PixVerse V6 이미지-투-비디오 프롬프트: 4가지 레시피와 실제 클립

텍스트-투-비디오에서 이미지-투-비디오로 전환하면 프롬프트의 역할이 완전히 달라집니다. 텍스트-투-비디오에서는 모델이 장면을 처음부터 구축하기 때문에 피사체, 장면, 카메라, 조명까지 세상 전체를 설명해야 합니다. 반면 이미지-투-비디오에서는 그 세상이 이미 존재합니다. 정지 이미지가 바로 첫 프레임입니다. 프롬프트에 남은 유일한 임무는 무엇이 움직이고 카메라가 어떻게 움직이는지를 설명하는 것입니다.

이러한 전환이 많은 사람을 넘어뜨립니다. 풍부한 장면 설명 프롬프트를 pixverse-v6/image-to-video에 붙여 넣으면 모델이 화면과 텍스트를 동시에 맞추려 하다가 거의 움직이지 않거나, 화면에 반항하며 왜곡됩니다. 해결책은 풍경이 아니라 움직임을 쓰는 것입니다.

다음은 hiapi의 pixverse-v6/image-to-video에서 사용할 수 있는 네 가지 복사-붙여넣기 레시피로, 각각 다른 운동 유형을 중심으로 합니다. 카메라 운동, 피사체 동작, 환경 분위기, 그리고 세로 방향의 화면비 기반 샷입니다. 각 레시피는 실제로 생성한 첫 프레임, 보낸 정확한 요청 본문, 라이브 API에서 출력된 실제 클립을 보여줍니다. 스톡 소재도, 시뮬레이션도 없습니다.

첫 프레임이 고정되면 무엇이 바뀌는가

pixverse-v6/image-to-video는 이미지를 image_url로 받아 움직이게 합니다. 여기서 몇 가지 결론이 직접 나오며, 이는 이 페이지의 모든 프롬프트를 형성합니다.

• 구도가 고정됩니다. 프롬프트로 피사체를 재구성하거나 장면 배치를 바꿀 수 없습니다. 그것은 이미 이미지가 결정했습니다. 다른 레이아웃을 요구하면 변형만 일어납니다. 대신 화면 내부의 움직임을 설명하세요.
• aspect_ratio 필드가 없습니다. 텍스트-투-비디오 엔드포인트에는 이 필드가 있지만, 이 엔드포인트는 거부합니다. 클립의 화면비는 입력 이미지의 모양을 물려받으므로, 9:16 세로 결과를 원하면 제출 전에 세로 프레임을 자르거나 생성하세요(레시피 4가 바로 그렇게 합니다).
• 실제로 효과 있는 레버는 운동 쪽입니다. prompt(운동), duration(1–15초), resolution(360p/540p/720p/1080p), 선택적 generate_audio, negative_prompt, seed, 그리고 style 프리셋입니다. 전체 필드 표는 이미지-투-비디오 문서에 있으며, 이 페이지는 프롬프트를 다룹니다.

아래의 각 요청은 POST /v1/tasks이며, 그 후 클립 URL이 반환될 때까지 작업을 폴링합니다. 파이프라인 세부 사항(curl + Python, 폴링 루프)은 모델 페이지에 있습니다. 여기서는 매 촬영에서 실제로 조정하는 필드, 즉 운동 프롬프트에 집중합니다.

레시피 1 — 고정된 화면에서의 카메라 운동

풍경 정지 프레임을 살아나게 하는 가장 신뢰할 수 있는 방법은 장면이 아니라 카메라를 움직이는 것입니다. 명확한 운동 하나(푸시 인, 느린 팬, 부드러운 상승)를 골라 평이하게 적고, 그것을 성립시키는 작은 보조 운동(떠도는 안개, 잔물결)을 더하세요. 프롬프트에서 수평선을 '수평'으로 유지하라고 하면 모델이 운동을 만들어내며 화면을 기울이는 것을 막을 수 있습니다.

{
  "model": "pixverse-v6/image-to-video",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-prompt-recipes/01-cabin-pushin-frame.jpg",
    "prompt": "천천히, 부드러운 영화식 푸시 인, 오두막을 향해. 얇은 안개가 호수 위를 낮게 떠돌고, 수면이 가볍게 일렁인다. 소나무가 미풍에 흔들린다. 서두르지 않는 아침의 움직임; 수평선은 항상 수평을 유지한다.",
    "duration": 5,
    "resolution": "720p",
    "generate_audio": true,
    "negative_prompt": "팬, 갑작스러운 전환, 왜곡, 깜박임, 사람"
  }
}

클립에서 카메라는 부드럽게 앞으로 미끄러지고, 끝날 즈음 오두막과 눈 덮인 봉우리가 화면에서 눈에 띄게 커지며, 안개가 수면 위를 미끄러지고 반사가 안정적으로 유지됩니다. 수평선은 결코 기울지 않았고, generate_audio가 켜져 있어 파일이 조용한 환경음이 이미 입혀진 채로 반환되었습니다(ffprobe로 오디오 트랙을 확인할 수 있습니다).

왜 효과적인가: 주도적인 카메라 동사('푸시 인'), 두 가지 조용한 환경 운동, 그리고 안정성 지시. generate_audio: true가 같은 호출에서 일치하는 환경음을 입혀 주므로 별도 오디오 단계가 필요 없습니다.

레시피 2 — 이미 존재하는 피사체를 움직이게 하기

인물이나 제품이 초점일 때 요령은 현재 자세가 합리적으로 도달할 수 있는 운동만 요구하는 것입니다. 우리 피사체는 컵을 들고 아래를 보고 있으므로 '컵을 들어 한 모금 마시고, 올려다보고, 미소 짓기'는 자연스러운 호입니다. 과도하게 요구하면('그녀가 일어나 걸어간다') 얼굴이 뭉개지고 손가락이 여러 개 생기는 원인이 되므로, 이 레시피에서 negative_prompt가 가치를 발휘합니다.

{
  "model": "pixverse-v6/image-to-video",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-prompt-recipes/02-cafe-sip-frame.jpg",
    "prompt": "여자가 천천히 컵을 들어 한 모금 마시고, 그다음 눈을 들어 카메라를 바라보며 부드럽고 자연스러운 미소를 짓는다. 미세한 눈 깜박임과 머리의 가벼운 기울임; 컵 위로 옅은 김이 피어오른다. 배경은 정지해 있다.",
    "duration": 5,
    "resolution": "720p",
    "negative_prompt": "얼굴 왜곡, 손 변형, 여분의 손가락, 이목구비 변형, 왜곡, 깜박임"
  }
}

결과는 비트를 순서대로 따릅니다. 그녀가 컵을 들고, 끝날 즈음 그녀의 눈이 컵에서 카메라로 올라가 편안한 미소로 자리 잡습니다. 전체 운동 동안 얼굴과 손이 깨끗하게 유지되는데, 인물 피사체에서 이것이 바로 로드한 negative_prompt가 보장하는 것입니다.

왜 효과적인가: 운동이 자세와 일치하고, 비트에 순서가 있으며('들고… 마시고… 올리고… 미소'), negative_prompt에 인물 이미지-투-비디오의 구체적인 실패 모드인 얼굴과 손을 로드했습니다.

레시피 3 — 고정 카메라의 환경 운동

모든 클립에 카메라 운동이 필요한 것은 아닙니다. 때로 가장 영화적인 결과는 움직이지 않는 샷이며, 세상만 움직입니다. 비, 증기, 깜박이는 네온, 지나가는 행인. 여기서 핵심 문구는 카메라가 제자리에 있으라고 명시적으로 말하는 것입니다. 그렇지 않으면 모델은 종종 요청하지 않은 느린 드리프트를 추가합니다.

{
  "model": "pixverse-v6/image-to-video",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-prompt-recipes/03-ramen-rain-frame.jpg",
    "prompt": "카메라는 고정되어 있으며 전혀 움직이지 않는다. 가는 빗줄기가 계속해서 내린다; 네온 간판이 젖은 지면에 깜박이며 반짝인다; 라멘 냄비에서 증기가 피어오른다; 한두 명의 행인이 먼 배경에서 우산 아래로 천천히 지나간다.",
    "duration": 5,
    "resolution": "720p",
    "generate_audio": true,
    "negative_prompt": "카메라 흔들림, 줌, 팬, 이동 촬영, 왜곡, 간판 녹아내림"
  }
}

화면은 처음부터 끝까지 제자리에 있습니다. 노점, 의자, 이어지는 거리가 모두 그 자리에 머무는 동시에 증기가 냄비에서 솟구치고, 젖은 지면이 네온 반사를 반짝이며, 우산 아래 인물들이 배경을 따라 이동합니다. 느린 줌도, 드리프트도 없습니다. 오디오를 켜면 반환된 클립에 일치하는 빗길 환경음이 담겨 있습니다.

왜 효과적인가: '고정되어 있으며 전혀 움직이지 않는다'와 부정 프롬프트의 카메라 흔들림, 줌, 팬, 이동 촬영이 카메라를 못 박아 두므로 모든 운동 예산이 분위기에 쓰입니다. 오디오를 켜면 빗소리와 거리 환경음이 함께 제공됩니다.

레시피 4 — 세로 프레임에서 세로 비디오로

이 레시피는 이미지-투-비디오의 가장 핵심적인 규칙 하나를 못 박습니다. 기하학적 형태는 이미지에서 나옵니다. aspect_ratio 손잡이가 없으므로 9:16 세로 클립을 얻는 유일한 방법은 9:16 프레임을 입력하는 것입니다. 그래서 이 정지 프레임은 세로로 생성되었습니다. 또한 이번에는 style: anime를 전달해 그 프리셋(anime, 3d_animation, clay, comic, cyberpunk)이 이미 포토리얼한 프레임을 다시 스킨할 수 있는지 테스트했습니다. 답은 시사적입니다. 아래를 보세요.

{
  "model": "pixverse-v6/image-to-video",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-prompt-recipes/04-skate-vertical-frame.jpg",
    "prompt": "스케이터가 아래로 내려와 빠르고 자신감 있는 동작으로 경사로를 따라 활주한다; 스케이트보드가 약간의 먼지를 일으키고, 재킷과 머리카락이 바람에 휘날린다. 활기차고 역동적인 동작, 안정적인 세로 화면을 유지한다.",
    "duration": 5,
    "resolution": "720p",
    "style": "anime",
    "negative_prompt": "흐림, 사지 왜곡, 왜곡, 저에너지, 레터박스"
  }
}

클립은 720×1280 — 세로로 반환되며, 세로 프레임에서 직접 나왔고 요청 어디에도 aspect_ratio 필드가 없었습니다. 내려오기와 활주는 빠르고 깔끔해 보이며, 스케이트보드와 경사로 벽에 자연스러운 모션 블러가 있습니다. 다만 style: anime 프리셋은 눈에 띄는 효과가 없었습니다. 결과는 완전히 포토리얼하게 유지되어 애니메이션으로 변환되지 않고 입력 이미지의 외관을 따랐습니다. 이미지-투-비디오에서는 첫 프레임이 외관을 고정합니다.

여기서 배울 점: 세로 프레임이 aspect_ratio 필드 없이도 세로 클립을 강제로 만들어 내며, '안정적인 세로 화면'과 부정 프롬프트의 레터박스가 화면을 꽉 채우도록 해 좌우 검은 띠가 생기지 않게 합니다. 포토리얼 프레임을 변환하려고 style에 의존하지 마세요. 애니메이션 또는 클레이메이션 외관을 원한다면 애니메이션화하기 전에 그 스타일로 첫 프레임을 먼저 생성하세요.

미세 조정

레시피가 목표에 가까워지면 결과를 밀어붙이는 손잡이는 다음과 같습니다.

• duration — 정수, 1–15초(기본값 5). 더 긴 클립은 비용이 비례해 높아지고 모델에 드리프트할 여지도 더 주므로, 데모는 짧고 간결하게 유지하세요.
• negative_prompt — 주요 아티팩트 브레이크입니다. 인물의 경우 얼굴/손, 고정 샷의 경우 카메라 운동, 스타일화된 샷의 경우 레터박스를 나열하세요.
• seed — 정수를 전달해 외관을 재현 가능하게 하고, 그다음 프롬프트만 바꿔 반복하세요.
• resolution + generate_audio — 이 둘이 가격을 결정합니다. 720p에서 클립은 무음이 $0.0645/초, 소리 포함이 $0.086/초; 1080p는 $0.129/초 / $0.1645/초입니다. 5초 720p 오디오 포함 클립은 약 $0.43입니다. 각 티어의 현재 초당 요금은 가격 페이지에 있습니다.

자주 묻는 질문

pixverse-v6/image-to-video에는 왜 aspect_ratio 필드가 없나요? 첫 프레임을 제공하기 때문에 출력 기하학적 형태가 그 이미지를 따릅니다. 선택할 비율이 없습니다. 클립은 image_url과 같은 모양으로 나옵니다. 세로 결과를 얻으려면 프레임을 먼저 9:16으로 자르거나 생성하세요(레시피 4).

이미지-투-비디오 클립은 얼마나 길 수 있나요? duration은 1~15초 정수를 받으며 기본값은 5입니다. 문자열이 아닌 숫자여야 합니다.

같은 호출에서 소리를 얻을 수 있나요? 네. generate_audio: true를 설정하면 모델이 클립에 일치하는 사운드트랙/환경음을 추가합니다. 별도 요청이 필요 없습니다. 기본값은 꺼짐이며, 켜면 '소리 포함' 가격 티어로 들어갑니다.

피사체 얼굴이나 손이 왜곡됩니다. 어떻게 고치나요? 두 가지 레버가 있습니다. 첫째, 시작 자세가 도달할 수 있는 운동만 요구하세요. 작고 합리적인 동작은 깔끔하게 애니메이션되지만 큰 동작(일어서기, 걸어가기)은 변형되기 쉽습니다. 둘째, negative_prompt에 구체적인 실패 용어를 로드하세요. 얼굴 왜곡, 손 변형, 여분의 손가락, 이목구비 변형.

style 프리셋이 입력 이미지를 다시 스타일화하나요? 이미지-투-비디오에서는 기대하지 마세요. 포토리얼 프레임을 보내고 style: anime를 설정했을 때 클립은 포토리얼하게 반환되었습니다. 입력 이미지가 외관을 주도하고 프리셋은 눈에 띄는 효과가 없었습니다. 특정 스타일(애니메이션, 클레이, 만화)이 필요하다면 신뢰할 수 있는 방법은 애니메이션화전에 첫 프레임을 그 스타일로 생성하거나 편집하는 것입니다.

텍스트-투-비디오 프롬프트와 무엇이 다른가요? 텍스트-투-비디오에서는 텍스트로 전체 장면을 구축하지만, 이미지-투-비디오에서는 장면이 프레임으로 고정되고 운동과 카메라만 설명합니다. 정지 프레임이 아니라 텍스트 설명에서 운동을 생성하려면 pixverse-v6/text-to-video를 사용하세요.

핵심 요점

• 풍경이 아니라 운동을 쓰세요. 첫 프레임에 이미 장면이 있으므로 프롬프트는 무엇이 움직이고 카메라가 어떻게 움직이는지에 쓰세요.
• aspect_ratio 없음: 클립이 프레임의 모양을 물려받으므로 입력 이미지를 선택해 세로/가로를 정합니다.
• 운동을 자세에 맞추고 negative_prompt를 활용하세요. 깨끗한 피사체 애니메이션과 왜곡된 얼굴을 가르는 차이입니다.
• generate_audio와 resolution이 가격을 결정하는 두 필드이며, 5초 720p 클립은 1달러 훨씬 아래입니다.

샷에 가장 가까운 레시피를 고르고 자신의 image_url로 바꾼 뒤 pixverse-v6/image-to-video로 보내세요. 정지 프레임이 아니라 텍스트 아이디어에서 시작한다면 모델 카탈로그에서 시작해 텍스트-투-비디오 라인을 선택하세요.