使用ガイド
PixVerse V6 プロンプト：4 つのテキスト・トゥ・ビデオ・レシピと実写クリップ
- モデル
- pixverse-v6
以下は 4 つの pixverse-v6/text-to-video プロンプトです。そのままコピー＆ペーストして実行できます。各プロンプトには完全なリクエストボディと、hiapi のライブ API 上で実際に生成されたクリップが付属しています——ここにはストック動画やシミュレーション素材は一切ありません。以下のクリップはインラインで再生できます。
テキスト・トゥ・ビデオとイメージ・トゥ・ビデオは異なる技術です。イメージ・トゥ・ビデオでは、モデルに最初のフレームを与えてそれをアニメーション化しますが、テキスト・トゥ・ビデオには入力フレームがまったくありません。そのためプロンプトが主体、シーン、照明そして動きを同時に確立する必要があります。これらのレシピはまさにそのために調整されています。
主要な役割を担う 3 つのフィールド
レシピに入る前に、まずメンタルモデルを構築しましょう。pixverse-v6/text-to-video は prompt と、小さな固定の入力フィールド群を受け取ります（スキーマは閉じており、未知のフィールドは拒否されます）。中でも出力に最も影響する 3 つのフィールドがあります：
- プロンプト自体。このモデルには意図的に
camera_movement、motion_mode、qualityフィールドがありません。すべてのカメラワークとあらゆる動きはプロンプトのテキストに書き込む必要があります。これがこのモデルを理解する上で最も重要な点です。 style——5 つのプリセットを持つ列挙型：anime、3d_animation、clay、comic、cyberpunk。これを設定すると、単なるパレットではなくレンダリング全体のスキンが変わります。generate_audio——ブール値（デフォルトはfalse）。有効にすると、モデルは同じ呼び出しでプロンプトに記述された環境音を同期させてレンダリングします。
残りのフィールドはフォーマットと制御ノブです：aspect_ratio（16:9 や 9:16 を含む 8 つのオプション）、duration（整数、1～15 秒）、resolution（360p → 1080p）、そしてオプションの negative_prompt と seed。完全なフィールドリストとリクエスト/レスポンス構造は Create Task および Get Task Detail のドキュメントを参照してください。モデル固有のページは PixVerse V6 Text to Video API ドキュメントです。
レシピ 1——シネマティックなカメラワーク＋同期オーディオ
写実的な定場ショットで、カメラ自体が動き、環境音が同じ呼び出しで生成されます。
プロンプト（コピー＆ペースト可能）：
Cinematic slow dolly push-in across a windswept coastal cliff at golden hour. Tall grass ripples in the sea breeze, waves crash against dark rocks far below, warm low sunlight rakes across the scene. The camera glides forward steadily toward the cliff edge, revealing a wide ocean horizon. Shallow depth of field, gentle lens flare, realistic film grain, soft natural ambience of wind and distant surf.
リクエストボディ：
{
"model": "pixverse-v6/text-to-video",
"input": {
"prompt": "<prompt above>",
"aspect_ratio": "16:9",
"duration": 5,
"resolution": "720p",
"generate_audio": true
}
}
生成された実際の 5 秒クリップ（16:9、720p、サウンドオン）：
効果的な理由：
- pixverse-v6 には
camera_movementフィールドがないため、動きはプロンプト内に存在します：「slow dolly push-in」と「the camera glides forward steadily」が前進効果を生み出しているまさにその理由です。 generate_audio: trueがこのクリップに風の音と波の音があるすべての理由です——これは実際のブールスイッチで、デフォルト値はfalseです。欲しい音を記述すれば（「soft natural ambience of wind and distant surf」）、同期的にレンダリングされます。- 感覚的で具体的な動詞（「grass ripples」「waves crash」「sunlight rakes」）が、静止したポストカードではなくアニメーション化可能な動きをモデルに提供します。
レシピ 2——style: anime プリセット
単一のフィールドで平凡なキャラクタービートを手描きアニメに変えます。
プロンプト（コピー＆ペースト可能）：
A teenage courier in a weathered red jacket stands on a rain-slicked rooftop at dusk, distant city lights blooming behind her. A gentle breeze lifts her hair and the hem of her jacket; neon signs flicker and reflect in shallow puddles. The camera slowly orbits from her side around to a three-quarter front view. Hand-drawn anime aesthetic, soft cel shading, warm-to-cool color grade.
リクエストボディ：
{
"model": "pixverse-v6/text-to-video",
"input": {
"prompt": "<prompt above>",
"aspect_ratio": "16:9",
"duration": 5,
"resolution": "720p",
"style": "anime",
"negative_prompt": "blurry, distorted hands, extra limbs, watermark, text artifacts"
}
}
生成された実際の 5 秒クリップ（16:9、720p）：
効果的な理由：
style: "anime"はレンダリング全体のスキンを変えます——線画、セルシェーディング、カラーグレーディング——その効果はプロンプトに「anime」という単語を加えるよりもはるかに大きいです。- カメラの方向は依然として散文で表現されます：「the camera slowly orbits from her side around to a three-quarter front view」が、固定された三脚ショットではなく制御されたリビール感をもたらします。
- 短い
negative_prompt（「distorted hands, extra limbs」）はキャラクターショットにおける安価な保険です。手や四肢はよくある失敗ポイントだからです。
レシピ 3——style: 3d_animation プリセット
温かみのある、Pixar 風の 3D キャラクタービート。製品マスコットや解説のオープニングに適しています。
プロンプト（コピー＆ペースト可能）：
A chubby palm-sized desk robot with big round eyes wakes up on a wooden desk beside a steaming coffee mug. It stretches its little arms, blinks twice, then waves cheerfully at the camera. Morning light streams through a nearby window. Smooth stylized 3D animation, soft global illumination, playful squash-and-stretch motion, shallow depth of field.
リクエストボディ：
{
"model": "pixverse-v6/text-to-video",
"input": {
"prompt": "<prompt above>",
"aspect_ratio": "16:9",
"duration": 5,
"resolution": "720p",
"style": "3d_animation"
}
}
生成された実際の 5 秒クリップ（16:9、720p）：
効果的な理由：
style: "3d_animation"は柔らかなグローバルイルミネーションと丸みのある表面質感をもたらします。そうでなければプロンプト全体を費やして追求することになるでしょう。- 順序立てたビートがこの 5 秒を明確に読み取れるものにします：「stretches its little arms, blinks twice, then waves」——動作を順序付ければ、モデルはクリップ全体にそのリズムを配分します。
- モデルが理解するアニメーションのヒント（「squash-and-stretch motion」）は、漂うレンダリングではなく意図的なキャラクターアニメーションとして解釈されます。
レシピ 4——縦型、高エネルギーのリズム（style: cyberpunk、9:16）
スクロールを止めるダイナミックな縦型クリップ。Reels / Shorts / TikTok 向けです。
プロンプト（コピー＆ペースト可能）：
Fast first-person sprint through a narrow neon alley in a rain-soaked future megacity at night. Holographic advertisements smear past, puddles throw back magenta and cyan light, steam vents hiss on both sides. Quick energetic forward motion with a slight handheld camera shake, dynamic reflections, high contrast. Dense, kinetic, cinematic.
リクエストボディ：
{
"model": "pixverse-v6/text-to-video",
"input": {
"prompt": "<prompt above>",
"aspect_ratio": "9:16",
"duration": 5,
"resolution": "720p",
"style": "cyberpunk",
"negative_prompt": "static, frozen, slow, dull colors, low detail, watermark, text"
}
}
生成された実際の 5 秒クリップ（9:16、720p）：
効果的な理由：
aspect_ratio: "9:16"は最初から縦型で構図します——後から縦型にトリミングすると解像度が半分失われるので、必要なフレーム形状を直接リクエストしましょう。- リズムはプロンプトの選択です：「fast first-person sprint」、「quick energetic forward motion」、「slight handheld camera shake」がモデルをダイナミックな動きへと押し出します。
- ここでの
negative_promptは価値があります——「static, frozen, slow, dull colors」が、平凡なプロンプトが陥りやすい生気のない出力からモデルを積極的に遠ざけます。
調整のポイント
- 動きは散文であって、パラメータではありません。クリップが静止して見えるなら、明示的なカメラ指示（「slow dolly in」「orbit left」「crane up」）と主体の物理的な動きを追加しましょう。曖昧なプロンプトは固定カメラショットしか得られません。
styleを意識的に選ぶ。同じシーンでもanime、3d_animation、cyberpunkでは見た目がまったく異なります。写実的なスタイルにするならstyleを設定しないでください。- オーディオはブール値です。
generate_audio: trueで同期サウンドが追加されます。デフォルトはfalseで、sound/audioはフィールド名ではありません（拒否されます）。価格にはサウンドオン用の別段階があるので、必要なときだけ有効にしましょう。 - まず形状、次に規模。縦型には
aspect_ratio: 9:16を設定し、16:9 のレンダリングを後からクロップしないようにしましょう。durationは整数です——5は有効、"5"は拒否されます。 negative_promptとseed。negative_promptでよくある失敗パターン（「static, blurry, extra limbs, watermark」）を遠ざけ、反復したいルックが見つかったらseedを設定しましょう。
FAQ
pixverse-v6 のテキスト・トゥ・ビデオでカメラを制御する方法は？
完全にプロンプト経由です。カメラパラメータはありません——上記のレシピ 1 と 2 に示すように、動きをテキストで書きます（「slow dolly push-in」「the camera orbits to a three-quarter view」）。
pixverse-v6 のテキスト・トゥ・ビデオは音声を生成できますか？
はい。generate_audio: true を設定し（デフォルトは false）、プロンプトに環境音を記述します。レシピ 1 の海岸クリップは同じリクエストで風の音と波の音をレンダリングしました。
対応している動画の長さと解像度は？duration は 1～15 秒の整数、resolution は 360p、540p、720p、1080p が可能です。秒単位で課金され、サウンドのオン/オフで異なる段階があります——現在の解像度別の秒単価は価格ページを参照してください（上記データは 2026 年 10 月時点で有効）。
イメージ・トゥ・ビデオとの違いは？
テキスト・トゥ・ビデオには入力フレームがないため、プロンプトがシーン全体を担います。最初のフレームがすでにあり、それをアニメーション化したい場合は pixverse-v6/image-to-video を使用してください。
これらのプロンプトは他の動画モデルでも有効ですか？
構造は移植できますが、スタイルプリセットとオーディオスイッチは pixverse-v6 固有のものです。他のモデルについては、当社の他のレシピ集を参照してください。例えば Kling テキスト・トゥ・ビデオ・プロンプトや Grok Imagine 1.5 プロンプトなどがあります。
これらのレシピを自分で実行する
上記の各クリップは 1 回の POST /v1/tasks 呼び出しと 1 回のポーリングから生まれました——プロンプトをコピーし、リクエストボディに入力すれば、同種の出力が得られます。PixVerse V6 Text to Video モデルページでライブスキーマと API キーを取得し、Create Task ドキュメントでリクエスト形式を確認し、バッチ実行前に価格を確認してください。
