Руководство по началу работы с P-Video 2 Pro Avatar: один портрет плюс аудио или текст — и видео с говорящим человеком длительностью до 3 минут

P-Video 2 Pro Avatar — модель видео с говорящим человеком от Pruna AI: вы даёте ей портрет и аудиофрагмент или текстовый сценарий, и она создаёт видео, в котором этот человек говорит. В этой статье подробно рассказывается, что модель умеет, как её вызывать, как рассчитывается стоимость и когда стоит выбрать другую модель.

Что она умеет

• Достаточно одного портрета: обязателен только портрет image_url (jpg, jpeg, png, webp) — это первый кадр видео; не нужны видеоматериалы и не требуется предварительное обучение образа.
• Два способа управления: при передаче аудио audio_url длина видео равна длине аудио; при передаче только текстового сценария script (до 5000 символов) используется встроенная озвучка. Одно видео длится до 3 минут, при 4k аудио — до 125 секунд.
• Встроенные голоса на выбор: 30 голосов (пол указан в названии, по умолчанию Zephyr (Female)), 10 языков: американский английский, британский английский, испанский, французский, немецкий, итальянский, бразильский португальский, японский, корейский, хинди; китайского пока нет. В voice_prompt задаются тон, темп и эмоция; этот текст не озвучивается.
• Промпт управляет изображением: prompt (до 2000 символов) описывает, как человек выглядит во время речи, его движения и выражение лица; по умолчанию — “The person is talking.”.
• Пять уровней разрешения: 480p, 768p, 1080p, 2k, 4k; по умолчанию 768p.

Правила ввода

• Нужно передать хотя бы одно из двух: аудио или текстовый сценарий. Если переданы оба, приоритет у аудио, а script, voice, voice_language, voice_prompt не действуют.
• Если не передано ни одного, задача завершится ошибкой с предложением добавить одно из них, а стоимость будет полностью возвращена.
• Фильтрация контента по безопасности включена по умолчанию; при нарушении задача завершается ошибкой CONTENT_POLICY_VIOLATION, а стоимость полностью возвращается.

Как вызывать

Отправьте асинхронную задачу, получите taskId и опрашивайте результат:

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "p-video-2-pro-avatar",
    "input": {
      "image_url": "https://example.com/portrait.png",
      "script": "Welcome to the course. Today we cover three ideas.",
      "voice": "Charon (Male)",
      "voice_language": "English (US)",
      "voice_prompt": "Calm and clear, moderate pace",
      "resolution": "768p"
    }
  }'

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_KEY"

Если используете собственную запись, просто замените script и параметры voice на "audio_url": "https://example.com/voice.mp3". После успешного выполнения задачи в output будет ссылка на видео.

Цены

Оплата по длительности выходного видео; доли менее 1 секунды не тарифицируются:

• 480p: $0.0286/сек
• 768p: $0.0572/сек
• 1080p: $0.0858/сек
• 2k: $0.1143/сек
• 4k: $0.1715/сек

Например, 30-секундное видео 768p стоит около $1.72, а 30-секундное 480p — около $0.86. При передаче аудио предварительно списывается сумма по длительности аудио; при передаче только текстового сценария на момент отправки длина озвучки неизвестна, поэтому сначала списывается сумма за 3 минуты, а после завершения расчёт идёт по фактической длительности видео, лишнее возвращается. За неудачные задачи стоимость возвращается полностью.

Как писать промпты

В prompt описывайте только изображение, без реплик. Пишите в порядке «внешность персонажа → амплитуда движений → выражение лица и взгляд → свет или камера», например:

• Объяснение урока: A calm instructor in a dark shirt, small head nods, steady eye contact, soft studio light
• Экскурсия по выставке: A curator speaking warmly to camera, blinks naturally, warm gallery lighting

Тон и ритм задавайте в voice_prompt, например “Speak softly, small pauses between sentences”.

Когда выбрать другое

• Если нужно заменить артикуляцию человека в существующем видео на новое аудио или создать видео из изображения без говорящего человека: это не задача P-Video 2 Pro Avatar, выберите соответствующую модель редактирования видео или модель видео из изображения.
• Если нужно заменить человека в видео на другого, сохранив движения и камеру исходного видео: используйте P-Video 2 Pro Replace из той же серии.

Чтобы сразу попробовать результат, загрузите портрет в HiAPI Playground и сгенерируйте видео по текстовому сценарию.