Hailuo 2.3 текст-в-видео: рабочий процесс создания коротких видео на базе API hiapi

Коротким видео нужно движение, которое выглядит правдоподобно уже в первую секунду кадра — переворачивающаяся скейтборд-доска, колышущаяся ткань, быстрый панорамный поворот. Именно для этого создан hailuo-2.3/text-to-video: отправьте один текстовый промпт на эндпоинт /v1/tasks в hiapi и получите видеоклип длительностью 6 или 10 секунд с реалистичной физикой движения, без опорного изображения. В этой статье полностью пройден реальный рабочий процесс работы с API, показан фактически сгенерированный клип, объяснено ограничение вывода, о котором стоит знать до того, как строить на его основе конвейер, и приведены актуальные цены напрямую из /api/pricing hiapi.

В чём hailuo-2.3/text-to-video действительно силён

Модели текст-в-видео легко ломаются на быстрых физических действиях — доска изгибается, конечности деформируются в середине трюка. hailuo-2.3/text-to-video на hiapi имеет тег "Motion Physics", и это его настоящее преимущество: он сохраняет стабильность на тех самых движениях, из которых состоит большинство коротких видео — трюк, эффектный показ, быстрый проезд камеры. Он уступает моделям, специализирующимся на статичных сценах, в мелких деталях, но для 6-10-секундного клипа, который посмотрят на телефоне лишь раз, физически достоверное движение важнее попиксельной текстуры.

Промпт и то, что он фактически сгенерировал

Ниже полный промпт, использованный для видео ниже — скопируйте его как отправную точку для собственных динамичных кадров:

a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip, the board spinning crisply mid-air with realistic physical rotation, sneaker landing solidly back on the deck as wheels grip the concrete, sunlight flaring low through support pillars, dynamic low-angle tracking shot following the motion, natural motion blur on fast movement, warm saturated color grade, handheld documentary energy

Обратите внимание на то, что в промпте действительно работает: названное движение камеры ("dynamic low-angle tracking shot"), явное описание движения ("crisply mid-air with realistic physical rotation") и момент приземления ("solidly back on the deck as wheels grip the concrete"). hailuo-2.3/text-to-video не предоставляет параметров камеры или тайминга напрямую — всё это зависит от того, насколько конкретно вы опишете сцену.

Проблема: только горизонтальная ориентация

Входная схема hailuo-2.3/text-to-video (актуальный список параметров см. на странице модели) намеренно узкая: prompt, duration ("6" или "10") и prompt_optimizer. Ни aspect_ratio, ни resolution, ни seed — каждое видео рендерится в фиксированном горизонтальном формате 1366×768.

Для TikTok, Reels и Shorts это реальная проблема, поскольку все они требуют 9:16. Поскольку вертикального варианта запросить нельзя, обходной путь возможен только после генерации: либо обрезать горизонтальный кадр по центру до вертикальной полосы (хорошо работает, когда объект остаётся в центре, как в видео выше), либо сохранить полный кадр, заполнив верх и низ размытой увеличенной копией того же материала — то есть распространённый эффект "размытого фона", типичный при перемонтаже горизонтальных клипов. Планируйте этап обрезки/заполнения как часть конвейера, а не рассчитывайте, что модель сразу выдаст готовый вертикальный продукт.

Стоимость: две длительности, никакого дешёвого режима

Согласно актуальной странице цен hiapi, hailuo-2.3/text-to-video тарифицируется фиксированно за видео: 6-секундный клип — $0.40, 10-секундный — $0.80 — ровно вдвое дороже, без встроенных скидок за объём. Это важно для бюджета пакетной генерации: три 6-секундных клипа (в сумме $1.20, 18 секунд материала) стоят столько же, сколько три клипа почти полной длительности, поэтому монтаж из нескольких коротких клипов обычно дешевле, чем покрытие той же общей длительности одним непрерывным длинным кадром.

Один подводный камень: у Hailuo 2.3 действительно есть более дешёвый уровень "fast" (6 секунд — $0.27 / 10 секунд — $0.46), но он существует только в режиме изображение-в-видео. У текст-в-видео единственный ценовой уровень, без fast/дешёвой альтернативы. Если перед финальным рендером вам нужно много итераций промпта, часто экономнее сгенерировать статичный кадр, а затем итеративно проработать движение на основе этого кадра с помощью hailuo-2.3-fast/image-to-video.

Подключение к конвейеру

Все видеомодели hiapi используют один и тот же асинхронный шаблон /v1/tasks — создайте задачу, опрашивайте её, сразу скачивайте результат, поскольку ссылки на доставку истекают:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/text-to-video",
    "input": {
      "prompt": "a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip...",
      "duration": "6",
      "prompt_optimizer": true
    }
  }'

Опрашивайте GET /v1/tasks/{taskId}, пока статус не станет терминальным, затем заберите output[0].url и сразу скачайте. Полная структура запроса/ответа и актуальная проверка схемы — на странице модели; общая информация об аутентификации и жизненном цикле задач — в документации hiapi.

Если вы строите конвейер коротких видео вокруг не одной, а нескольких видеомоделей, вместо того чтобы ставить на одну, стоит прочитать обзор четырёх видеомоделей от hiapi — hailuo-2.3 по цене и качеству отличается от таких моделей, как seedance-2.0-mini, и смешивание моделей под разные типы сцен обычно даёт лучший результат, чем использование одной модели для всего контент-календаря.

Часто задаваемые вопросы

Поддерживает ли hailuo-2.3/text-to-video вертикальный вывод (9:16)? Нет. Параметров aspect_ratio или resolution нет — каждое видео рендерится в горизонтальном формате примерно 1366×768. Чтобы получить вертикаль, обрезайте или заполняйте результат после генерации.

Сколько времени занимает генерация одного видео? Это асинхронная задача: после отправки опрашивайте её, пока статус не станет терминальным. В пакетном конвейере закладывайте на каждое видео несколько минут, а не рассчитывайте на синхронный ответ.

Есть ли у hailuo-2.3/text-to-video более дешёвая или быстрая версия? Нет. Дешёвый уровень "fast" доступен только для hailuo-2.3-fast/image-to-video. У текст-в-видео одна цена: $0.40 за 6 секунд, $0.80 за 10 секунд.

Могу ли я напрямую управлять движением камеры или конкретными тайминговыми моментами? Нет, через структурные параметры — движение, работа камеры и ритм задаются тем, как написан промпт. Промпт выше (названный tracking shot, явное описание вращения, момент приземления) — рабочий шаблон для физически достоверных динамичных кадров.

Итоги

• Вся входная схема — это только prompt, duration ("6" или "10") и prompt_optimizer — нет aspect_ratio, resolution или seed для настройки.
• Вывод всегда горизонтальный, примерно 1366×768; для вертикальных коротких видеоформатов нужно планировать этап обрезки или заполнения.
• Цена фиксированная: $0.40 за 6 секунд, $0.80 за 10 секунд — более дешёвый уровень "fast" существует только в режиме изображение-в-видео.
• Отправьте через /v1/tasks, опрашивайте до терминального статуса, затем сразу скачайте URL вывода, поскольку ссылки истекают.

Готовы попробовать? Сгенерируйте видео с промптом выше на странице модели hailuo-2.3/text-to-video и перед запуском полного пакета коротких видео ознакомьтесь с актуальными ценами.