Создание коротких видео с помощью ltx-2.5-fast/text-to-video на HiAPI

Почему ltx-2.5-fast/text-to-video подходит для создания коротких видео

Короткие видео — это игра объёмов, а бюджет внимания зрителя очень короток. Вам нужно много клипов, быстрый оборот и способ без колебаний выбрасывать неудачные дубли. Это определяет, какую модель генерации стоит подключать к вашему конвейеру.

ltx-2.5-fast/text-to-video — это модель текста-в-видео в API HiAPI, и у неё есть две характеристики, критически важные здесь: она создаёт нативную аудиодорожку одновременно с изображением и выдаёт 1080P. На практике это означает, что один вызов возвращает клип, который по форме уже готов к публикации — вам не нужно склеивать немую видеодорожку с отдельно сгенерированной музыкальной подложкой и не нужно апскейлить черновик низкого разрешения, прежде чем клип станет пригодным для показа.

Слово fast в названии модели указывает на тот же компромисс: приоритет пропускной способности над предельной точностью. Для создания коротких видео — вертикальных клипов, хуков, нарезок для соцсетей — это обычно правильная сторона. Вы будете итерировать чаще, а количество итераций важнее любого отдельного кадра.

Простая схема конвейера:

text prompt ──► ltx-2.5-fast/text-to-video ──► video track (1080P)
                                          └──► audio track (native)

Один вход, два выхода, один актив для управления. Всё дальнейшее в этом руководстве строится на этой форме.

Планируйте клип до написания промпта

Самая распространённая ошибка в работе «промпт в клип» — писать один промпт на всё видео. Попросите модель «сделать 30-секундную рекламу», и она усреднит все такты, а результат будет не похож ни на что. Сначала разбейте на части.

Разделите видео на кадровые единицы

Напишите сценарий, затем разрежьте его в каждой точке визуального изменения. Каждая точка разреза — это единица генерации. Типичное короткое видео обычно распадается на четыре-восемь единиц. Для каждой единицы укажите:

• номер и одно предложение о том, что происходит
• ожидаемую длительность
• замысел аудио (реплики, окружающий фон, только музыка, тишина)
• замечание о том, должен ли кадр визуально стыковаться с предыдущим

Делайте каждый запрос небольшим

Малые единицы дешевле перегенерировать и дешевле переупорядочивать. Если третий кадр неверен, вы перезапускаете третий кадр, а не всё видео. Оставьте работу по стыковке вне зоны ответственности модели: если два кадра должны плавно соединяться, генерируйте их отдельно, а затем склеивайте в редакторе, вместо того чтобы требовать один длинный непрерывный кадр.

Заранее определите целевую форму

Соотношение сторон, диапазон длительности и назначение клипа определяют всё остальное. Определите их до первого запроса, потому что последующее изменение означает перегенерацию всего. Если вы делаете видео для нескольких каналов, планируйте список кадров отдельно для каждого канала, а не обрезайте мастер-версию — различия в композиции настолько велики, что обрезка будет выглядеть как обрезка.

Относитесь к списку кадров как к данным под контролем версий. Промпт, который дал хороший клип, — это актив, и вы захотите хранить его в системе контроля версий вместе с кодом, который его использует.

Шаблоны промптов, дающие пригодные клипы

Пишите промпт как структурированное описание кадра, а не как прозу. Стабильный шаблон даёт воспроизводимость: когда повторная попытка удаётся, вы знаете, какое поле изменилось.

Пять полей

[subject]   who or what is on screen, with concrete visual detail
[action]    what happens during the shot — one continuous motion
[camera]    framing, angle, and movement (e.g. slow push-in, static wide)
[lighting]  time of day, source, mood
[audio]     what should be heard: dialogue, ambience, music character

Заполненный пример:

subject: a woman in a canvas work jacket, mid-30s, workshop background
action: she lifts a ceramic mug from a shelf and turns it in her hands
camera: static medium shot, slight shallow depth of field
lighting: warm afternoon window light from camera left
audio: quiet room tone, faint hum of a kettle, no music

Правила, которые работают

• Одно действие на кадр. Два действия в одном промпте приведут к компромиссу между ними. Если кадру нужен второй такт — это два кадра.
• Описывайте видимое, а не его значение. «Она выглядит облегчённой» ничего не даёт модели. «Её плечи опускаются, и она выдыхает» даёт ей то, что можно отрендерить.
• Явно указывайте поведение камеры. Неуказанное поведение камеры — самый быстрый путь к непригодному клипу, потому что модель выберет значение по умолчанию, которое вы не хотели.
• Конкретно указывайте замысел аудио. Нативная аудиодорожка означает, что промпт влияет на звук. Ясно говорите, нужны ли вам реплики, окружающий звук, музыка или тишина — не оставляйте это подразумеваемым.
• Избегайте нагромождения отрицаний. «Без текста, без водяных знаков, без лишних людей» часто притягивает именно названное. Вместо этого опишите желаемую картину.

Ведите журнал промптов

Для каждого отправленного промпта сохраняйте полный текст вместе с параметрами. Когда клип удачен, промпт — это многоразовый актив; когда он неудачен, журнал показывает, дрейфовал ли промпт или параметры.

Отправка запроса через API HiAPI

Генерация выполняется через API HiAPI с идентификатором модели ltx-2.5-fast/text-to-video. Вызов — это один запрос: вы отправляете промпт и параметры генерации, а возвращается задание, результатом которого является клип как актив.

Минимальная форма запроса

Точные имена полей и поддерживаемые диапазоны указаны на справочной странице этой модели в документации API — проверьте там, прежде чем что-либо жёстко задавать. Ниже показана форма рабочего вызова:

curl -X POST "https://api.hiapi.ai/v1/video/generations" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ltx-2.5-fast/text-to-video",
    "prompt": "static medium shot, a woman in a canvas work jacket lifts a ceramic mug from a shelf and turns it in her hands, warm afternoon window light from camera left, quiet room tone with a faint kettle hum",
    "duration": <clip length in seconds>,
    "resolution": "1080p"
  }'

Замените заполнитель duration значением, которое принимает модель. Отправляйте только то, что вам нужно: промпт, длительность, разрешение и любые элементы управления соотношением сторон или аудио, перечисленные на справочной странице.

Что отправлять как минимум

• идентификатор модели, в точности как опубликован
• полный промпт, собранный по вашему шаблону
• длительность, выбранную из поддерживаемого моделью диапазона
• выходное разрешение, когда модель позволяет его выбрать

Относитесь к ответу как к заданию, а не как к файлу

Рассматривайте каждый ответ как запись задания: идентификатор, статус и — по завершении — ссылку на актив. Сохраняйте идентификатор задания вместе с промптом и параметрами, чтобы каждый клип в вашей библиотеке можно было проследить до породившего его запроса.

Держите ключ API на сервере и внедряйте его из окружения. Не формируйте промпты на клиенте.

Обработка нативной аудиодорожки и вывода 1080P

Вызов возвращает клип в 1080P, уже с аудиодорожкой. То, что вы делаете дальше, определяет, имеет ли это смысл.

Просмотр перед сборкой

Просмотрите каждый клип в полном размере и без отключения звука. Проверьте конкретно две вещи:

• Синхронизация звука и изображения. Нативная аудиодорожка генерируется вместе с изображением, а не выводится из него. Убедитесь, что звук соответствует действию — поднятие чашки не должно звучать как закрывающаяся дверь.
• Уровень и характер звука. Сгенерированный звук может быть громче или тише, чем вы ожидали. Проверьте пики перед размещением на таймлайне с единичным усилением.

Отклоняйте быстро. Клип, требующий исправления при просмотре, обычно дешевле перегенерировать, чем исправлять, особенно если точка исправления находится в промпте.

Сборка, а не перегенерация

Соединяйте кадры в монтажном инструменте, который уже использует ваша команда. Поскольку каждый кадр возвращается как полноценный актив 1080P, сборка — это обычный монтаж: подрежьте начало и конец, задайте точки переходов, приглушите звук под добавляемым закадровым голосом.

Сохраняйте нативную аудиодорожку там, где она ценна. Окружающий фон и комнатный шум, сгенерированные вместе с изображением, обычно лучше сочетаются с ним, чем наложенные библиотечные дорожки, потому что они созданы для этого кадра. Заменяйте звук только там, где вам нужен конкретный голос или лицензированная музыка.

Экспорт для целевого канала

Экспортируйте в кодек, соотношение сторон и длительность, которые ожидает целевая платформа, и перед массовым производством проверьте пробный экспорт на соответствие требованиям этой платформы. Источник 1080P даёт вам запас для перекомпоновки под разные соотношения сторон, но после перекомпоновки перепроверьте композицию — понравившийся вам кадр может не выдержать обрезки.

Держите стоимость итераций и качество под контролем

Генерация тарифицируется по запрошенному объёму работы — длина клипа и разрешение влияют на стоимость одного вызова. Это значит, что ваша дисциплина итераций и есть ваш контроль затрат. Три осознанных практики:

Сначала перегенерируйте, потом переписывайте

Если клип близок, но неверен, запустите тот же промпт ещё раз. Генерация не полностью детерминирована, и второй образец иногда устраняет мелкий дефект. Если два перезапуска одного промпта терпят неудачу одинаково, проблема в промпте — измените его.

Меняйте по одному за раз

Когда вы редактируете промпт, редактируйте только одно поле. Если вы одновременно изменили субъект, камеру и освещение и результат стал лучше, вы не узнали ничего, что можно было бы повторить. Однопеременная итерация сходится; рассеянное редактирование порождает клипы, которые вы не сможете воспроизвести.

Различайте проблемы промпта и проблемы параметров

Спросите, к какой оси относится сбой. Композиция, действие и настроение — это проблемы промпта. Длина, разрешение и формат — проблемы параметров. Исправление проблемы композиции сокращением клипа — это пустой вызов; исправление проблемы длины переписыванием промпта — тоже.

Повышайте уровень по порядку

1. Перезапустите тот же промпт.
2. Настройте одно поле промпта.
3. Измените один параметр (длительность, разрешение).
4. Переработайте кадр.

Большинство исправимых клипов решаются на шаге 1 или 2. Переход к шагу 4 — это способ сделать дешёвые итерации дорогими.

Наконец, ограничьте число попыток. Установите лимит повторов на каждый кадр на уровне вашего слоя заданий и останавливайтесь при его достижении — этот кадр нужно переосмыслить, а не делать ещё один образец.

Типичные режимы отказа и способы отладки

Большинство проблем «промпт в клип» попадают в несколько категорий. Вот на что смотреть в первую очередь для каждой.

Клип не соответствует промпту

Сначала проверьте конкретность промпта. Расплывчатый субъект и неуказанное поведение камеры — частые причины. Перепишите кадр по шаблону из пяти полей и явно укажите поведение камеры.

Действие хаотично или раздвоено

Возможно, вы запросили больше одного действия. Разбейте кадр на две единицы генерации, каждая с одним непрерывным действием.

Звук не совпадает с изображением

Посмотрите на поле аудио в промпте. Если вы оставили его подразумеваемым, модель выбрала значение по умолчанию. Явно укажите замысел аудио — окружающий звук, реплики, характер музыки или тишину.

Длина или форма клипа неверны

Это проблема параметров, а не промпта. Убедитесь, что отправляемые значения входят в диапазон, указанный на справочной странице модели, и что ваш клиент сериализует их как задумано, а не отбрасывает.

Запрос завершается ошибкой или таймаутом

Проверьте по порядку: написание идентификатора модели в точности как опубликовано; наличие и валидность ключа API; корректность JSON в теле запроса; отсутствие превышения лимитов скорости. Генерация — асинхронная работа, поэтому медленный ответ не обязательно ошибка — опрашивайте задание, а не отправляйте заново, иначе вы заплатите дважды за один клип.

Несогласованные результаты при многократных запусках

В некоторой степени это ожидаемо. Записывайте каждый промпт и набор параметров, чтобы отличать реальную регрессию от нормальных колебаний, и не меняйте лимит повторов.

Самый быстрый цикл отладки всегда одинаков: получите запись задания, прочитайте точный промпт и параметры, которые были фактически отправлены, и меняйте по одному полю за раз, пока клип не совпадёт с запланированным кадром.