Hailuo 2.3 画像から動画へのプロンプト：そのままコピーして使える3つのレシピ（実際の出力付き）

Hailuo 2.3（hailuo-2.3/image-to-video）は MiniMax の標準的な画像から動画へのティアであり、その看板能力はアクション物理です。布地、髪、水、全身の動きが視覚の期待どおりに振る舞います。本記事はそのまま真似できる実践マニュアルであり、標準ティアで使える hailuo 画像から動画へのプロンプト——最も得意な分野に特化した3つのコピペ可能なレシピを収録しています。連続した人体の動き、激しい水体の物理、そして様式化されたイラストを動かすことです。

以下の各クリップは、隣に示したプロンプトで実際に一発で得られた出力です——複数回の実行から最良を選んだものではなく——各価格は公開前にライブの料金ページと照合して検証済みです。標準ティアはクリップ単位の課金です：6秒 $0.40、10秒 $0.80。

30秒でわかる入力パラメータ構造

Hailuo i2v は hiapi の非同期タスクエンドポイント（POST /v1/tasks）で動作し、入力パラメータ構造は意図的に簡潔かつ厳格に保たれています：

フィールド	必須か	説明
prompt	はい	記述するのは動作であり、シーンではない——画像自体がすでにシーンである
image_url	はい	公開アクセス可能な URL（単数形——image_urls ではない）。最初のフレームになる
duration	いいえ	文字列 "6" または "10"——整数 6 は 400 で拒否される
prompt_optimizer	いいえ	ブール値。生成前にプラットフォームがプロンプトを拡張することを許可する

それ以外のもの——resolution、aspect_ratio、motion_strength——は 400 INVALID_REQUEST: additional properties not allowed で拒否されます。ここには動きを調整するつまみはありません：プロンプトが唯一のハンドルであり、まさにそれがこのモデルにとってプロンプトレシピがこれほど重要な理由です。出力クリップは入力フレームのアスペクト比を継承します（私たちの 16:9 フレームは 1364×768 でレンダリングされます）。リクエスト／ポーリング／ダウンロードの完全な流れについては、hailuo-2.3 画像から動画への API ガイドを参照してください。

3つのレシピすべてで通用するプロンプトの公式：

主体の動作を書いた順に記述する（Hailuo は重ねられた動作をほぼ順番に実行する）+ カメラ指示を1つ（プッシュイン / 固定 / ドリフト）+ 一貫性の条項（滑らかで自然な動き、フレーム間で一貫した照明）

画像にすでにある内容を再説明するために言葉を無駄にしないでください。画面そのものがスタイルを担います。プロンプトのトークンはすべて動きと引き換えにすべきです。

レシピ 1——連続した全身動作（太極拳の流れ）

画像から動画への最も難しいタスクは、持続的で協調した人体の動きです——ほとんどのモデルは1つのジェスチャーをこなした後、崩れ始めます。このレシピは Hailuo 2.3 に、静止した立ち姿から始まり、布地がなびく連続した武術の動きを完遂するよう要求します：

アクションプロンプト：

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

一発で得られた出力（$0.40、6秒）：

注目すべき点：腕が一周の円弧を描き切っても解剖学的構造が崩れず、袖が本物のリネンのように腕の動きに遅れてついてきます——この二次的な布地の動きこそが標準ティアの証です。「in one continuous circular motion」という文言が重要です。明示的な連続性のヒントがないと、i2v モデルは1つのジェスチャーをして、間を置き、無関係な第2のジェスチャーを続けることがよくあります。布地を名指しすること（「sleeves and sash trailing」）で初めて布地シミュレーションが有効になります。言及しなければ、ゆったりした衣服はしばしば硬いままです。

レシピ 2——水と毛の物理（犬の水振り）

濡れた犬の水振りは過酷な物理テストです：高周波の体の回転、毛の塊、そして数十の水滴がそれぞれ合理的な弾道の弧を描く必要があります。同時に実用的なパターンでもあります——ペットブランドやストック素材チームはよくこうして静止画を動かします：

アクションプロンプト：

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

一発で得られた出力（$0.40、6秒）：

注目すべき点：飛び散る水は、ぼかしフィルターではなく、逆光に照らされた一粒一粒の水滴として、リアルな軌道で見えます——そしてクリップは台本どおりの順序で実行されます（振る → 止まる → 首をかしげる）。ここには再利用できるコツが2つあります。第一に、「against the backlight」は水がどのように見えるべきかをモデルに伝え、単に水が存在するだけでは伝えません。光を意識した動作記述は、通常より良い粒子をレンダリングします。第二に、小さく静かな動作で締めること（「tilts its head at the camera」）が、振り途中で切れるのではなく、クリップに自然な収束のビートを与えます——クリップが製品ページでループ再生される場合に有用です。

レシピ 3——様式化されたイラストを動かす（水墨の龍）

Hailuo i2v は写真専用ではありません。様式化された静止画——ここでは雲の中の錦鯉龍の水墨イラスト——を入力すると、画面のスタイルのままアニメーション化し、筆致を写真のようにリアルに変換しようとはせず、媒体として扱います：

アクションプロンプト：

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

出力（$0.40、6秒）：

注目すべき点：雲は写真の霧のように振る舞うのではなく、湿った墨のように滲んで再構成されます——「brush strokes flowing like water」がこれを実現するのは、シーン自体ではなく媒体の物理特性を名指ししているからです。イラスト入力では、画面のスタイルが主導権を握れるよう、プロンプトを短く保ってください。長い写真用語（「cinematic」「bokeh」）はイラストと衝突し、スタイルのドリフトを引き起こす可能性があります。まさにこれが、ブランドマスコット、書籍の挿絵、ゲームの起動画面に採用できるパターンです。

標準ティア vs. 高速ティア：$0.40 はいつ価値があるか

hiapi は hailuo-2.3-fast/image-to-video も $0.27/6秒で提供しており、入力パラメータ構造は同じ3フィールドなので、プロンプトは2つのティア間でそのまま移行できます。うまく機能するワークフロー：

• 高速ティアでプロトタイプを作る（$0.27/クリップ）。動作の言い回しを反復しながら——パラメータ構造と挙動が一致するので、知見が移行できます。
• 採用稿は標準ティアで再実行する（$0.40/クリップ）。ショットが物理的忠実度に依存する場合：多段階の人体動作、布地、レシピ2のような粒子密度の高いシーン。
• 両ティアとも秒単位ではなくクリップ単位の課金——失敗した実験も採用稿も同じコストであり、これも低コストでプロトタイプすべきもう1つの理由です。

自分で実行する

上記のどのレシピも1回のリクエストで済みます。タスクを作成します：

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"
    }
  }'

次に GET /v1/tasks/<taskId> を data.status が "success" になるまでポーリングし、すぐに data.output[0].url をダウンロードしてください——出力 URL は署名付きで期限切れになるため、バイト列を自分のストレージに保存してください。完全なポーリングとエラー処理のコードはAPI フローの説明とドキュメントを参照してください。

よくある質問

なぜ duration が拒否されるのですか？文字列 "6" または "10" でなければなりません。整数、または "8" などその他の値は 400 を返します。

解像度やアスペクト比を制御できますか？いいえ——パラメータ構造にそのようなフィールドはありません。クリップは入力フレームのアスペクト比を継承するので、生成前に静止画を希望の画面比にクロップしてください。

入力画像は公開されている必要がありますか？はい。API はサーバー側で image_url を取得するため、localhost のパスや期限切れの署名付き URL は失敗します。R2/S3/CDN の公開リンクなら何でも構いません。

これらのプロンプトは高速ティアでも有効ですか？はい、そのまま使えます——パラメータ構造は同じです。粒子の多いショットでは物理効果がやや精細さに欠けます。それが低価格とのトレードオフです。

1つのクリップにどれくらいかかりますか？秒単位ではなく分単位です——私たちの6秒クリップはそれぞれ数分のポーリング内で完了しました。ブロッキング HTTP 待機ではなく、非同期（ポーリングまたはコールバック）で構築してください。

---

上記の3つのクリップはすべて単一の試行から得られたもので、各 $0.40——このマニュアル全体の生成コストは $1.20 です。動かしたい静止画があるなら、キーを取得してhailuo-2.3/image-to-video モデルページから始めましょう：画像 URL を上記のリクエストに差し替え、動作（シーンではなく）を記述すれば、コーヒーが冷める前に最初のクリップが完成します。