Criando vídeos curtos com HappyHorse 1.1 image-to-video via API hiapi

TL;DR

• O que é: um fluxo de trabalho de image-to-video verdadeiramente utilizável, baseado em happyhorse-1.1/image-to-video na API hiapi — transforme uma foto de produto ou um retrato em um vídeo curto com áudio nativo, pronto para TikTok, Reels ou páginas de produto.
• Por que usar image-to-video em vez de text-to-video: quando você já tem a imagem exata — um produto sobre a mesa, um retrato —, fixar a composição em uma imagem estática e depois deixar o modelo adicionar movimento é muito mais previsível do que descrever a cena inteira do zero.
• A estrutura da tarefa é simples: image_urls (exatamente uma imagem de primeiro quadro), um prompt opcional para orientar o movimento, resolution (720p/1080p) e duration (3–15 segundos; padrão de 5 segundos). Não há controle deslizante de intensidade de movimento nem configuração de trajetória de câmera.
• Preços (em 2026-09): US$ 0,16/s em 720p e US$ 0,21/s em 1080p, cobrados por duration — um clipe de 4 segundos em 720p como o abaixo custa US$ 0,64. Antes de planejar trabalhos em lote, consulte a página de preços em tempo real da hiapi, pois as tarifas podem mudar.
• O áudio é nativo: o HappyHorse 1.1 gera som sincronizado com o movimento — sem etapa de áudio separada e sem campos extras a configurar.

Dois exemplos reais: foto de produto e retrato

Abaixo estão dois clipes gerados de ponta a ponta pela API hiapi — o mesmo modelo, dois primeiros quadros diferentes, duas intenções de movimento diferentes. Ambos são exibidos embutidos como vídeos reproduzíveis de verdade, não como miniaturas estáticas.

Exemplo 1: transformando uma foto de produto em um vídeo promocional

Partindo de uma foto de produto simples — um par de fones de ouvido sem fio dentro do estojo de carregamento —, pedimos ao modelo uma revelação cinematográfica lenta, em vez de deixar o estojo parado como uma imagem plana.

Prompt usado:

Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style

Esse tipo de clipe normalmente exigiria uma filmagem real do produto — equipamento de slider e montagem de iluminação —, enquanto aqui bastam uma foto estática e um prompt de texto. Para o e-commerce, esse padrão (imagem principal estática → clipe curto em loop) é ótimo como material secundário na página de produto ou criativo de anúncio nativo, pois a solicitação é cobrada apenas por uma geração de 4 segundos em 720p (US$ 0,64), e não por uma produção de vídeo inteira.

Exemplo 2: dando vida a um retrato

O segundo caso de uso é um retrato no estilo de apresentador ou modelo: você quer adicionar à foto de um avatar, antes estática, uma sensação sutil e natural de vida — uma leve virada de cabeça, um sorriso que surge, fios de cabelo se movendo — sem alterar a composição ou o fundo.

Prompt usado:

The woman turns her head naturally toward the camera with a soft warm smile, hair moves gently, natural blinking, subtle breathing motion, soft even studio lighting stays consistent, background stays plain and calm, no text

Esse padrão é adequado para transformar um lote de fotos de retrato — páginas de equipe, perfis de criadores, seções de depoimentos — em material animado curto e de baixo esforço, sem contratar um cinegrafista para cada pessoa. Como image_urls aceita exatamente uma imagem de primeiro quadro, a identidade do sujeito e a composição ficam travadas na sua foto de origem; o modelo anima apenas o movimento e a luz, sem reinterpretar a cena.

Como é a requisição na prática

Os dois clipes acima vêm de uma requisição com o mesmo formato, enviada à API unificada de tarefas assíncronas da hiapi:

{
  "model": "happyhorse-1.1/image-to-video",
  "input": {
    "image_urls": ["https://static.hiapi.ai/blog/happyhorse-1-1-image-to-video-short-form-video/product-first-frame.jpg"],
    "prompt": "Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style",
    "resolution": "720p",
    "duration": 4
  }
}

Envie para POST /v1/tasks e depois consulte GET /v1/tasks/:id até que status chegue a um estado terminal; ou — melhor para produção — configure callback.url para que a hiapi notifique seu serviço quando a tarefa terminar, em vez de você fazer polling. Quando status=success, o clipe finalizado fica em output[0].url; baixe-o imediatamente, pois essa URL tem validade limitada.

Escolhendo resolução e duração para vídeos curtos

Para clipes curtos voltados para redes sociais (TikTok, Reels, Shorts), 720p com a menor duração que ainda conte a história costuma ser um padrão prático — cada clipe sai mais barato, e as plataformas sociais recompactam o vídeo de qualquer forma, então o detalhe extra do 1080p raramente é visível após o upload. Use 1080p quando o clipe for para uma página de produto ou anúncio pago, em que o espectador pode assistir em tela cheia em uma tela grande. Aqui, a duração é uma alavanca de custo maior do que a resolução: passar de 4 para 8 segundos aproximadamente dobra o custo em qualquer faixa de resolução, então comece com o clipe mais curto que expresse claramente sua ideia de movimento e só aumente quando os segundos extras forem realmente necessários.

Perguntas frequentes

Quantas imagens o image-to-video precisa? Exatamente uma imagem de primeiro quadro via image_urls (JPEG/PNG/WEBP, lado menor ≥300px, ≤20MB). SVG não é suportado. O clipe inteiro é gerado a partir desse único quadro.

A saída inclui áudio? Sim — o HappyHorse 1.1 gera áudio nativo sincronizado junto com o movimento, sem precisar configurar nenhum campo extra.

Qual é a diferença em relação a text-to-video ou reference-to-video? O image-to-video é guiado por uma imagem de primeiro quadro, então é a escolha certa quando você já sabe a composição exata que deseja. Para gerar um vídeo a partir apenas de uma descrição textual, sem imagem inicial, use happyhorse-1.1/text-to-video. Para controlar com precisão o sujeito/o estilo por meio de várias referências (até 9 imagens), use happyhorse-1.1/reference-to-video.

Quanto custa um clipe na prática? Em 2026-09, a hiapi cobra pelo HappyHorse 1.1 image-to-video por duration, a US$ 0,16/s (720p) ou US$ 0,21/s (1080p). Os dois clipes de exemplo acima são de 4 segundos em 720p, portanto custam US$ 0,64 cada. Antes de rodar em lote, consulte a página de preços em tempo real, pois a tarifa por segundo pode ser atualizada.

Pontos principais

• Escolha image-to-video em vez de text-to-video quando você já tiver a imagem exata — foto de produto, foto de avatar — e só precisar dar movimento a ela.
• image_urls aceita exatamente uma imagem de primeiro quadro; ele não aceita um array de imagens de referência (para isso serve o reference-to-video).
• Cada clipe já vem com áudio sem custo adicional — não é necessária uma etapa separada de geração de áudio.
• A duração é a principal alavanca de custo: um clipe curto de 4 segundos em 720p custa US$ 0,64, e o custo varia aproximadamente de forma linear com os segundos, não com a faixa de resolução.
• Se você está escolhendo entre vários modelos de vídeo para um pipeline de vídeos curtos, também pode comparar este fluxo de trabalho com o pipeline de image-to-video do Veo 3.1 Lite ou com o Seedance-2.0-Fast.

Pronto para testar você mesmo? Obtenha uma chave de API e aponte uma foto estática para happyhorse-1.1/image-to-video — testar o primeiro clipe custa apenas alguns centavos.