Hailuo 2.3 テキスト読み上げ動画：hiapi API ベースのショート動画出力ワークフロー

ショート動画に必要なのは、1 秒の映像の中で思わず信じてしまうような動きです。回転するスケートボード、はためく布、素早いパン。hailuo-2.3/text-to-video はまさにそのために作られています。hiapi の /v1/tasks エンドポイントにテキストプロンプトを 1 つ送るだけで、6 秒または 10 秒の、リアルな物理的動きを備えた動画クリップが得られ、参照画像は不要です。この記事では実際の API ワークフローを一通りたどり、実際に生成したクリップを紹介し、これをベースにパイプラインを組む前に知っておくべき出力制限を説明し、hiapi の /api/pricing によるリアルタイム価格をそのまま引用します。

hailuo-2.3/text-to-video が本当に得意なこと

テキスト読み上げ動画モデルは、素早い物理的動作のときに崩れやすい傾向があります。スケートボードが曲がったり、手足が回転の途中で変形したりするのです。hailuo-2.3/text-to-video は hiapi 上で「Motion Physics」タグが付いており、まさにそれが本当の売りです。ほとんどのショート動画コンテンツを構成する種類の動作（技 1 つ、オチ 1 つ、素早いカメラワーク 1 つ）において安定性を保てます。細部の精巧さでは静的シーンを専門とするモデルには及びませんが、スマートフォンで 1 回だけ見ることを想定した 6〜10 秒のクリップにとっては、ピクセル単位のテクスチャよりも物理的に説得力のある動きの方が重要です。

プロンプト、そして実際に生成されたもの

以下は下の動画に使われた完全なプロンプトです。ご自身のアクションショットの出発点としてコピーしてください：

a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip, the board spinning crisply mid-air with realistic physical rotation, sneaker landing solidly back on the deck as wheels grip the concrete, sunlight flaring low through support pillars, dynamic low-angle tracking shot following the motion, natural motion blur on fast movement, warm saturated color grade, handheld documentary energy

プロンプトの中で実際に効いている部分に注目してください。具体的に名指しされたカメラワーク（「dynamic low-angle tracking shot」）、明確な動きの描写（「crisply mid-air with realistic physical rotation」）、そして着地のタイミング（「solidly back on the deck as wheels grip the concrete」）です。hailuo-2.3/text-to-video はカメラやタイミングのパラメータを直接公開していません。それらはすべて、どれだけ具体的に描写するかによって決まります。

問題点：横向きのみのサポート

hailuo-2.3/text-to-video の入力スキーマ（リアルタイムのパラメータ一覧はモデルページを参照）は、意図的に非常に狭く設定されています：prompt、duration（"6" または "10"）、そして prompt_optimizer です。aspect_ratio はなく、resolution もなく、seed もありません。すべての動画は固定の 1366×768 横向きでレンダリングされます。

これは TikTok、Reels、Shorts にとっては実際の問題です。なぜなら、これらはすべて 9:16 を要求するからです。縦向きのオプションをリクエストできない以上、回避策は生成後にしかありません。横向きの映像を中央で縦帯にクロップするか（被写体が中央に留まっている場合にうまく機能します。上記の動画がその例です）、あるいはフレーム全体を保持し、上下を同じ素材のぼかした拡大コピーで埋めるかです。これは横向きクリップを再編集する際によく使われる「ぼかし背景塗りつぶし」効果です。モデルが縦向きですぐ使える完成品を直接渡してくれると想定するのではなく、クロップ／塗りつぶしのステップをパイプラインの一部として計画に組み込んでください。

コスト：2 つの長さのティアのみ、安価なモードはなし

hiapi のリアルタイム価格ページによると、hailuo-2.3/text-to-video は動画ごとの固定課金です：6 秒クリップ $0.40、10 秒クリップ $0.80。ちょうど 2 倍で、一括割引は組み込まれていません。これはバッチ予算にとって重要です。3 本の 6 秒クリップ（合計 $1.20、合計 18 秒の素材）は、3 本のほぼフル尺のクリップと同じ価格です。したがって、同じ総尺をカバーするのに、複数の短いクリップを編集でつなぎ合わせる方が、1 本の連続した長回しでカバーするよりも通常は安上がりです。

陥りやすい点が 1 つあります：Hailuo 2.3 には確かに安価な「fast」ティア（6 秒 $0.27 / 10 秒 $0.46）があります。しかし、それは画像読み上げ動画にしか存在しません。テキスト読み上げ動画は単一の価格ティアのみで、fast／安価な代替手段はありません。最終レンダリングを確定する前に大量にプロンプトを反復したい場合は、まず静止画を生成し、そのフレームに基づいて hailuo-2.3-fast/image-to-video で動きを反復する方が、しばしばコストを抑えられます。

パイプラインへの組み込み

hiapi の動画モデルはすべて同じ非同期の /v1/tasks パターンに従います。タスクを作成し、ポーリングし、すぐに出力をダウンロードします。配信リンクは有効期限が切れるからです：

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/text-to-video",
    "input": {
      "prompt": "a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip...",
      "duration": "6",
      "prompt_optimizer": true
    }
  }'

ステータスが終了状態になるまで GET /v1/tasks/{taskId} をポーリングし、その後 output[0].url を取得してすぐにダウンロードします。完全なリクエスト／レスポンス構造とリアルタイムのスキーマ検証についてはモデルページを参照してください。一般的な認証とタスクのライフサイクルの詳細については hiapi のドキュメントを参照してください。

1 つの動画モデルだけに賭けるのではなく、複数の動画モデルを中心にショート動画パイプラインを構築する場合は、hiapi の4 大動画モデルまとめが一読の価値があります。hailuo-2.3 は価格と品質の位置づけにおいて seedance-2.0-mini などのモデルとは異なり、シーンタイプごとにモデルを混在させる方が、コンテンツカレンダー全体を 1 つのモデルで統一するよりも通常は良い結果になります。

よくある質問

hailuo-2.3/text-to-video は縦向き（9:16）出力をサポートしていますか？ いいえ。aspect_ratio や resolution パラメータはありません。すべての動画は約 1366×768 の横向きでレンダリングされます。縦向きにするには、生成後に出力をクロップまたは塗りつぶししてください。

動画 1 本の生成にはどのくらい時間がかかりますか？ 非同期タスクです。送信後にポーリングし、ステータスが終了状態になるまで待ちます。バッチパイプラインでは、同期的な返却を期待するのではなく、動画 1 本あたり数分を見込んでください。

hailuo-2.3/text-to-video にはもっと安価または高速なバージョンがありますか？ ありません。割引された「fast」ティアは hailuo-2.3-fast/image-to-video にのみ適用されます。テキスト読み上げ動画は単一価格のみで、6 秒 $0.40、10 秒 $0.80 です。

カメラの動きや具体的なタイミングのビートを直接制御できますか？ 構造化パラメータでは制御できません。動き、カメラワーク、テンポはすべてプロンプトの書き方から生まれます。上記のプロンプト（具体的に名指しされたトラッキングショット、明確な回転の描写、着地のビート）は、物理感のあるアクションショットに使える有効なテンプレートです。

要点まとめ

• 入力スキーマ全体は prompt、duration（"6" または "10"）、prompt_optimizer のみです。aspect_ratio、resolution、seed は調整できません。
• 出力は常に約 1366×768 の横向きです。縦向きのショート動画プラットフォーム向けには、クロップまたは塗りつぶしのステップを計画する必要があります。
• 価格は固定です。6 秒 $0.40、10 秒 $0.80。より安価な「fast」ティアは画像読み上げ動画にのみ存在します。
• /v1/tasks で送信し、終了状態までポーリングしてから、出力 URL をすぐにダウンロードしてください。リンクは有効期限が切れます。

試す準備はできましたか？ hailuo-2.3/text-to-video モデルページで上記のプロンプトを使って動画を 1 本生成し、ショート動画のセット全体をバッチ実行する前に現在の価格を確認してください。