Рецепты промптов Veo 3.1 Lite для генерации видео по тексту: 2 готовых к копированию промпта и реальные результаты

veo-3.1-lite/text-to-video — одна из немногих моделей генерации видео по тексту на hiapi, где звук не работает по принципу «всё или ничего»: флаг generate_audio позволяет включать или отключать нативный звук по запросу, и это меняет цену за секунду. Благодаря этому модель отлично подходит для освоения двух разных задач: атмосферной сцены, которая опирается на многослойный звук, и вертикального продуктового цикла, рассчитанного на беззвучное автовоспроизведение. Если вам нужна модель, которая всегда идёт со звуком без лишних вопросов, ближе по смыслу wan2.7-video/text-to-video.

В этом руководстве — два готовых к копированию рецепта промптов для veo-3.1-lite/text-to-video, каждый из которых представляет собой реальный результат с первого дубля по напечатанному рядом промпту, сгенерированный через task API hiapi — без перебора сидов и без повторных прогонов. Оба клипа вместе стоили $0.64.

Структура запроса (прочитайте первым)

veo-3.1-lite/text-to-video работает через асинхронную конечную точку задач hiapi. Ключевые поля для двух рецептов ниже:

• prompt — сцена: субъект, действие, фон, камера и (если звук включён) звуковое сопровождение.
• duration — в секундах; модель поддерживает клипы длительностью 4, 6 или 8 секунд.
• resolution — 720p или 1080p.
• aspect_ratio — горизонтальная или вертикальная композиция; ниже мы использовали 16:9 и 9:16.
• generate_audio — логическое значение. Установите true для сцен, которым нужна звуковая дорожка, и false для беззвучных циклов — при отключении звука цена за секунду ниже.

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1-lite/text-to-video",
    "input": {
      "prompt": "A small pour-over coffee stand at a sunlit morning farmers market...",
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "16:9",
      "generate_audio": true
    }
  }'

Ответ сразу возвращает taskId; опрашивайте GET /v1/tasks/{taskId}, пока status не станет success, и сразу скачивайте output[0].url — это временная ссылка.

Рецепт 1: атмосферная сцена со включённым звуком

Задача здесь — передать реалистичную многослойную звуковую картину при настоящем движении камеры — тот клип, который кофейный бренд действительно опубликовал бы со звуком в соцсетях:

A small pour-over coffee stand at a sunlit morning farmers market. A barista
in a denim apron pours hot water in a slow spiral over ground coffee in a
paper filter; steam curls upward and catches the light as the coffee blooms
with a soft hiss. In the blurred background, market-goers browse stalls
under a canvas awning that stirs in the breeze. Camera slowly pushes in on
the pour. Warm golden-hour light, shallow depth of field, handheld
documentary feel. Soft hiss and crackle of the pour layered under distant
market chatter and a light wind.

Параметры: duration: 4, resolution: 720p, aspect_ratio: 16:9, generate_audio: true — стоимость $0.40.

Результат с первого дубля:

Пролив воды — это весь кадр, и модель это выдержала: спираль струи, поднимающийся пар и медленный наезд камеры длились все четыре секунды, не срываясь в смену плана. Фон в точности соответствует тому, что требуют «размытый» и «посетители рынка» — силуэты движутся перед тканевым навесом, но никогда не становятся настолько чёткими, чтобы отвлекать внимание от пролива. Со включённым звуком аудиоклип проявляется тремя отчётливыми слоями: шипение и потрескивание пролива вблизи, мягкая стена приглушённых голосов под ним и вплетающийся в них ветер. Это и есть схема, которую стоит копировать — называйте каждый звуковой слой отдельно (звук на переднем плане, фоновый гомон толпы, атмосферные звуки), а не пишите расплывчатое «звуки рынка».

Рецепт 2: беззвучный продуктовый цикл с выключенным звуком

Вторая задача — контринтуитивна: коммерческий кадр с зафиксированной камерой и generate_audio: false, потому что продуктовому циклу для беззвучной ленты автовоспроизведения не нужна звуковая дорожка — её пропуск ещё и снижает цену за секунду:

Vertical product shot: a matte-black wireless earbud case slowly rotates on
a reflective black surface under a single overhead spotlight, throwing a
clean circular highlight across its lid. A thin ring light glows behind it,
rim-lighting the edges in cool blue. The camera stays locked off, centered,
with no movement except the case's slow rotation. Minimal studio background
fading to pure black at the edges. Sleek, premium tech-commercial look,
crisp reflections, no dust or fingerprints.

Параметры: duration: 4, resolution: 720p, aspect_ratio: 9:16, generate_audio: false — стоимость $0.24.

Результат с первого дубля:

Каждое ограничение из промпта читается в кадре: изображение никогда не панорамируется и не смещается, единственное движение — вращение кейса, а круглый блик от прожектора скользит по крышке ровно по мере поворота поверхности. Вот что даёт фраза «камера остаётся зафиксированной, по центру, без движения, кроме X» — указать, что должно оставаться неподвижным, так же важно, как указать, что должно двигаться. А поскольку этот цикл работает без голоса и музыкальной подложки (большинство рекламных размещений добавляют музыку сами), отключение generate_audio — не компромисс: при 720p это на 40% дешевле за секунду, и клип ничего не теряет.

Краткая шпаргалка

1. Относитесь к generate_audio как к творческому решению, а не значению по умолчанию. Атмосферные сцены и повествовательные моменты требуют включения; зафиксированные продуктовые циклы для беззвучных лент — нет. При 720p отключение звука на 40% дешевле за секунду ($0.06 против $0.10).
2. При включённом звуке называйте каждый звуковой слой отдельно — звук на переднем плане, фоновый гомон толпы или шум помещения, атмосферные звуки — а не расплывчатое «фоновый шум».
3. Для кадров с зафиксированной камерой указывайте, что не должно двигаться («камера остаётся зафиксированной, по центру, без движения, кроме медленного вращения кейса»). Это так же важно, как описание того, что должно двигаться.
4. Подбирайте aspect_ratio под платформу: 16:9 для атмосферных или горизонтальных сцен, 9:16 для вертикальных продуктовых или коммерческих циклов.
5. Сначала прототипируйте на 4 секундах, а уже потом тратьте деньги на более длинные опции 6 или 8 секунд.

Сколько это стоит

veo-3.1-lite/text-to-video тарифицируется по секундам выходного видео, а ставка зависит от разрешения и включён ли звук:

Настройка	Цена за секунду
720p, со звуком (по умолчанию)	$0.10
720p, без звука	$0.06
1080p, со звуком	$0.14
1080p, без звука	$0.10

Клипы могут длиться 4, 6 или 8 секунд. Два клипа из этой статьи — 4-секундный клип 720p со звуком и 4-секундный клип 720p без звука — вместе стоили $0.64. Актуальные тарифы всегда на странице с ценами.

Попробуйте

Оба рецепта выше работают в стандартном режиме 720p; замените субъект на свой, заранее решите, нужна ли кадру звуковая дорожка, и отправьте запрос в task API. На странице модели veo-3.1-lite/text-to-video есть актуальный справочник параметров и текущие цены. Если ваш кадр ближе к повествовательной сцене, которая всегда должна идти со звуком, рецепты промптов wan2.7 для генерации видео по тексту — полезное сравнение бок о бок: та же структура task API, но звук встроен, а не опционален.