P-Video 2 Pro Avatar 시작 가이드: 인물 사진 한 장과 오디오 또는 대본으로 최대 3분짜리 토킹 헤드 영상 생성

P-Video 2 Pro Avatar는 Pruna AI의 토킹 헤드 영상 모델입니다. 인물 사진 한 장을 주고 오디오 한 편 또는 대본 한 편을 주면, 이 인물이 말하는 영상을 생성합니다. 이 글에서는 무엇을 할 수 있는지, 어떻게 호출하는지, 요금은 어떻게 계산되는지, 그리고 언제 다른 모델로 바꿔야 하는지를 명확히 설명합니다.

할 수 있는 것

• 인물 사진 한 장으로 출연: 필수 입력은 인물 이미지 image_url(jpg, jpeg, png, webp)뿐이며, 이는 영상의 첫 프레임입니다. 영상 소재도 필요 없고, 사전에 인물을 학습시킬 필요도 없습니다.
• 두 가지 구동 방식: 오디오 audio_url을 전달하면 영상 길이는 오디오 길이와 같아집니다. 대본 script(최대 5000자)만 전달하면 내장 음성으로 낭독합니다. 단일 영상 최대 3분, 4k에서는 오디오 최대 125초입니다.
• 내장 음성 선택 가능: 30가지 음성(이름에 성별이 표시되며 기본값은 Zephyr (Female)), 10개 언어: 미국 영어, 영국 영어, 스페인어, 프랑스어, 독일어, 이탈리아어, 브라질 포르투갈어, 일본어, 한국어, 힌디어이며 현재 중국어는 포함되지 않습니다. voice_prompt에는 어조, 속도, 감정을 적으며, 이 텍스트는 낭독되지 않습니다.
• 프롬프트로 화면 제어: prompt(최대 2000자)는 인물이 말할 때의 모습, 동작, 표정을 묘사하며 기본값은 “The person is talking.”입니다.
• 5단계 해상도: 480p, 768p, 1080p, 2k, 4k, 기본값은 768p입니다.

입력 규칙

• 오디오와 대본 중 최소 하나를 제공해야 합니다. 둘 다 제공하면 오디오가 우선하며, script, voice, voice_language, voice_prompt는 적용되지 않습니다.
• 둘 다 제공하지 않으면 작업이 실패하며, 둘 중 하나를 보충하라는 안내가 표시되고 비용은 전액 환불됩니다.
• 콘텐츠 안전 필터는 기본적으로 켜져 있으며, 위반 콘텐츠는 실패하고 CONTENT_POLICY_VIOLATION을 반환하며 비용은 전액 환불됩니다.

호출 방법

비동기 작업을 제출하고 taskId를 받은 뒤 결과를 폴링합니다:

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "p-video-2-pro-avatar",
    "input": {
      "image_url": "https://example.com/portrait.png",
      "script": "Welcome to the course. Today we cover three ideas.",
      "voice": "Charon (Male)",
      "voice_language": "English (US)",
      "voice_prompt": "Calm and clear, moderate pace",
      "resolution": "768p"
    }
  }'

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_KEY"

직접 녹음한 음성을 사용할 때는 script와 여러 voice 파라미터를 "audio_url": "https://example.com/voice.mp3"로 바꾸면 됩니다. 작업이 성공하면 output에 영상 주소가 담깁니다.

가격

출력 영상 길이 기준으로 과금하며, 1초 미만 부분은 과금하지 않습니다:

• 480p: $0.0286/초
• 768p: $0.0572/초
• 1080p: $0.0858/초
• 2k: $0.1143/초
• 4k: $0.1715/초

예를 들어 30초 768p 토킹 헤드 영상은 약 $1.72, 30초 480p는 약 $0.86입니다. 오디오를 전달하면 오디오 길이 기준으로 선차감합니다. 대본만 전달하면 제출 시점에 낭독 길이를 알 수 없으므로 먼저 3분 기준으로 선차감하고, 완료 후 실제 영상 길이 기준으로 정산하여 초과 차감분은 환불됩니다. 실패한 작업은 전액 환불됩니다.

프롬프트 작성법

prompt에는 화면만 쓰고 대사는 쓰지 않습니다. 「인물 외형 → 동작 범위 → 표정과 시선 → 조명 또는 카메라」 순서로 작성합니다. 예:

• 강의 설명: A calm instructor in a dark shirt, small head nods, steady eye contact, soft studio light
• 전시관 안내: A curator speaking warmly to camera, blinks naturally, warm gallery lighting

어조와 리듬은 voice_prompt에 작성합니다. 예: “Speak softly, small pauses between sentences”.

다른 모델을 선택해야 할 때

• 기존 영상 속 인물의 입 모양을 새 오디오에 맞추거나, 말하는 사람이 없는 이미지-영상 변환을 해야 한다면: 이는 P-Video 2 Pro Avatar의 용도가 아니므로 해당 영상 편집 또는 이미지-영상 모델을 선택하세요.
• 영상 속 인물을 다른 사람으로 바꾸고 원본 영상의 동작과 카메라를 유지하려면: 같은 계열의 P-Video 2 Pro Replace를 사용하세요.

바로 효과를 시험해 보려면 HiAPI Playground에서 인물 사진을 업로드하고 대본 한 편을 작성해 생성하면 됩니다.