PixVerse V6 короткие видео: рабочий процесс text-to-video для вертикальных роликов

Короткие видео — это игра на объём: вам нужно постоянно выпускать вертикальные ролики, и узким местом редко становится какой-то отдельный удачный кадр — чаще всего это вопрос о том, как быстро и дёшево выпускать их массово. Эта статья — сквозной рабочий процесс, который учит вас добиваться этой цели с помощью pixverse-v6/text-to-video в API hiapi: от идеи контента до готового ролика 9:16, пригодного для Reels, Shorts и TikTok. Каждый ролик ниже — реально сгенерированный результат для этой демонстрации — ролики можно воспроизвести прямо на странице.

Если вам нужны приёмы для отдельных промптов (стилевые пресеты, язык камеры, аудио), смотрите рецепты промптов PixVerse V6; если вам нужен исходный механизм запросов/ответов, смотрите руководство по работе с PixVerse V6 text-to-video. Эта статья — о производственном конвейере вокруг них.

Обзор рабочего процесса

1. Пишите короткое видео как набор кадров, а не как один ролик. Короткому видео нужен крючок, который захватывает человека в первую секунду, и вознаграждение в конце. Максимум одного поколения pixverse-v6 — 15 секунд, поэтому короткое видео почти всегда собирается из нескольких согласованных роликов.
2. Сохраняйте согласованность кадров. У text-to-video нет входных кадров, поэтому непрерывность между кадрами должна обеспечиваться повторяющимися якорными фразами в каждом промпте.
3. Отправляйте асинхронные задачи пакетами. Отправляйте все кадры сразу как вызовы POST /v1/tasks и опрашивайте их вместе — вам нужно подождать один раз для всей партии, а не для каждого кадра по отдельности.
4. Дешёвые черновики, качественный финал. Итерируйте на дешёвом тарифе 540p, затем перерендеривайте только сохранённые ролики в 720p/1080p.
5. Сдавайте в вертикальном формате. Сразу запрашивайте 9:16, решайте вопрос с аудио в зависимости от платформы и монтируйте под крючок.

Остальная часть статьи пройдёт эти шаги на примере одного короткого видео.

Шаг 1 — Раскадровка короткого видео на согласованные кадры

Пример: короткое видео кафе с ледяным матча-латте длиной около 10 секунд — тот самый успокаивающий продуктовый ритм, который хорошо работает в гастрономических и лайфстайл-лентах. Два кадра:

• Крючок (0–5 с): сверхкрупный план, заставляющий остановить прокрутку — матча взбивается, пена и пар.
• Вознаграждение (5–10 с): готовый напиток, поданный к камере.

Самая важная дисциплина в text-to-video — непрерывность. Поскольку нет опорного кадра для фиксации внешнего вида, модель с радостью отрендерит второй кадр с другой кухней, другим светом, другим стилем — если вы не повторите те же якоря в обоих промптах. Общие якоря здесь: ярко-зелёная матча, чистое минималистичное японское кафе, мягкий утренний свет, малая глубина резкости. Оба промпта ниже содержат все четыре.

И запомните: у pixverse-v6 нет параметров камеры или движения. Всё движение камеры прописывается в тексте промпта — "the camera slowly pushes in" (камера медленно наезжает), "holds steady then tilts down" (держит устойчиво, затем наклоняется вниз). Это отличительная особенность модели.

Шаг 2 — Написание согласованных промптов

Кадр 1 — крючок (можно копировать и вставлять):

Vertical 9:16 macro shot of bright green matcha being whisked in a cream ceramic bowl, fine jade-green foam forming, delicate steam curling up in soft morning window light. The camera slowly pushes in toward the frothy surface while a bamboo whisk moves in quick zig-zag strokes. Clean minimal Japanese cafe aesthetic, warm sunlight, shallow depth of field, crisp and appetizing.

Кадр 2 — вознаграждение (можно копировать и вставлять):

Vertical 9:16 shot of a tall glass of iced matcha latte on a pale wooden cafe counter, layered jade green over milky white, fresh beads of condensation on the glass. A barista's hand slides the glass forward toward the camera and sets a paper straw into it. Bright airy morning light, soft bokeh of green plants behind, the camera holds steady then tilts down slightly. Clean minimal cafe look, fresh and inviting.

Обратите внимание на сквозные элементы: ярко-зелёная матча, чистое минималистичное кафе, утренний свет. Именно этот общий словарь заставляет два ролика читаться как одно короткое видео, а не как два несвязанных видео. Направления камеры намеренно разные — открываем наездом, завершаем подачу продукта устойчивым удержанием с наклоном вниз — потому что короткому видео для удержания внимания нужно разнообразие движения.

Шаг 3 — Пакетная обработка асинхронных задач

Два кадра выше генерируются не один за другим. Они отправляются вместе как асинхронные задачи и опрашиваются вместе как единый набор — именно в этом весь смысл /v1/tasks, когда вы производите в масштабе. Вы платите за ожидание генерации около 60–90 секунд один раз для всей партии, а не для каждого ролика отдельно.

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY", "Content-Type": "application/json"}

shots = {
    "hook":   "Vertical 9:16 macro shot of bright green matcha being whisked ...",
    "payoff": "Vertical 9:16 shot of a tall glass of iced matcha latte ...",
}
common = {"aspect_ratio": "9:16", "duration": 5, "resolution": "540p"}

# 1) fire every shot as its own task, keep the returned taskIds
tasks = {}
for name, prompt in shots.items():
    r = requests.post(API, headers=HEADERS, json={
        "model": "pixverse-v6/text-to-video",
        "input": {"prompt": prompt, **common},
    })
    tasks[name] = r.json()["data"]["taskId"]

# 2) poll the saved taskIds until each reports success
outputs = {}
while len(outputs) < len(tasks):
    for name, tid in tasks.items():
        if name in outputs:
            continue
        d = requests.get(f"{API}/{tid}", headers=HEADERS).json()["data"]
        if d["status"] == "success":
            outputs[name] = d["output"][0]["url"]   # a temporary .mp4 URL
        elif d["status"] == "fail":
            raise RuntimeError(f"{name} failed: {d.get('error')}")
    time.sleep(6)

При реальном производстве этого короткого видео на практике действительно важны два момента:

• Выходные URL временные. Каждая завершённая задача возвращает output[0].url, который истекает — сразу скачивайте .mp4 и переносите в собственное хранилище; не используйте горячие ссылки.
• Опрос может сбоить, но задача не проваливается. Единичный сетевой сбой при опросе задачи проявляется как временная ошибка того запроса — задача продолжает выполняться на сервере. Решение — трактовать неудачный опрос как "попробовать ещё раз", а не как "задача мертва": повторно опрашивайте сохранённый taskId, а не прерывайте всю партию. Настоящий провал — только status: "fail" в теле задачи.

Шаг 4 — Дешёвые черновики, качественный финал

Оба ролика выше намеренно сгенерированы в 540p. pixverse-v6 тарифицируется по секундам, и разрыв между разрешениями очень велик: 540p без звука — самый дешёвый тариф, а 1080p — самый дорогой (текущие ставки за секунду по тарифам смотрите на странице цен — цифры меняются, проверяйте перед пакетной генерацией).

Для коротких видео такое разделение — подарок. Дорого обходится итерация — вы снова и снова перебрасываете промпты, переписываете движения камеры, меняете субъект. Эксперименты в 540p стоят за секунду лишь малую долю от 1080p, а 5-секундный вертикальный ролик в 540p возвращает маленький .mp4 576×1024 размером около 1–2 МБ, который быстро скачивается и просматривается. Как только кадр зафиксирован, перерендерите только этот промпт в 720p или 1080p для финального монтажа. Вы платите полную стоимость разрешения только за те кадры, которые сохраняете.

Правило большого пальца: 540p для цикла черновиков, сохранённые ролики поднимайте до 720p/1080p для сдачи. Никогда не итерируйте в 1080p.

Шаг 5 — Тот же конвейер, другая концепция

Поскольку рабочий процесс — это промпт → пакет → вертикальный вывод, он не зависит от концепции. Те же пять шагов могут создать совершенно другое короткое видео — здесь динамичный киберпанк-экшен-ритм — и меняются только промпты и style:

В том ролике использовались aspect_ratio: "9:16", style: "cyberpunk" и negative_prompt, чтобы оттолкнуться от статичного вывода — его полный промпт и тело запроса есть в рецептах промптов. Здесь дело не в промпте; дело в том, что когда конвейер пакетных черновиков существует, смена темы — это просто изменение одной строки, и именно это делает его производственным процессом, а не разовым рендером.

Шаг 6 — Завершение и сдача

• Форма важнее масштаба. Генерируйте нативно в 9:16. Обрезка рендера 16:9 до вертикали теряет половину пикселей; сразу запрашивайте то соотношение сторон, в котором будете публиковать.
• Выносите крючок вперёд. Reels/Shorts/TikTok решают удержание в первую секунду — начинайте с самого сильного движения (здесь — наезд), а не с медленного появления.
• Решайте вопрос с аудио в зависимости от платформы. pixverse-v6 может рендерить синхронный звук с generate_audio: true (по умолчанию false), для чего есть отдельный тариф со звуком. Для лент, где большинство зрителей смотрит без звука, беззвучный черновик плюс собственная музыка/дорожка субтитров дешевле; включайте аудио, когда атмосферный звук сам по себе является контентом.
• Склеивайте и добавляйте субтитры на постпродакшене. Соединяйте зафиксированные кадры 720p/1080p встык, добавляйте субтитры и монтируйте под оптимальную длительность платформы. Модель даёт вам чистые 5-секундные кирпичики; собирать из них короткое видео — это шаг монтажа, а не генерации.

Частые вопросы

Как с помощью pixverse-v6 сделать короткое видео длиннее 15 секунд? Сгенерируйте его как несколько роликов длиной до 15 секунд и склейте на постпродакшене. duration — целое число от 1 до 15 — планируйте короткое видео как согласованные кадры (как в шагах 1–2), а не как одну длинную генерацию.

Как сделать так, чтобы несколько кадров выглядели как одно видео? Повторяйте одни и те же якорные фразы в каждом промпте — субъект, сцена, свет, стиль. У text-to-video нет опорных кадров, поэтому без общих якорей каждый кадр уходит в другой внешний вид. Короткое видео с матчей выше повторяет "ярко-зелёная матча, чистое минималистичное кафе, мягкий утренний свет" в обоих промптах.

Если мне нужен финальный результат в высоком разрешении, зачем генерировать в 540p? Для дешёвой итерации. Тарификация по секундам, 540p — самый дешёвый тариф, поэтому все перебрасывания промптов делайте там, а перерендеривайте только сохранённые ролики в 720p/1080p. Текущие ставки смотрите на странице цен.

Могу ли я генерировать несколько роликов параллельно? Да — именно для этого и предназначен асинхронный /v1/tasks. Отправляйте каждый кадр как отдельную задачу, сохраняйте возвращённый taskId и опрашивайте их вместе (шаг 3). Скачивайте каждый готовый .mp4 вовремя, поскольку выходные URL временные.

Нужно ли включать аудио для короткого видео? Обычно нет. Многие ленты воспроизводятся автоматически без звука, поэтому беззвучный ролик плюс собственная дорожка субтитров/музыки часто дешевле и более управляем. Включайте generate_audio: true, когда отрендеренный атмосферный звук сам по себе является главным.

Запустите сами

Начните со страницы модели PixVerse V6 text-to-video, чтобы получить актуальную схему и ключ API, держите открытыми документацию Create Task и Get Task Detail для формата пакетных запросов/опроса и проверьте цены перед рендерингом набора. Скопируйте два промпта с матчей, черновите в 540p — и вы сделаете своё первое вертикальное короткое видео за одну партию.