HiAPI
Блог

Руководство по использованию

Создание коротких видео с помощью veo-3.1-lite/text-to-video в HiAPI API

Практический рабочий процесс разработчика: раскадровка текст-в-видео, нативное аудио и выбор соотношения сторон

Nov 9, 2026
Ретро-медные гравюрные штриховые линии, расположенные горизонтальными полосами на фоне цвета полуночной синевы, образуют абстрактную обложку для раскадровки короткометражного фильма.
На этой странице
Короткое видео, полностью созданное с помощью эндпоинта veo-3.1-lite/text-to-video в HiAPI API — раскадровка, нативное аудио и формат 16:9 — за один промпт.

Почему короткие видео ломают наивные промпты для текст-в-видео

При первом знакомстве с моделью текст-в-видео инстинкт подсказывает написать длинный кинематографичный промпт и ожидать получить готовое видео. Для 30-секундной короткой работы это почти всегда разочаровывает, и причина в структуре, а не в степени отшлифованности промпта.

Один промпт требует от модели сохранять непрерывность на всей повествовательной дуге: согласованность персонажей, движение камеры, ритм и аудио должны оставаться связными на протяжении всей длительности. Но короткое видео — это не один непрерывный длинный кадр, а последовательность битов. Зацепка, завязка, поворот, развязка. Каждому биту нужна своя композиция, своя энергия и часто иное положение объекта. Втискивание их в один промпт заставляет модель усреднять их, а усреднение как раз и убивает удержание в коротких видео.

Другой режим отказа — стоимость итераций. Когда один промпт генерирует длинный видеоряд, а третий бит получился неверным, приходится заново генерировать всё и надеяться, что понравившиеся части сохранятся. Это медленный цикл без надёжного контроля.

Рабочий процесс, принятый в этом руководстве, основан на кадрах: разбивайте сценарий на дискретные кадры, отправляйте отдельный запрос на генерацию для каждого кадра, а непрерывность храните в собственных метаданных, а не в промпте. Каждый последующий раздел строится на этой разбивке — структура запроса, соотношение сторон, аудио и итерации — всё предполагает, что вы работаете кадр за кадром.

Именно здесь естественно вписывается veo-3.1-lite/text-to-video. Более лёгкая модель текст-в-видео отлично подходит для генерации множества коротких, отдельно перегенерируемых фрагментов, а именно такова форма конвейера коротких видео.

Смена ментальной модели

Перестаньте воспринимать модель как режиссёра, возвращающего готовый фильм. Воспринимайте её как рендерер кадров: вы даёте чётко ограниченное описание кадра, она возвращает фрагмент, а ваш конвейер отвечает за упорядочивание, сведение аудио и ритм. Как только это разделение труда становится ясным, большинство оставшихся решений превращаются в инженерные, а не в решения о написании промптов.

Планирование списка кадров до вызова API

Список кадров — это контракт между сценарием и вызовами генерации. Записывайте его как данные, а не как прозу, чтобы ваш конвейер мог перебирать его.

Начните со сценария и нарежьте его на биты. Для коротких видео практичное правило: один кадр на каждое предложение или на каждую визуальную идею, в зависимости от того, что короче. Если предложению нужны два плана, чтобы выразить себя ясно, это два кадра. Если три предложения разделяют один непрерывный визуал, они могут быть одним кадром — но только если длительность всё ещё с лёгкостью помещается в одну генерацию.

Для каждого кадра фиксируйте как минимум:

  • ID кадра — стабильный, читаемый человеком, для кеширования и повторных попыток.
  • Промпт — визуальное описание, достаточно самодостаточное, чтобы кадр работал изолированно.
  • Длительность — сколько этот кадр должен длиться в финальном монтаже.
  • Соотношение сторон — определяется по каналу, решается до генерации.
  • Аудиоинтент — нативный окружающий звук, тишина для замены или заполнитель для закадрового голоса.
  • Заметки о непрерывности — одежда персонажей, освещение, локация и экранное направление.

По возможности выносите непрерывность из промпта

Заметки о непрерывности должны жить в метаданных, а не дословно повторяться в каждом промпте. Промпты, содержащие длинные повторно используемые описания, часто дрейфуют в расстановке акцентов — в одном кадре слишком сильно подчёркивается одежда, в следующем недостаточно. Более чистый шаблон — краткий, стабильный блок описания для каждого персонажа или локации, который вы (автор конвейера) собираете в каждый промпт, так что формулировки остаются побитово идентичными между кадрами, даже если сами промпты различаются.

Один кадр — один запрос

Каждый кадр должен генерироваться за один вызов. Если кадру нужно больше времени, чем одна генерация может с лёгкостью покрыть, разделите его в естественной точке монтажа — реакции, движении камеры, такте тишины — вместо растягивания запроса. Более короткие кадры также дешевле перегенерировать при ошибке, и в этом смысл разбивки.

Храните список кадров вместе со сценарием в системе контроля версий. Когда сценарий меняется, дифф точно скажет вам, какие кадры нужно перерендерить.

Построение запросов на генерацию в конвейере

Когда список кадров существует как данные, слой запросов превращается в тонкую обёртку: читает кадр, строит запрос для veo-3.1-lite/text-to-video, вызывает HiAPI API, сохраняет результат по ID кадра.

На высоком уровне вызов генерации несёт ту же информацию, что и запись кадра: текст промпта, ожидаемую длительность и соотношение сторон. Точные имена параметров и допустимые значения определяются справочником API модели на HiAPI, поэтому считайте документацию эндпоинта источником истины и приводите значения по умолчанию в обёртке в соответствие с ней, а не хардкодьте предположения во многих местах.

Многоразовая обёртка

Приведённая ниже форма намеренно представляет собой языконезависимый псевдокод — ценность в структуре, а не в синтаксисе:

function renderShot(shot, attempt):
    request = {
        model: "veo-3.1-lite/text-to-video",
        prompt: buildPrompt(shot),
        duration: shot.duration,
        aspect_ratio: shot.aspectRatio
    }
    response = hiapi.generate(request)
    save(shot.id, attempt, response)
    return response

Три свойства делают эту обёртку стоящей того:

  1. Каждый вызов привязан к ID кадра и номеру попытки. Когда четвёртый кадр выходит неверным, вы точно знаете, какой артефакт заменить и какие попытки провалились.
  2. Промпт собирается, а не вставляется.buildPrompt объединяет собственное описание кадра со стабильными описателями персонажей и локаций из метаданных, так что формулировки непрерывности остаются согласованными между кадрами.
  3. Нижестоящие этапы не зависят от успеха первого вызова. Обёртка возвращает ссылку на артефакт; сборщик читает текущее одобренное содержимое каждого кадра.

На практике генерация асинхронна

Рассматривайте генерацию как длительную задачу, а не как синхронный вызов внутри обработчика запросов. Отправляйте задачу, сохраняйте ссылку на неё и опрашивайте или ожидайте завершения в рабочем процессе. Так повторные попытки, ограничения параллелизма и частичные сбои остаются под вашим контролем, а не переплетаются с жизненным циклом запросов приложения.

Сборка — отдельный этап

Не генерируйте и не собирайте за один шаг. Отрендерите все одобренные кадры, сохраните их, затем запустите отдельный процесс сборки: сортировка по ID кадра, склейка, применение переходов (если есть) и сведение аудио. Независимость сборки означает, что перерендер одного кадра требует лишь повторного запуска сборки, без перегенерации чего-либо.

Выбор соотношения сторон и длины фрагментов по каналам

Соотношение сторон и длительность должны определяться от канала распространения внутрь, до любой генерации — а не подгоняться после. Обрезка готовых фрагментов под разные форматы — самый распространённый способ потратить рендеры впустую.

Соотношение сторон

Выберите основной формат для каждого канала и придерживайтесь его на протяжении всей работы. Смешение соотношений сторон в одном коротком видео портит впечатление на каждой платформе.

  • Вертикальный — по умолчанию для интерфейсов коротких видео с прокруткой в ленте. Компонуйте под высокий формат: объект по центру или чуть выше, с безопасными полями сверху и снизу для UI-оверлеев.
  • Горизонтальный — для встроенных плееров, главных видео на сайте и презентационных сценариев, где зритель неподвижен.
  • Квадратный — иногда для сеточных раскладок; используйте его как осознанный выбор, а не запасной вариант.

Практическое следствие для вашего списка кадров: вертикальная композиция меняет то, что помещается в кадр. Широкий установочный кадр, хорошо работающий в горизонтали, может стать неразборчивым при сжатии в высокий формат. Сначала решите пропорцию, затем пишите кадры, скомпонованные под неё.

Длина фрагментов

Длина фрагмента диктуется ритмом, а не тем, сколько максимум может сгенерировать модель. Несколько ориентиров:

  • Зацепка должна быть короткой. Первый кадр обычно решает, выиграете вы внимание или потеряете; держите его плотным и визуально однозначным.
  • Одна идея на фрагмент. Если кадр содержит два разных визуальных события, разделите его. Более короткие фрагменты также дают более тонкий контроль над финальным ритмом при монтаже.
  • Оставляйте запас для обрезки. Генерируйте чуть дольше целевой точки монтажа и обрезайте при сборке. Обрезка бесплатна; перегенерация — нет.
  • Сверяйтесь с платформой. Общая длительность — это сумма кадров. Сложите запланированные длительности до генерации и проверьте, соответствует ли последовательность типичному окну потребления на этом канале — перебалансировать список кадров гораздо проще, чем перерендерить.

Генерируйте один раз на каждую пропорцию

Если вам действительно нужна одна и та же работа в двух форматах, рассматривайте их как два независимых результата, каждый со своим списком кадров. Делить промпты можно; делить рендеры — нет, потому что композиция различается. Кодирование соотношения сторон в метаданных кадра делает это явным и предотвращает случайное межканальное переиспользование.

Объединение нативного аудио с закадровым голосом

veo-3.1-lite/text-to-video может генерировать нативное аудио вместе с изображением, и это аудио действительно полезно — окружающие звуки, атмосферные текстуры и простые внутрисюжетные звуки придают фрагменту присутствие, которого нет у тишины. Ошибка в том, чтобы позволить нативному аудио и вашему собственному закадровому голосу пытаться выполнять одну и ту же роль.

Действенное разделение труда таково: нативное аудио обеспечивает мир, закадровый голос обеспечивает информацию. Если нативная дорожка уже содержит речь или сильную музыкальную подложку, вы столкнётесь с ней при сведении. Решайте для каждого кадра, какая дорожка доминирует.

Порядок сведения

  1. Сначала закадровый голос. Время дикторского текста фиксировано сценарием; всё остальное подстраивается под него.
  2. Нативное аудио — под ним. Когда нативная дорожка — это окружающий звук или текстура, держите её слышимой, но подчинённой.
  3. Приглушайте, а не удаляйте. Понижайте нативную дорожку под дикторским текстом, а не обрывайте её полностью — внезапная тишина между репликами звучит неестественно. Плавно переводите громкость на границах каждого кадра.
  4. Нормализуйте в конце. Сведение покадрово, а затем склейка создаёт перепады уровней. Запустите одну финальную обработку на собранной работе.

Когда глушить нативную дорожку

Глушите её — или перегенерируйте кадр с более чистым аудиоинтентом — в следующих случаях:

  • Нативное аудио содержит разборчивую речь, конкурирующую с вашим закадровым текстом.
  • Текстура не соответствует сцене (например, внутренний окружающий звук в наружном кадре).
  • Вы озвучиваете всю работу непрерывной музыкальной подложкой, и собственный ритм нативной дорожки конфликтует с ней.

Обычно это можно обнаружить покадрово, что является ещё одной причиной держать кадры независимыми: вы можете перегенерировать аудио одного кадра, не затрагивая остальные.

Записывайте аудиоинтент в список кадров

Добавьте явное аудиополе для каждого кадра: native_ambience, silent или voiceover_covered. Это заставляет вас принять решение до генерации и сообщает этапу сборки, какие кадры нужно приглушить, а какие — просто отбросить нативную дорожку.

Контроль качества и затрат между попытками

Дисциплина итераций — ключ, отличающий сходящийся конвейер от сжигающего рендеры. Хорошая новость в том, что покадровая генерация делает правильные привычки естественными.

Перегенерируйте только отдельные кадры, никогда — последовательность

Когда бит выходит неверным, заменяйте этот кадр. Ваша обёртка ключует результаты по ID кадра и номеру попытки, поэтому исправление — это новая попытка для одного ID и повторный запуск сборки. Если вы обнаруживаете, что перерендерите несколько кадров, чтобы исправить один, список кадров, вероятно, слишком крупный — дробите его дальше.

Активно кешируйте одобренные фрагменты

Как только кадр одобрен, считайте его неизменным, храните его постоянно, ключуя по ID кадра плюс хешу его промпта и параметров. Повторный запуск конвейера пропустит всё неизменное. Это важнее всего во время работы над аудио и ритмом, когда вы итерируете сведение при фиксированном изображении.

Меняйте одну переменную за попытку

Когда кадр не оправдывает ожиданий, измените одну вещь — конкретность промпта, длительность или композицию — и затем перегенерируйте. Одновременное изменение трёх переменных не скажет вам, какое исправление сработало, и вы заново выучите тот же урок на следующем кадре.

Зафиксируйте рецепт до масштабирования попыток

Доведите одну полную последовательность до состояния, которым вы довольны, затем используйте её как шаблон для вариаций: альтернативные зацепки, разные CTA. Поскольку список кадров — это данные, вариация — это лишь небольшой дифф, а не новый проект.

Бюджетируйте по количеству кадров, а не по минутам готового видео

Единица работы — кадр, поэтому единица итерации тоже кадр. Перед генерацией пачки посчитайте количество кадров и ожидаемое число попыток на кадр. Это число в сочетании с основой тарификации модели и есть ваша плановая цифра — смотрите текущие ставки на панели цен HiAPI, а не полагайтесь на устаревшие предположения.

Проверяйте в конечном размере

Проверяйте каждый кадр в реальном соотношении сторон и на экране, на котором зрители будут его смотреть. Проблемы, невидимые в горизонтальном размере на десктопе, становятся очевидными в вертикальной ленте. Обнаружить их при проверке гораздо дешевле, чем после публикации.

Диагностика типичных проблем генерации

Когда кадр возвращается непригодным, выполните эти проверки по порядку. Они покрывают подавляющее большинство случаев отказа, а первые две решают большую часть проблем.

1. Конкретность промпта

Самодостаточен ли промпт? Описывает ли он объект, действие, композицию и освещение, или он зависит от контекста соседних кадров? Промпт кадра должен работать самостоятельно — модель видит только то, что вы отправили. Расплывчатое описание объекта ведёт к дрейфу; перегруженный промпт ведёт к каше. Цель — один чёткий объект и одно чёткое действие на кадр.

2. Длина кадра

Не слишком ли много происходит для его длительности? Если промпт подразумевает несколько визуальных событий в коротком фрагменте, модель сожмёт их. Разделите кадр или удлините его. И наоборот, кадры, где слишком мало содержимого для их длительности, часто бесцельно тянутся — обрежьте.

3. Несоответствие соотношения сторон

Написали ли вы промпт под тот формат, который фактически запросили? Широкие, горизонтальные описания в вертикальном формате дают неуклюжую обрезку и мёртвое пространство. Проверьте, соответствует ли визуальное описание кадра его соотношению сторон, и не перекадрирует ли его незаметно какой-либо другой этап конвейера.

4. Аудиоконфликт

Если изображение в порядке, но результат кажется неправильным, послушайте нативную дорожку отдельно. Конкурирующая речь, неверные окружающие звуки или сильный ритм под дикторским текстом обычно являются аудиопроблемой, а не визуальной. Исправьте, заглушив нативную дорожку или скорректировав аудиоинтент кадра, затем пересведите — изображение перегенерировать не нужно.

5. Ошибки конвейера и параметров

Если генерация сразу завершается неудачей или возвращает содержимое, не соответствующее запросу, сверьте параметры с документацией эндпоинта на HiAPI: идентификатор модели написан правильно, значения длительности и соотношения сторон в допустимых пределах, промпт не пустой. Эти ошибки скучны, но часто встречаются в обёртках с хардкодом значений по умолчанию во многих местах — вот почему построение запроса стоит держать в одной функции.

6. Дрейф непрерывности между кадрами

Если каждый кадр выглядит нормально, но последовательность не держится вместе, проблема в метаданных, а не в генерации. Сравните собранный текст промпта каждого кадра: если формулировки описателей персонажей или локаций различаются, выровняйте их в общем блоке описателей и перегенерируйте только отклонившиеся кадры.

Прорабатывайте список по порядку и записывайте, какая проверка решила каждый сбой. После нескольких последовательностей вы узнаете, какие проверки доминируют для вашего контента, и диагностика превратится в быстрый осмотр, а не в перестройку. Вы можете начать рендерить кадры с помощью veo-3.1-lite/text-to-video через HiAPI API, позволив панели цен заниматься цифрами, пока вы сосредоточены на последовательности.

Похожие статьи

Все статьи →

Начните работать с постоянными артефактами ИИ

Получите API-ключ и вызывайте модели изображений, видео и аудио через один API на основе tasks.

Читать документацию API