Ray 3.2 텍스트-투-비디오: 세로형 숏폼 영상 배치 워크플로

개요

• 이것은 무엇인가: hiapi API의 ray-3.2/text-to-video를 활용해 한 줄의 텍스트를 세로형 Reels/TikTok/Shorts 스타일의 짧은 영상으로 바꾸는 반복 가능한 배치 워크플로입니다——입력 이미지도, 소재 준비도 필요 없습니다.
• 누구를 위한 것인가: 생산량이 필요한 소셜 및 콘텐츠 팀——매달 단 하나의 핵심 영상이 아니라, 매주 테스트용 9:16 아이디어를 여러 개 새로 만들어야 하는 팀.
• 모든 것을 결정하는 핵심 사실: ray-3.2 t2v는 길이 × 해상도로만 과금됩니다. 화면 비율은 무료이므로 9:16 세로형과 16:9 가로형의 가격이 완전히 같습니다. 생산량을 조절할 수 있는 유일한 레버는 해상도 등급입니다.
• 이론이 아닌 실증: 아래의 모든 짧은 영상은 이 글을 위해 단일 배치 작업에서 생성되었습니다——5초 540p 9:16 짧은 영상 4개, 개당 $0.2145, 총 $0.858, 각각 서버 측에서 37–87초 만에 렌더링되었습니다.

Ray 3.2(hiapi에 Luma 텍스트-투-비디오 모델로 등록됨)는 숏폼 영상에 아주 적합합니다. 숏폼이 정말로 필요로 하는 일을 해내기 때문입니다: 한 줄의 설명만으로 완전히 새로운 5초 클립을 만들어 냅니다. 프레임을 제공할 필요도, 제품 사진을 애니메이션화할 필요도, 참조 소재를 준비할 필요도 없습니다. 훅(hook) 하나를 쓰면 짧은 영상 하나를 얻습니다. 이 점이 아이디어 배치 생성에 있어 올바른 도구가 되게 하며, 바로 이 때문에 이 워크플로가 다른 모델용 이미지-투-비디오, 참조-투-비디오 숏폼 가이드와 달라 보이는 것입니다.

텍스트-투-비디오인가 이미지-투-비디오인가——먼저 올바른 진입점을 선택하세요

둘 다 동일한 비동기 작업 API 아래에 있지만, 서로 다른 문제를 해결합니다:

• 텍스트-투-비디오(이 페이지): 오직 프롬프트에서 출발합니다. 완전히 새로운 콘셉트, 분위기 클립, 그리고 특정 장면이 없거나 특정 장면에 얽매이고 싶지 않은 B-roll에 가장 적합합니다. 모델이 전체 샷을 자유롭게 구성할 수 있어, 옵션을 대량으로 만들어야 할 때 바로 원하는 방식입니다.
• 이미지-투-비디오: 이미 가진 첫 프레임에서 출발합니다. 핵심 제품 사진이 있고 그 물체를 움직이게 하고 싶다면 ray-3.2/image-to-video를 사용하세요——화면을 당신의 프레임에 고정하고 그 위에서 애니메이션을 만듭니다.

경험 법칙: 요구가 "이 캠페인을 위해 완전히 새로운 오프닝 3개를 줘"라면 텍스트-투-비디오입니다. "이 정확한 제품 이미지를 움직이게 해줘"라면 이미지-투-비디오입니다. 이 글의 나머지 부분은 첫 번째 경우를 다룹니다.

전체 워크플로를 결정하는 가격 사실

다음은 ray-3.2/text-to-video의 전체 실시간 가격표입니다(작성 시점에 hiapi 가격과 대조하여 확인——항상 이곳이 아니라 그곳에서 재확인하세요):

길이	해상도	개당 가격
5s	540p	$0.2145
5s	720p	$0.429
5s	1080p	$1.7145
10s	540p	$0.643
10s	720p	$1.286
10s	1080p	$5.143

표에 없는 것에 주목하세요: 화면 비율입니다. Ray 3.2는 길이와 해상도로만 청구하므로 9:16 세로형이 16:9 가로형, 1:1, 21:9와 같은 가격입니다. 이 사실 하나만으로도 숏폼 배치를 계획하는 방식이 달라집니다:

• 540p는 테스트 등급입니다. 개당 $0.2145이므로 1080p 핵심 영상 하나의 가격으로 10–15개의 콘셉트를 생성할 수 있습니다. 세로형 소셜 피드는 휴대폰에서 작은 크기로 보므로——540p(9:16에서 540×960 출력, 아래 참조)는 첫 A/B 테스트에 충분히 또렷하게 읽힙니다.
• 720p / 1080p는 완성본 등급입니다. 콘셉트 하나가 승리하면, 그 프롬프트에 대해서만 720p 또는 1080p 버전을 다시 생성하여 실제 게시에 사용하세요.
• 길이는 슬라이더가 아니라 고정 등급입니다. 길이는 5초 또는 10초 두 가지 고정 옵션뿐이며——7초 옵션은 없습니다——10초 비용은 5초의 약 3배입니다. 훅 중심의 숏폼에서는 5초가 보통 원하는 단위이고, 그다음 편집에서 여러 개를 겹쳐 사용합니다.

이 "탐색은 저렴하게, 승자에게만 지불"의 형태가 바로 이 워크플로를 540p에서 배치로 수행하는 전부의 이유입니다.

요청 하나, 코드 블록 하나

Ray 3.2 t2v는 소규모의 닫힌 입력 필드 세트를 받습니다:

필드	필수	값
prompt	예	장면 설명
duration	예	5 또는 10(정수 초)
resolution	예	540p, 720p 또는 1080p
aspect_ratio	예	9:16, 16:9, 1:1, 4:3, 3:4, 21:9

세로형 짧은 영상 하나는 비동기 작업 엔드포인트에 대한 POST 한 번입니다:

curl -s https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ray-3.2/text-to-video",
    "input": {
      "prompt": "Vertical 9:16 first-person POV gliding down a neon night market alley...",
      "duration": 5,
      "resolution": "540p",
      "aspect_ratio": "9:16"
    }
  }'

응답은 data.taskId를 반환합니다. 그런 다음 data.status가 "success"가 될 때까지 GET /v1/tasks/{taskId}를 폴링하고 output[0].url을 다운로드합니다. 이것이 메커니즘 요약입니다——전체 요청/응답 연습, 상태 수명 주기, Python 버전 및 오류 처리는 함께 제공되는 사용 가이드를 참조하세요: Ray 3.2 텍스트-투-비디오 API: curl 및 Python 가이드. 작업 API가 처음이라면 빠른 시작부터 시작하세요.

실제로 세로형처럼 읽히는 프롬프트 작성하기

5초에 입력 프레임 없음은 빡빡한 창작 요구 사항입니다. 이 배치에서 눈에 띄는 차이를 만든 네 가지 습관은 다음과 같습니다:

1. 프롬프트에 "vertical 9:16"(세로형 9:16)을 명시하고 세로 구도에 맞게 구성하세요——자르기가 넓은 가로 화면과 싸우게 하지 말고, 단일 피사체를 중앙에 쌓아 올리세요.
2. 훅을 첫 1초에 쏟아붓으세요. 숏폼은 첫 프레임에서 성패가 갈리므로, 즉시 움직이는 것을 설명하세요("the spiral catches the light in the first second"——나선이 첫 1초에 빛을 받는다).
3. 카메라 움직임을 명시하세요——푸시인, 크레인 다운, 느린 오빗. Ray 3.2는 명확한 움직임 방향에 잘 반응하며, 움직임이야말로 클립을 슬라이드가 아닌 콘텐츠처럼 느껴지게 만드는 핵심입니다.
4. 클립 하나에 아이디어 하나만. 5초로는 이야기를 할 수 없지만, 한 박자는 남길 수 있습니다. 딱 하나만 주세요.

다음은 이 배치의 네 가지 프롬프트로, 각각 실제로 요구 사항에 작성하게 될 서로 다른 숏폼 세로형 유형입니다——식음료, 여행 POV, 이커머스 제품, 아웃도어 브랜드 분위기. 모든 클립은 모델의 원본 출력으로 아무런 후처리도 하지 않았습니다.

1 · 음료 / 테이블탑(위의 커버 클립 참조). 식욕을 자극하는 제품 사용 장면 콘텐츠. 프롬프트는 붓기와 빛이 비치는 것으로 시작하여 훅을 첫 프레임에 떨어뜨립니다:

Vertical 9:16 close-up: a barista's hands pour a slow spiral of golden honey
over a glass of iced coffee, condensation beading on the cup, morning light
raking across a marble counter, shallow depth of field, the honey spiral
catches the light in the first second — crisp appetizing tabletop commercial look

2 · 여행 POV. 인물 없이 등장하는 1인칭 에너지——피드를 멈추게 하는 가장 빠른 방법. "handheld bounce"(핸드헬드 흔들림) 프롬프트가 브이로그 느낌을 부여합니다:

Vertical 9:16 first-person POV gliding fast down a neon-lit night market alley,
steam rising from food stalls, string lights streaking into bokeh, the camera
pushes forward with a confident handheld bounce, vibrant saturated colors,
energetic short-form travel vlog feel

3 · 제품 주인공(이커머스). "공개" 비트가 있는 깔끔한 회전 전시대 샷——신제품 출시나 기능 강조의 오프닝에 적합합니다:

Vertical 9:16 product hero: a single pair of white running shoes rotates slowly
on a seamless gradient pedestal, a ribbon of fine sand swirls around them in slow
motion, soft studio key light with a crisp rim, clean minimalist e-commerce
aesthetic, the sand reveal lands on the opening beat

4 · 아웃도어 / 브랜드 분위기. 라이프스타일 및 여행 브랜드를 위한 드론 급강하——"첫 1초에 빠르게 하강한 뒤 부드러운 오빗으로 전환"이라는 방향을 주어 의도적인 2단계 움직임을 부여합니다:

Vertical 9:16 overhead drone shot snapping down toward a lone kayaker cutting a
clean V-wake across a glassy turquoise lake at sunrise, mist drifting off the
water, the camera descends fast in the first second then eases into a gentle
orbit, cinematic outdoor-brand mood

프롬프트 네 개, 세로형 유형 네 개, 모델 하나, 총 $0.858. 이것이 배치 한 번입니다.

끝까지 지켜보지 않아도 배치를 완료하기

작업 API가 비동기이므로, 효율적인 패러다임은 먼저 팬아웃하고 나중에 일괄 수집하는 것입니다——하나 생성하고 기다린 뒤 다음을 생성하지 마세요. 먼저 배치 전체를 한꺼번에 제출하여 각 클립이 업스트림에서 병렬로 렌더링되게 하고, 각 taskId를 받는 즉시 저장한 다음에야 폴링을 시작하세요:

for each prompt:
    taskId = POST /v1/tasks  (model=ray-3.2/text-to-video, input=...)
    persist taskId to disk immediately   # it's billed at submit

for each saved taskId:
    poll GET /v1/tasks/{taskId} until status == "success"
    download output[0].url

이번 실행에서 프로세스에 내장할 가치가 있는 두 가지를 배웠습니다(또는 다시 확인했습니다):

• 저장된 taskId를 폴링하세요; 절대 다시 제출하지 마세요. id는 POST하는 순간 이미 과금되므로, 폴링이 일시적 네트워크 오류로 실패하면 그것을 포착하여 같은 id로 재시도하세요——다시 제출하면 중복 과금됩니다. id를 디스크에 영속화하는 것은 크래시된 실행이 다시 만들지 않고 폴링으로 복구될 수 있음을 의미하기도 합니다.
• 540p 클립당 약 40–90초를 예상하세요. 이번 배치에서 네 개의 클립은 서버 측에서 각각 37초, 38초, 70초, 87초에 완료되었습니다. 팬아웃은 전체 세트가 합계 시간이 아니라 가장 느린 클립에 가까운 시간에 완료됨을 의미합니다.

540p 9:16 요청의 경우 540×960, 24fps, 약 5.04초의 H.264 MP4를 받습니다——따라서 "540p"는 짧은 변을 가리키며, 세로 화면은 원래 세로 구도이므로 자르기가 필요 없습니다.

원본 클립에서 게시된 숏폼 영상까지

미리 계획해야 할 두 가지 실질적인 제약이 있습니다:

• 클립은 무음입니다. Ray 3.2 t2v는 영상만 출력합니다——오디오 트랙이 없습니다. 숏폼에서는 문제없습니다: 클립을 편집 소프트웨어로 가져와 거기서 인기 음악, 내레이션 또는 자막을 추가하세요. 편집 파이프라인을 계획하세요; API가 바로 게시 가능한 파일을 생산할 것이라고 기대하지 마세요.
• 5초는 한 박자이지, 영상 하나가 아닙니다. 반복 가능한 방법은 위에서처럼 5초 클립 여러 개를 생성한 다음, 3–4개를 겹쳐 15–20초 편집본으로 만들고 박자 지점에서 하드 컷하는 것입니다. 각 클립은 훅이고, 편집본이 이야기입니다.

따라서 엔드투엔드 루프는: 540p로 콘셉트 배치 생성 → 승자 선정 → 그 프롬프트에 대해서만 720p/1080p로 다시 생성 → 편집 소프트웨어에서 편집 및 사운드 입히기 → 게시입니다. 탐색은 저렴하게, 승자에게만 한 번 지불하고, 마지막은 수작업으로 마무리하세요.

자주 묻는 질문

ray-3.2 텍스트-투-비디오는 소리를 생성하나요? 아니요——출력은 무음 MP4입니다. 편집 소프트웨어에서 오디오를 추가하세요.

입력 이미지가 필요한가요? 아닙니다. 이것이 바로 텍스트-투-비디오의 의미입니다: 프롬프트만 사용합니다. 기존 프레임을 애니메이션화하려면 ray-3.2/image-to-video를 사용하세요.

소셜 미디어에는 어떤 해상도를 써야 하나요? 대량 콘셉트 테스트에는 540p(9:16에서 540×960——휴대폰에서 또렷하게 읽힘), 실제로 게시할 클립에는 720p 또는 1080p를 사용하세요.

자르기 없이 진짜 세로형을 얻을 수 있나요? 네. aspect_ratio: "9:16"을 전달하면 모델이 원래 세로 구도(540p에서 540×960)로 렌더링합니다. 화면 비율은 가격에 영향을 주지 않습니다.

클립 하나는 얼마나 길 수 있나요? 5초 또는 10초——이것은 연속 범위가 아닌 고정 옵션입니다. 훅 중심의 숏폼에서는 각 5초로 만들어 편집에서 겹치는 것이 보통 더 경제적인 지출입니다.

이것은 사용 가이드와 어떻게 다른가요? 사용 가이드는 단일 요청(curl, Python, 오류 처리)을 엔드투엔드로 다룹니다. 이 페이지는 그 위의 워크플로입니다: 세로형 콘셉트를 배치로 생산하는 방법, 어느 단계에서 어느 해상도 등급에 비용을 쓸지, 그리고 9:16에 맞게 프롬프트를 쓰는 방법.

생성 시작하기

Ray 3.2 텍스트-투-비디오는 이제 비동기 작업 API에서 이용 가능합니다. 키를 받고 ray-3.2/text-to-video 모델 페이지에서 전체 매개변수 참조와 현재 가격을 확인한 뒤, 540p로 첫 세로형 콘셉트 배치를 생성하세요——1달러 미만으로 일주일치 숏폼 아이디어를 테스트할 수 있습니다. 같은 작업으로 모델을 비교 중이라면? seedance-2.0-fast와 Kling 3.0 이미지-투-비디오의 숏폼 워크플로 가이드도 같은 루프를 따르지만 트레이드오프가 다릅니다.