Receitas de prompts de imagem para vídeo com Veo 3.1 Lite: prompts prontos para copiar e colar e resultados reais

Resumo em uma frase

• veo-3.1-lite/image-to-video transforma uma única imagem estática em um clipe curto e é um dos poucos modelos de imagem para vídeo do hiapi que oferece áudio sincronizado nativo (generate_audio: true) — sem necessidade de dublagem ou efeitos sonoros separados.
• A duração do clipe é fixa: 4, 6 ou 8 segundos, com resolução de 720p ou 1080p. Não há parâmetro de proporção — o enquadramento da saída segue diretamente a imagem de origem.
• Abaixo estão três prompts de movimento validados na prática — virar a cabeça de uma pessoa, revelação de produto e avanço ambiental — cada um com a imagem de origem e o clipe realmente gerado pela API online.
• O áudio aumenta de fato o custo: ao ativar generate_audio, 720p passa de US$ 0,06 para US$ 0,10 por segundo e 1080p passa de US$ 0,10 para US$ 0,14 por segundo. Desative o áudio em vídeos de produto em loop sem som.
• As três imagens de origem deste artigo foram geradas recentemente para ele, e todos os três clipes foram renderizados pelo mesmo endpoint /v1/tasks que você chamaria — nenhum é material de demonstração da plataforma.

Como estas receitas foram criadas

Cada receita segue o mesmo ciclo de duas etapas:

1. Gerar uma imagem de origem limpa com um modelo de texto para imagem (usamos gpt-image-2/text-to-image). Essa imagem estática é o primeiro quadro — a composição, a iluminação e a pose do sujeito que você fixa aqui são o ponto de partida da animação do vídeo.
2. Passar a URL pública dessa imagem estática junto com um prompt de movimento para veo-3.1-lite/image-to-video. O prompt descreve o que deve mudar nos próximos segundos — virar a cabeça, abrir a tampa, avançar a câmera. O modelo não inventa uma cena nova; ele apenas anima a imagem que você forneceu.

Antes de gastar dinheiro com clipes reais, descobrimos alguns pontos ao explorar o schema:

• image_url aceita apenas uma única string, não um array — uma imagem de referência por clipe, sem fusão de várias imagens.
• Não existe o campo aspect_ratio. O vídeo renderizado mantém o enquadramento da imagem de origem.
• duration aceita apenas 4, 6 ou 8 — enviar 5 ou 10 é rejeitado diretamente.
• generate_audio é um booleano comum, mas altera a faixa de preço (veja a tabela de custos abaixo), então decida antes de começar se o clipe precisa de som.

Receita 1 — Virar a cabeça e sorrir

Imagem de origem — retrato de estúdio, ângulo de três quartos, expressão serena:

A mulher vira lentamente a cabeça e os ombros para encarar a câmera, com a expressão passando de serena para um sorriso caloroso e sincero, fazendo contato visual com a lente. Seus cabelos cacheados ruivos balançam suavemente com o movimento. Ruído ambiente suave de estúdio; ao sorrir, ouve-se uma leve expiração.

veo-3.1-lite/image-to-video · 6 segundos · 720p · generate_audio: true · US$ 0,60

Por que funciona: o prompt dá ao modelo apenas uma ação (virar a cabeça) e uma mudança de expressão (de serena para sorridente) — não pede nada que a pose de origem não sustente. Especificar o áudio aqui (“ruído ambiente suave de estúdio”, “leve expiração”) é fundamental: sem essa indicação, generate_audio: true costuma gerar som ambiente genérico em vez de um áudio sincronizado com o ritmo da imagem.

Receita 2 — Rotação de revelação de produto

Imagem de origem — estojo de fones fechado sobre uma base de mármore:

A tampa do estojo se abre lentamente na dobradiça enquanto o estojo gira suavemente no sentido horário sobre a base de mármore, revelando os fones acomodados dentro. Conforme gira, a luz de contorno do estúdio desliza pela superfície preta fosca. A câmera permanece fixa; apenas o sujeito se move.

veo-3.1-lite/image-to-video · 4 segundos · 1080p · generate_audio: false · US$ 0,40

Por que funciona: vídeos de produto em loop raramente precisam de som — a maioria dos compradores assiste sem áudio — então este desativa o áudio por completo e mantém o clipe curto (4 segundos), com apenas um movimento composto (abrir a tampa + girar). Especificar “a câmera permanece fixa” impede que o modelo acrescente um travelling indesejado, um erro comum em tomadas de produto.

Receita 3 — Névoa ambiental se dissipando

Imagem de origem — passarela de madeira sobre um lago coberto de névoa ao amanhecer:

A câmera avança lentamente pela passarela de madeira em direção ao banco vazio; a névoa da manhã deriva sobre o lago e se dissipa aos poucos, e a luz do sol começa a atravessar o céu rosado, refletindo nas ondulações da água. Paisagem sonora ambiente sutil: canto de pássaros e o som suave da água batendo nas estacas da passarela.

veo-3.1-lite/image-to-video · 6 segundos · 720p · generate_audio: true · US$ 0,60

Por que funciona: tomadas ambientais se beneficiam ao combinar movimento da câmera (avanço) com movimento do ambiente (névoa se dissipando, luz mudando) — apenas um dos dois parece estático; os dois juntos criam a sensação de uma cena viva. As indicações de áudio ambiente (“canto de pássaros”, “som da água”) vinculam a trilha ao conteúdo da imagem, em vez de um ruído de fundo genérico.

Reduzir a conta por segundo

O veo-3.1-lite/image-to-video é cobrado por resolução e por uso de áudio, verificado no endpoint online /api/pricing:

Resolução	Áudio	Preço por segundo	Custo de um clipe de 6 segundos
720p	Desligado	US$ 0,06/s	US$ 0,36
720p	Ligado	US$ 0,10/s	US$ 0,60
1080p	Desligado	US$ 0,10/s	US$ 0,60
1080p	Ligado	US$ 0,14/s	US$ 0,84

Duas conclusões: manter 720p com áudio desligado é a forma mais barata de iterar prompts antes de investir em renderizações mais longas ou em resolução mais alta. E subir de 720p sem áudio para 1080p com áudio quase dobra a tarifa por segundo (US$ 0,14 contra US$ 0,10 do 720p sem áudio) — reserve a combinação 1080p + áudio para os clipes que realmente serão entregues.

Execute você mesmo: enviar, consultar, baixar

import time
import requests

API_BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = "YOUR_HIAPI_API_KEY"

def submit(prompt, image_url, duration=6, resolution="720p", generate_audio=True):
    resp = requests.post(
        API_BASE,
        headers={"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"},
        json={
            "model": "veo-3.1-lite/image-to-video",
            "input": {
                "prompt": prompt,
                "image_url": image_url,
                "duration": duration,
                "resolution": resolution,
                "generate_audio": generate_audio,
            },
        },
        timeout=30,
    )
    resp.raise_for_status()
    return resp.json()["data"]["taskId"]

def poll(task_id, interval=8, timeout=300):
    deadline = time.time() + timeout
    while time.time() < deadline:
        r = requests.get(f"{API_BASE}/{task_id}",
                          headers={"Authorization": f"Bearer {TOKEN}"}, timeout=30)
        data = r.json()["data"]
        if data["status"] == "success":
            return data["output"][0]["url"]
        if data["status"] in ("failed", "error"):
            raise RuntimeError(f"task failed: {data}")
        time.sleep(interval)
    raise TimeoutError("task did not finish in time")

task_id = submit(
    prompt="O sujeito vira lentamente para a câmera e sorri.",
    image_url="https://your-public-image-url.jpg",
    duration=6,
    resolution="720p",
    generate_audio=True,
)
video_url = poll(task_id)

# A URL de saída tem prazo de validade — baixe os bytes imediatamente
video_bytes = requests.get(video_url, timeout=60).content
with open("clip.mp4", "wb") as f:
    f.write(video_bytes)

As URLs de saída expiram — baixe e salve os bytes imediatamente após a tarefa reportar success; não guarde essa referência por muito tempo.

Se você não conhece o fluxo de geração baseado em tarefas do hiapi, a página de detalhes do modelo veo-3.1-lite/image-to-video traz a referência de schema mais recente, e a página de preços sempre reflete as tarifas em tempo real de cada modelo, não um instantâneo. Se você quer construir uma biblioteca mais completa de prompts de imagem para vídeo, nosso artigo Receitas de imagem para vídeo com Grok Imagine 1.5 cobre outro modelo, seus padrões exclusivos de prompts de movimento e as compensações de custo.

Referência rápida do schema

Campo	Tipo	Valores	Descrição
prompt	string	texto livre	Descreva o movimento/mudança, não a cena inteira
image_url	string	URL pública	Apenas uma imagem, sem suporte a array
duration	integer	4, 6, 8	Outros valores são rejeitados
resolution	string	"720p", "1080p"	Não há opção de 480p
generate_audio	boolean	true / false	Altera a faixa de preço

Comece a usar

Gere uma imagem de origem limpa, escreva um prompt de movimento que indique claramente uma ou duas mudanças desejadas e decida com antecedência se o clipe precisa de som — esse é o fluxo de trabalho inteiro. Acesse a página do modelo veo-3.1-lite/image-to-video para obter sua chave de API e começar a renderizar.