Рецепты промптов для Veo 3.1 Lite image-to-video: готовые к копированию промпты и реальные результаты

Краткое резюме

• veo-3.1-lite/image-to-video превращает одно статичное изображение в короткий ролик и является одной из немногих моделей image-to-video на hiapi, поддерживающих нативный синхронный звук (generate_audio: true) — отдельная озвучка не требуется.
• Длительность фрагмента фиксирована: 4, 6 или 8 секунд, разрешение — 720p или 1080p. Параметра соотношения сторон нет — формат кадра напрямую соответствует исходному изображению.
• Ниже приведены три проверенных на практике промпта для движения — поворот головы человека, презентация продукта, продвижение камеры в окружающей среде — каждый с исходным изображением и фрагментом, фактически сгенерированным через онлайн-API.
• Звук реально увеличивает стоимость: при включении generate_audio 720p дорожает с $0.06 до $0.10 за секунду, а 1080p — с $0.10 до $0.14 за секунду. Для беззвучных петель продукта отключайте звук.
• Все три исходных изображения в этой статье созданы заново для неё, и все три фрагмента отрендерены через тот же самый эндпоинт /v1/tasks, который будете вызывать вы — ни один из них не является демонстрационным материалом платформы.

Как создавались эти рецепты

Каждый рецепт следует одному и тому же двухшаговому циклу:

1. Сгенерируйте чистое исходное изображение с помощью модели text-to-image (мы использовали gpt-image-2/text-to-image). Этот статичный кадр — первый кадр: композиция, освещение и поза субъекта, которые вы здесь зафиксируете, станут отправной точкой анимации видео.
2. Передайте публичный URL этого изображения вместе с промптом движения в veo-3.1-lite/image-to-video; промпт описывает, что должно произойти в следующие несколько секунд — поворот головы, открывание крышки, наезд камеры. Модель не придумывает новую сцену с нуля, она лишь заставляет двигаться предоставленное вами изображение.

Прежде чем тратить деньги на реальные фрагменты, при изучении схемы мы выяснили несколько моментов:

• image_url принимает только одну строку, а не массив — одно референсное изображение на фрагмент, объединение нескольких изображений не поддерживается.
• Поля aspect_ratio нет. Отрендеренное видео сохраняет кадрирование исходного изображения.
• duration принимает только 4, 6 или 8 — передача 5 или 10 будет отклонена.
• generate_audio — обычное логическое значение, но оно меняет ценовой уровень (см. таблицу стоимости ниже), поэтому решите, нужен ли фрагменту звук, до запуска.

Рецепт 1 — Поворот головы и улыбка человека

Исходное изображение — студийный портрет, ракурс в три четверти, спокойное выражение лица:

Женщина медленно поворачивает голову и плечи, чтобы посмотреть прямо в камеру, её выражение меняется со спокойного на тёплую искреннюю улыбку, она устанавливает зрительный контакт с камерой. Её рыжеватые волнистые волосы слегка покачиваются при движении. Мягкий студийный фоновый шум, при улыбке слышен лёгкий выдох.

veo-3.1-lite/image-to-video · 6 секунд · 720p · generate_audio: true · $0.60

Почему это работает: промпт даёт модели только одно действие (поворот головы) и одно изменение выражения лица (от спокойного к улыбке) — он не требует того, чего не может обеспечить исходная поза. Явное указание звука («мягкий студийный фоновый шум», «лёгкий выдох») здесь критично: без подсказки generate_audio: true часто по умолчанию генерирует общий фоновый звук, а не звуки, совпадающие с ритмом изображения.

Рецепт 2 — Вращение при презентации продукта

Исходное изображение — закрытый зарядный кейс наушников на мраморной подставке:

Крышка зарядного кейса медленно открывается на петле, в то время как сам кейс слегка вращается по часовой стрелке на мраморной подставке, открывая уложенные внутри наушники. При вращении студийный контровой свет на мгновение скользит по матово-чёрной поверхности. Камера остаётся неподвижной, движется только субъект.

veo-3.1-lite/image-to-video · 4 секунды · 1080p · generate_audio: false · $0.40

Почему это работает: петлям продукта для электронной коммерции редко нужен звук — большинство покупателей смотрят видео о продукте без звука — поэтому здесь звук полностью отключён, а фрагмент остаётся коротким (4 секунды) с одним составным действием (открывание крышки + вращение). Явное указание «камера остаётся неподвижной» не даёт модели самостоятельно добавить нежелательный дрифт-наезд — частая проблема в съёмке продукта.

Рецепт 3 — Поднимающийся туман в окружающей среде

Исходное изображение — деревянный пирс на озере в утреннем тумане:

Камера медленно продвигается вперёд по деревянному пирсу к пустой скамейке, утренний туман дрейфует над озером и постепенно редеет, солнечный свет начинает пробиваться сквозь розовое небо, отражаясь на ряби воды. Приглушённый звуковой ландшафт: пение птиц и тихие удары воды о сваи пирса.

veo-3.1-lite/image-to-video · 6 секунд · 720p · generate_audio: true · $0.60

Почему это работает: для пейзажных кадров хорошо сочетать движение камеры (наезд) с движением окружающей среды (туман редеет, свет меняется) — только одно из них выглядит статично, а вместе они создают ощущение живого пространства. Подсказки по звуку окружающей среды («пение птиц», «удары воды») привязывают звуковую дорожку к содержимому изображения, а не к общему фоновому шуму.

Как сократить счёт с посекундной оплатой

veo-3.1-lite/image-to-video тарифицируется по разрешению и наличию звука, что проверено по онлайн-эндпоинту /api/pricing:

Разрешение	Звук	Цена за секунду	Стоимость 6-секундного фрагмента
720p	Выкл.	$0.06/сек	$0.36
720p	Вкл.	$0.10/сек	$0.60
1080p	Выкл.	$0.10/сек	$0.60
1080p	Вкл.	$0.14/сек	$0.84

Два вывода: перед тем как вкладываться в более длинный рендер или рендер с более высоким разрешением, 720p без звука — самый дешёвый способ итерировать промпты. А переход с 720p без звука на 1080p со звуком почти удваивает посекундный тариф ($0.14 против $0.10 за 720p без звука) — оставьте комбинацию 1080p + звук для фрагментов, которые действительно пойдут в финальную поставку.

Запустите сами: отправка, опрос, скачивание

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="主体缓缓转向镜头并微笑。",
    image_url="https://your-public-image-url.jpg",
    duration=6,
    resolution="720p",
    generate_audio=True,
)
video_url = poll(task_id)

# 输出 URL 有时限——立刻下载字节
video_bytes = requests.get(video_url, timeout=60).content
with open("clip.mp4", "wb") as f:
    f.write(video_bytes)

URL вывода истекает — сразу после того, как задача сообщит success, скачайте и сохраните байты, не храните эту ссылку долго.

Если вы не знакомы с процессом генерации на основе задач в hiapi, на странице модели veo-3.1-lite/image-to-video есть актуальная справка по схеме, а страница тарифов всегда отражает текущие тарифы каждой модели в реальном времени, а не снимок. Если вы хотите собрать более полную библиотеку промптов для image-to-video, наша статья Рецепты Grok Imagine 1.5 image-to-video охватывает другую модель и её уникальные шаблоны промптов движения и компромиссы по стоимости.

Быстрая справка по схеме

Поле	Тип	Значения	Описание
prompt	string	свободный текст	Описывает движение/изменение, а не всю сцену
image_url	string	публичный URL	Только одно изображение, массив не поддерживается
duration	integer	4, 6, 8	Другие значения будут отклонены
resolution	string	"720p", "1080p"	Уровня 480p нет
generate_audio	boolean	true / false	Меняет ценовой уровень

Начало работы

Сгенерируйте чистое исходное изображение, напишите промпт движения, в котором чётко указаны одно-два нужных вам изменения, и заранее решите, нужен ли фрагменту звук — это весь рабочий процесс. Перейдите на страницу модели veo-3.1-lite/image-to-video, чтобы получить ключ API и начать рендеринг.