PixVerse V6 图生视频用于短视频：将静帧转化为竖屏片段

你已经有了画面。展示台上的产品照片、上周拍摄的主视觉、今早生成的一帧。 pixverse-v6/image-to-video 能把那张静帧变成适合短视频信息流的竖屏片段——而且因为片段以你提供的精确帧开场，视频里的东西就是照片里的东西，而不是模型对它的猜测。

这就是当你已经拥有素材时，为什么选择图生视频而不是文生视频的全部理由。但有一个行为你必须围绕它来设计，我是通过用真实静帧跑通该接口才摸清它的边界。本文讲的就是那套工作流：如何拿你已有的静帧，在另一端产出符合品牌调性的 9:16 片段，批量且低成本。

已经拥有素材时，为什么选图生视频

文生视频从描述构建场景。当你没有素材但有脚本时这很棒——但它每次都会重新发明你的产品，而“一个带金色滴管的磨砂精华瓶”永远不会变回你的瓶子。图生视频把首帧钉死在你交给它的像素上。片段的第一帧就是你的静帧，原封不动。

于是任务变了形态。你不是在写一个场景；你是在为一个已经存在的场景选择运动。你的艺术指导已经在照片里完成了。提示词只决定摄像机和光线如何在它之上运动。

如果你只想要请求结构——字段、轮询、可用的 curl——PixVerse V6 图生视频 API 教程已端到端覆盖。我这里追求的是那篇教程没涉及的生产决策：素材来源、运动选择，以及批量处理一整组。

重塑素材来源的规则：竖屏进，竖屏出

这是第一件让我惊讶的事。pixverse-v6/image-to-video 没有宽高比控制。文生视频端点让你选 9:16；图生视频不行。输出完全跟随你给它的帧的形状。

竖屏静帧会变成竖屏片段：

横屏静帧会变成横屏片段——无论你多么想要竖屏的：

第二个片段本身是个不错的动画，但在竖屏信息流里完全没用——它会带着上下黑边被加框显示。这个教训是关于素材来源的，而且它发生在 API 调用之前：先把你的静帧裁剪或拍摄成 9:16。如果你的目录全是宽幅主视觉，先把它们重新取景为竖屏再动画化，否则信息流会在每次上传时跟你作对。这与文生视频工作流相反——后者你请求宽高比然后就完事了。

首帧保真成立——直到运动揭示新几何

首帧是锁定的。其后的内容并不保证，而这正是对产品工作真正重要的发现。

当运动停留在静帧已展示的面上时，保真度完美保持。上面的精华瓶片段是一个缓慢推近——摄像机朝瓶子移动但从不越过它，所以模型永远不必发明它看不见的那一面。瓶子、金色瓶盖、洞石展台在整个五秒内都精确保持原样。以下是产生它的精确提示词：

Slow cinematic push-in on the serum bottle, a soft moving glint travels
across the gold dropper cap, faint dust motes drift slowly through the warm
side light, the stone pedestal and background stay perfectly still, calm
premium beauty mood

现在看当运动要求绕物体看时会发生什么：

Subtle slow parallax drift around the sneaker as a soft specular highlight
sweeps across the knit upper and foam sole, the concrete plinth stays locked
in place, clean energetic product reveal

源素材是一只纯白、无标志、纯侧面轮廓的鞋。around（围绕）这个词造成了破坏：摄像机旋转向四分之三视角，为了填补它从未见过的角度，模型凭空发明——把中底染成绿色，并在鞋舌上画了一个原图中从未存在的小标记。没有任何东西融化；它看起来像一段自信的产品视频。它只是不再是你的产品了。

这给了你一条针对素材保真短视频的清晰规则：

• 保留素材的运动：推近和拉远、闪光和镜面扫掠、飘浮粒子、浅景深视差、背景的环境运动。摄像机停留在已展示的面上。
• 有漂移风险的运动：环绕、"转台"旋转、大揭秘，任何包含around或behind的东西。模型必须制造未见的几何，而对于具体产品，这种制造是一种负担。

如果你需要真正的 360° 转台，i2v 是错误工具——拍摄它或建模它。对于短视频钩子，你很少需要。对主视觉静帧的推近本身就足以撑起一个五秒片段。

批量处理目录，而不是手动摇出片段

一旦你选好了安全的运动，短视频生产就成了吞吐量问题，而不是创意问题——你有二十张静帧，你想要二十个片段。任务端点是异步的，所以你提交整组，然后收集，而不是一次一个渲染地盯着看。

每次调用是一张静帧加一个运动提示词：

{
  "model": "pixverse-v6/image-to-video",
  "input": {
    "prompt": "Slow cinematic push-in, a soft glint travels across the cap, faint dust motes drift, pedestal and background stay perfectly still",
    "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-short-form-video/01-serum-source.jpg",
    "duration": 5,
    "resolution": "540p",
    "generate_audio": false
  }
}

批量模式是：触发每个 POST /v1/tasks，保留每个返回的 taskId，然后对所有任务轮询 GET /v1/tasks/{taskId}，直到每个都报告 status: "success" 并交回一个 output[0].url。立即下载每个结果——输出 URL 是短期链接，不是永久存储，所以任务一完成就把字节拉到你自己的存储桶。

分辨率是你的成本调节旋钮，也是让目录变得可负担的地方。先以草稿层级渲染整批，挑出保留的，只对它们以成品分辨率重跑。根据 hiapi 定价页（截至 2026-10 的费率），pixverse-v6/image-to-video 在关闭声音时按秒计费：360p 为 $0.036/秒，540p 为 $0.05/秒，720p 为 $0.0645/秒，1080p 为 $0.129/秒（开启音频会进入更高档位）。五秒 540p 草稿约为 $0.25；同一片段在 1080p 约为 $0.65。以 540p 草稿化二十张静帧，再把三个胜出者以 1080p 完成，成本只是完成全部二十个的一小部分。

自己动手跑一遍

把 image_url 指向你网络能访问的任何静帧，让运动停留在已展示的面上，从 540p 开始：

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pixverse-v6/image-to-video",
    "input": {
      "prompt": "Slow push-in, soft moving glint, faint drifting dust, background locked",
      "image_url": "https://static.hiapi.ai/blog/pixverse-v6-image-to-video-short-form-video/01-serum-source.jpg",
      "duration": 5,
      "resolution": "540p",
      "generate_audio": false
    }
  }'
# → {"code":200,"data":{"taskId":"tk-hiapi-..."}}
# 然后轮询 GET /v1/tasks/{taskId} 直到 status == "success"，
# 并立即下载 output[0].url（它会过期）。

常见问题

我能从横屏照片强制输出 9:16 吗？ 不能。pixverse-v6/image-to-video 没有宽高比字段——片段会匹配帧。提交前把静帧裁剪成竖屏。

产品会与我的照片完全一样吗？ 首帧就是你的照片，逐像素一致。只要运动不揭示静帧从未展示的角度，它就保持保真。推近和环境运动让它保持原样；环绕和大揭秘让模型发明看不见的侧面，可能会漂移。

片段能多长？ pixverse-v6/image-to-video 支持 1–15 秒片段。对于短视频钩子，每个镜头 5 秒绰绰有余——把几个剪在一起，而不是要求一个长镜头。

需要添加音频吗？ 只有你想要时才需要。generate_audio 默认关闭，保持关闭可让你留在更便宜的价位。大多数短视频的声音反正是在剪辑时加上的。

短视频用图生视频还是文生视频？ 如果片段必须展示特定产品或品牌素材，用图生视频，这样它以你的精确帧开场。如果你从零发明一个场景，文生视频给你宽高比控制和完全的创作自由。

要点

• 当你已经拥有素材时，选择图生视频而非文生视频：片段以你的精确静帧开场，所以屏幕上的产品真正是你的。
• 没有宽高比控制——输出跟随帧。在动画化之前把静帧裁剪成 9:16，否则它们会在竖屏信息流中被加框。
• 首帧保真适用于推近、闪光和环境运动；环绕和大揭秘让模型发明未见的几何，可能偏离品牌。
• 异步批量处理目录，以 540p 草稿（每个 5 秒片段约 $0.25），只对保留者以 1080p 完成。

准备好动画化你自己的静帧了吗？在 pixverse-v6/image-to-video 模型页获取完整字段参考，并从 hiapi 快速入门发出你的第一个任务。