o 8 secondi. Le due clip di questo articolo — una clip da 4 secondi in 720p con audio e una clip da 4 secondi in 720p senza audio — costano complessivamente $0.64. Le tariffe attuali sono sempre sulla pagina dei prezzi.

Provalo

Entrambe le ricette sopra girano sul livello 720p predefinito; sostituisci il tuo soggetto, decidi in anticipo se la ripresa necessita di una colonna sonora, e invia all'API dei task. La pagina del modello veo-3.1-lite/text-to-video ha il riferimento dei parametri in tempo reale e i prezzi attuali. Se la tua ripresa è più vicina a una scena narrativa che dovrebbe avere sempre l'audio, le ricette di prompt text-to-video per wan2.7 sono un utile confronto affiancato: la stessa struttura dell'API dei task, con l'audio incorporato anziché opzionale.