Prompts de imagem para vídeo do Hailuo 2.3: 3 receitas prontas para copiar e usar (com resultados reais)

O Hailuo 2.3 (hailuo-2.3/image-to-video) é o nível padrão de imagem para vídeo da MiniMax, e sua habilidade característica é a física do movimento: tecido, cabelo, água e movimento de corpo inteiro se comportam como seus olhos esperam. Este artigo é um manual prático que você pode copiar diretamente, reunindo prompts de imagem para vídeo do hailuo para o nível padrão — três receitas prontas para copiar, voltadas justamente para aquilo em que ele é melhor: movimento humano contínuo, física intensa da água e animação de ilustrações estilizadas.

Cada clipe abaixo é o resultado de uma única tentativa no ambiente real usando o prompt mostrado ao lado — sem escolher o melhor entre várias execuções — e cada preço foi verificado na página de preços ao vivo antes da publicação. O nível padrão é cobrado por clipe: US$ 0,40 por 6 segundos, US$ 0,80 por 10 segundos.

Visão rápida de 30 segundos da estrutura de parâmetros de entrada

O hailuo i2v roda pelo endpoint de tarefas assíncronas da hiapi (POST /v1/tasks), e a estrutura de parâmetros de entrada é deliberadamente enxuta e rigorosa:

Campo	Obrigatório	Descrição
prompt	Sim	Descreve a ação, não a cena — a imagem em si já é a cena
image_url	Sim	Uma URL acessível publicamente (singular — não image_urls); ela se tornará o primeiro quadro
duration	Não	String "6" ou "10" — o inteiro 6 será rejeitado com erro 400
prompt_optimizer	Não	Booleano; permite que a plataforma expanda seu prompt antes da geração

Qualquer outro campo — resolution, aspect_ratio, motion_strength — será rejeitado com 400 INVALID_REQUEST: additional properties not allowed. Não há botão de ajuste de movimento aqui: o prompt é o único volante, e é exatamente por isso que as receitas de prompt são tão importantes para esse modelo. O clipe de saída herda a proporção de tela do quadro de entrada (nosso quadro 16:9 renderiza em 1364×768). Para o fluxo completo de requisição/consulta/ download, consulte o guia da API de imagem para vídeo do hailuo-2.3.

A fórmula de prompt que se sustenta nas três receitas:

Descreva a ação do sujeito na ordem em que deve acontecer (o Hailuo executa aproximadamente as ações sobrepostas em sequência) + uma instrução de câmera (aproximar / travar / deslizar) + uma cláusula de consistência (movimento suave e natural, iluminação consistente entre quadros)

Não desperdice palavras redescrevendo o que já está na imagem. A imagem em si carrega o estilo; cada token do prompt deve ser gasto em movimento.

Receita 1 — Movimento contínuo de corpo inteiro (fluxo de tai chi)

A tarefa mais difícil de imagem para vídeo é o movimento humano sustentado e coordenado — a maioria dos modelos consegue fazer um gesto e depois começa a se desfazer em confusão. Esta receita pede ao Hailuo 2.3 que, partindo de uma pose estática, execute uma sequência contínua de artes marciais com tecidos esvoaçantes:

Prompt de ação:

he flows into a slow tai chi opening form, arms rising and sweeping in one
continuous circular motion, sleeves and sash trailing behind each movement,
ground mist swirling around his steps, slow cinematic push-in, smooth
natural motion, consistent warm dawn lighting across frames

Saída de tentativa única (US$ 0,40, 6 segundos):

O que observar: os braços completam um círculo completo de varredura sem quebrar a anatomia, e as mangas ficam atrasadas em relação aos braços como linho real — esse movimento secundário de tecido é a marca do nível padrão. A frase "in one continuous circular motion" é crucial: sem um aviso explícito de continuidade, os modelos i2v tendem a produzir um gesto, pausar e depois encadear um segundo gesto não relacionado. Nomear o tecido ("sleeves and sash trailing") ativa a simulação de tecido; se você não mencionar isso, roupas soltas muitas vezes permanecem rígidas.

Receita 2 — Física de água e pelo (cachorro se sacudindo)

O cachorro molhado se sacudindo é um teste de física brutal: rotação corporal em alta frequência, pelo em mechas e dezenas de gotas d'água que precisam cada uma ter sua própria trajetória balística plausível. É também um padrão realmente útil — marcas de pet e equipes de banco de imagens frequentemente dão vida assim a imagens estáticas:

Prompt de ação:

the dog shakes water off its whole body, droplets spraying outward in
glittering arcs against the backlight, ears flapping, then it stops and
tilts its head at the camera, locked low-angle camera, smooth natural
motion, consistent golden-hour lighting

Saída de tentativa única (US$ 0,40, 6 segundos):

O que observar: o respingo de água parece gotas individuais iluminadas pela contraluz, com trajetórias reais, e não um filtro de desfoque — e o clipe executa a sequência roteirizada (sacudir → parar → inclinar a cabeça). Há duas técnicas reutilizáveis aqui. Primeiro, "against the backlight" diz ao modelo como a água deve parecer, não apenas que ela existe; descrições de ação com consciência de iluminação normalmente renderizam partículas melhores. Segundo, terminar com uma ação pequena e calma ("tilts its head at the camera") dá ao clipe um compasso de encerramento natural, em vez de cortar no meio do sacudir — útil quando o clipe vai repetir em loop numa página de produto.

Receita 3 — Dar vida a uma ilustração estilizada (dragão em tinta)

O hailuo i2v não serve apenas para fotos. Dê a ele uma imagem estática estilizada — aqui, uma ilustração em tinta de um dragão-koi entre nuvens — e ele anima no estilo da própria imagem, tratando as pinceladas como um meio, em vez de tentar torná-las fotorrealistas:

Prompt de ação:

The ink wash koi dragon slowly swims forward through the clouds, brush
strokes flowing like water, camera drifts right

Saída (US$ 0,40, 6 segundos):

O que observar: as nuvens se espalham e se reorganizam como tinta molhada, em vez de se comportar como névoa fotográfica — "brush strokes flowing like water" consegue isso nomeando a física do meio, e não a cena em si. Para entradas ilustradas, mantenha o prompt curto e deixe o estilo da imagem dominar; vocabulário fotográfico longo ("cinematic", "bokeh") pode entrar em conflito com a ilustração e causar deriva de estilo. É exatamente o padrão que mascotes de marca, ilustrações de livro ou telas de abertura de jogos podem usar.

Nível padrão vs. nível rápido: quando os US$ 0,40 valem a pena

A hiapi também oferece o hailuo-2.3-fast/image-to-video, a US$ 0,27/6 segundos, com a mesma estrutura de três campos de parâmetros de entrada, então os prompts migram intactos entre os dois níveis. Um fluxo de trabalho que funciona bem:

• Prototipe no nível rápido (US$ 0,27/clipe) enquanto itera a redação da ação — a estrutura de parâmetros e o comportamento são consistentes, então o aprendizado se transfere.
• Refaça as tomadas aprovadas no nível padrão (US$ 0,40/clipe) quando o plano depende de fidelidade física: movimento humano em várias etapas, tecido, cenas com muitas partículas, como a receita 2.
• Ambos os níveis cobram por clipe, não por segundo — um experimento falho custa o mesmo que uma tomada aprovada, o que é outra razão para prototipar com custo baixo.

Execute você mesmo

Qualquer uma das receitas acima exige apenas uma requisição. Crie a tarefa:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/image-to-video",
    "input": {
      "prompt": "the dog shakes water off its whole body, droplets spraying outward in glittering arcs against the backlight, ears flapping, then it stops and tilts its head at the camera, locked low-angle camera, smooth natural motion, consistent golden-hour lighting",
      "image_url": "https://your-cdn.example.com/first-frame.jpg",
      "duration": "6"
    }
  }'

Depois consulte GET /v1/tasks/<taskId> até que data.status seja "success" e baixe imediatamente data.output[0].url — as URLs de saída são assinadas e expiram, então salve os bytes no seu próprio armazenamento. O código completo de consulta e tratamento de erros está no guia do fluxo da API e na documentação.

Perguntas frequentes

Por que meu duration foi rejeitado? Ele precisa ser uma string "6" ou "10". Um inteiro, ou qualquer outro valor como "8", retorna 400.

Posso controlar resolução ou proporção de tela? Não — não existem esses campos na estrutura de parâmetros. O clipe herda a proporção de tela do quadro de entrada, então corte a imagem estática no enquadramento desejado antes de gerar.

A imagem de entrada precisa ser pública? Sim. A API busca o image_url no lado do servidor, então caminhos localhost e URLs assinadas expiradas falham. Qualquer link público de R2/S3/CDN funciona.

Esses prompts funcionam no nível rápido? Sim, sem alterações — a estrutura de parâmetros é a mesma. Em planos com muitas partículas, o efeito físico fica um pouco menos refinado; esse é o trade-off do preço menor.

Quanto tempo leva um clipe? É na ordem de minutos, não de segundos — cada um dos nossos clipes de 6 segundos terminou em alguns minutos de consulta. Construa de forma assíncrona (consulta ou callback), não com espera HTTP bloqueante.

---

Os três clipes acima vieram de tentativas únicas, a US$ 0,40 cada — o custo de geração deste manual inteiro foi de US$ 1,20. Se você tem uma imagem estática que precisa ganhar movimento, obtenha sua chave e comece pela página do modelo hailuo-2.3/image-to-video: troque a URL da sua imagem na requisição acima, descreva a ação (não a cena) e, antes que seu café esfrie, o primeiro clipe estará pronto.