Руководство по использованию
Руководство по началу работы с генерацией видео по референсу Vidu Q3 Mix: границы возможностей, параметры API и ключевые аспекты тарификации
Взгляд разработчика на решения по интеграции и практическую реализацию
На этой странице
Какую задачу решает эта модель
Форма входных данных модели генерации видео определяет, остаётся ли «контроль» в ваших руках. Text-to-video даёт только промпт, и направление кадра определяет сама модель; image-to-video даёт первый кадр, и модель отвечает за то, чтобы его «оживить». А reference-to-video (генерация видео по референсу) идёт третьим путём: вы предоставляете референсный материал, и модель постоянно опирается на него в процессе генерации, а не использует его лишь как первый кадр.
Позиционирование vidu-q3-mix/reference-to-video находится именно в этой ветке. Он подходит для таких задач:
- Персонаж или субъект должен сохраняться между кадрами: у вас нет готового видеоматериала, но есть одно или несколько референсных изображений, отражающих внешний вид субъекта, и вы хотите, чтобы в итоговом ролике субъект «выглядел по-прежнему как он».
- Стиль и тональность должны быть закреплены: референсный материал несёт в себе свет, материалы, композиционные склонности, и итоговый ролик следует этому визуальному языку — это управляемее, чем полагаться только на текстовое описание.
- Создание динамического контента из статических активов: товары для электронной коммерции, образы IP, концепт-арты и другие имеющиеся изображения нужно превратить в короткие видео.
Иными словами, если ваша потребность — «просто дайте мне ролик, соответствующий описанию», text-to-video будет прямее; если ваша потребность — «этот ролик должен быть похож на то, что я дал», тогда генерация видео по референсу — подходящий инструмент. При выборе сначала спросите себя: есть ли у меня визуальный якорь, который обязательно нужно сохранить? Если есть — используйте его.
На HiAPI.ai эта модель разделяет единый контекст вызова с другими видеомоделями, вам не нужно строить для неё отдельную логику интеграции — при переключении модели меняются в основном параметры возможностей, а не инженерная структура.
Ключевое отличие от image-to-video
Входное изображение image-to-video — это «отправная точка», вход генерации по референсу — это «ограничение». Первое даёт модели кадр, который нужно продолжить, второе даёт модели набор признаков, которым нужно следовать. Поняв это, все последующие суждения о подготовке материалов и настройке параметров станут логичными.

Границы возможностей и неподходящие сценарии
Чётко очертить круг возможностей модели важнее, чем запомнить, что она поддерживает. Исходя из определения возможности reference-to-video, можно определить следующие границы:
Что она покрывает
- Генерация видео на основе референсного материала как визуальной опоры: признаки референсного изображения вводятся в процесс генерации.
- Согласованность субъекта и преемственность стиля: относительно стабильное визуальное выражение при генерации нескольких фрагментов.
- Управление направлением контента с помощью промпта: референсный материал отвечает за «похожесть», промпт отвечает за «что делать».
Что она не покрывает
- Это не замена text-to-video: при отсутствии референсного материала не стоит писать чрезмерно длинный промпт, чтобы «имитировать» референсное изображение — это использование не того инструмента, и результат, и стоимость будут невыгодными.
- Это не инструмент строгого покадрового воспроизведения: генерация по референсу не равна точной анимации референсного изображения, и не стоит ожидать, что она будет отвечать за каждый пиксель референса. Если ваша потребность — «это изображение должно ожить в точности как есть», image-to-video ближе.
- Не гарантируется неограниченная длительность: конкретный верхний предел длительности одной генерации определяется доступными параметрами интерфейса и панели платформы, не проектируйте продуктовые процессы исходя из «хочу генерировать сколько угодно».
- Не заменяет постпродакшн: субтитры, монтаж, склейка нескольких фрагментов, сведение звуковых дорожек остаются обязанностью вашего пайплайна.
Самое частое ошибочное применение при выборе
Самый типичный случай ошибочного применения — считать генерацию по референсу «более дешёвым image-to-video». Семантика входных данных у них разная, и ожидания от результата тоже разные: когда вам действительно нужно строгое выравнивание первого кадра, генерация по референсу часто даёт «похожий по духу, но другой» результат, и повторные попытки лишь увеличат стоимость. И наоборот, когда вам нужна стабильность субъекта между несколькими кадрами, а вы подаёте изображения по фрагментам через image-to-video, внешний вид будет дрейфовать легче.
Правило выбора можно свести к одной фразе: нужна отправная точка — выбирайте image-to-video; нужно ограничение — выбирайте генерацию по референсу.

Ключевые аспекты параметров API и процесса вызова
Инженерная сложность интеграции таких моделей заключается в основном не в «отправке запроса», а в «подготовке входных данных» и «организации процесса». Весь путь можно разбить на четыре этапа:
1. Подготовка референсных материалов
Перед вызовом нормализуйте референсные материалы: унифицируйте размеры и пропорции, уберите водяные знаки и лишние фоновые элементы, обеспечьте чёткость субъекта и единообразие освещения. Только при такой основательной подготовке последующая тонкая настройка параметров будет иметь смысл.
2. Построение запроса
Типичный вызов требует организации в запросе трёх типов информации:
- Идентификатор возможности: указание использования
vidu-q3-mix/reference-to-video, чтобы запрос попал в правильную ветку возможностей. - Референсный материал: местоположение или хэндл загрузки референсного изображения; конкретные имена полей и принимаемые формы — согласно документации интерфейса.
- Описание генерации: промпт, описывающий действия, движение камеры, ритм и атмосферу, а не повторяющий описание внешнего вида, уже присутствующего в референсном изображении.
Конкретные имена полей, обязательные элементы и диапазоны значений — согласно документации интерфейса и странице деталей модели HiAPI.ai. В этой статье поля не выдумываются; при интеграции собирайте запрос по документации.
3. Задача генерации
Генерация видео по своей сути асинхронна: после отправки запроса возвращается идентификатор задачи, а модели требуется время на вывод. Ваш серверный код должен разделять «отправку» и «получение результата», используя идентификатор задачи для опроса или приёма колбэка, а не ожидая в синхронном запросе.
4. Получение результата и повторные попытки
После получения результата сначала выполните проверку пригодности (декодируется ли файл нормально, соответствует ли длительность ожиданиям), затем решайте, повторять ли попытку. В ветке повторных попыток должен быть верхний предел, и записывайте причину каждой неудачи — это критически важно для оценки стоимости.
Как писать промпт
В промпте для генерации по референсу акцент следует делать на «информации за пределами референсного изображения»: что субъект должен делать в кадре, как движется камера, как меняется окружение. Тратить объём на повторное описание того, что уже есть в референсном изображении, — частая растрата. Чем конкретнее описание и чем ближе оно к исполняемой команде кадра, тем стабильнее результат генерации.

Оценка стоимости при $0.1865/сек
Тарификация этой модели — по секундам выходного видео, цена за секунду — $0.1865. Поняв это, оценка стоимости превращается в простую задачу на умножение.
Формула стоимости одного ролика
Стоимость одного ролика = длительность вывода (сек) × $0.1865
Для 5-секундного ролика стоимость — 5 × 0.1865; для 10-секундного — 10 × 0.1865. Длительность удваивается — стоимость линейно удваивается: нет ни ступеней, ни скрытых скидок «за разовую генерацию большего объёма», поэтому бюджет длительности нужно закладывать в дизайн продукта с самого начала.
Учитывайте повторные попытки
Реальная стоимость никогда не равна «цене одного видео». Генерация недетерминирована, и нужно закладывать бюджет на повторные попытки из-за неудач и неудовлетворительных результатов:
Ожидаемая общая стоимость = Стоимость одного ролика × Ожидаемое число попыток
Ожидаемое число попыток ≈ 1 + Доля повторных попыток
Например, если для 8-секундной задачи генерации в среднем требуется одна повторная попытка, чтобы получить пригодный результат, фактическая стоимость составит 8 × 0.1865 × 2, а не 8 × 0.1865. У команд с высокой долей повторных попыток стоимость умножается кратно — это скрытая стоимость, которую многие интеграторы обнаруживают только после масштабирования.
Три рычага контроля бюджета
- Сначала коротко, потом длинно: на этапе отладки используйте минимальную длительность, чтобы проверить согласованность промпта и материалов, и только после подтверждения эффективности увеличивайте длительность. Стоимость проб и ошибок на коротких видео гораздо ниже.
- Установите верхний предел повторных попыток: задайте каждой задаче максимальное число попыток, при превышении — ручное вмешательство или замена материалов, чтобы автоматические повторы не съедали бюджет.
- Записывайте каждый вызов: отправляйте в систему метрики длительность, факт повторной попытки, причину неудачи. Без этих данных вы не сможете определить, вызван ли перерасход бюджета проблемой промпта или проблемой материалов.
Актуальные цены и детали тарификации — согласно панели цен на сайте HiAPI.ai; в этой статье обсуждается только метод оценки.
Подход к подготовке и оптимизации референсных материалов
На этом пути влияние качества материалов на итоговый ролик обычно больше, чем тонкая настройка параметров. Причина: параметры настраивают «склонности» модели, а материалы определяют её «опору». Если опора нечёткая, даже лучшие склонности не воплотятся.
Какие референсные материалы хороши
- Ясный субъект: зритель за полсекунды понимает, «что нужно сохранить» на этом изображении. Обилие фонового шума и малая доля субъекта ослабляют эффект референса.
- Стабильные признаки: внешний вид одного и того же субъекта на разных референсных изображениях должен быть согласованным. Если несколько референсов сами противоречат друг другу (не совпадают цвет, форма, материал), модель будет колебаться между версиями.
- Разумное освещение и ракурс: экстремальное освещение и сильно искажённые ракурсы передают модели неверные визуальные подсказки.
- Чистота: уберите водяные знаки, наклейки, лишний текст. Эти элементы могут быть восприняты как признаки субъекта и перенесены в результат.
Приоритет оптимизации
Когда результат неудовлетворителен, рекомендуется проверять в таком порядке, а не сразу крутить параметры:
- Сначала замените материалы: замена референсного изображения на более чёткую версию с более单一 субъектом — часто самый быстрый способ улучшения.
- Затем измените промпт: уточните действия и окружение, удалите описания, дублирующие референсное изображение.
- И только потом трогайте параметры: рассматривайте тонкую настройку после стабилизации первых двух шагов и меняйте только одну переменную за раз, чтобы можно было определить причину.
Согласованность нескольких референсных изображений
Если вы предоставляете несколько референсных материалов, обязательно убедитесь, что это «один и тот же субъект». Примешивание изображений разных индивидов или разных стилей — одна из самых частых причин дрейфа результата. Лучше дать на одно изображение меньше, чем дать противоречивое.
Создайте базовый набор материалов
Рекомендуется создать для вашего ключевого субъекта фиксированный набор референсных материалов в качестве базового для всех последующих генераций. Начинайте каждую генерацию с этого базового набора, меняя только промпт, — так вы сможете чётко отделить «проблему материалов» от «проблемы описания» и легче унифицировать стиль между несколькими видео.
Типичные сбои и направления диагностики
Большинство проблем на этапе интеграции сводятся к нескольким фиксированным паттернам. Проверка в указанном ниже порядке обычно быстрее, чем слепые повторные попытки.
1. Запрос отклонён или возвращена ошибка параметров
Сначала проверьте, правильно ли указан идентификатор возможности, все ли обязательные поля референсных материалов заполнены, принимается ли интерфейсом форма материала. Имена полей — согласно документации, не угадывайте по опыту.
2. Задача долго не даёт результата
Генерация видео — асинхронная задача; сначала убедитесь, что вы получаете результат по идентификатору задачи, а не ждёте в синхронном запросе. Если действительно таймаут — проверьте, не слишком ли велик объём материала.
3. Результат «не похож» на референсный материал
Это самая частая проблема; порядок проверки: чёткие ли материалы → не даны ли противоречивые референсные изображения → не описывает ли промпт то, что конфликтует с референсным изображением. В большинстве случаев проблема не в модели, а в недостаточно проработанных материалах.
4. Субъект дрейфует между фрагментами
Причина обычно в том, что для каждого фрагмента использовались разные референсные материалы или описания субъекта в промптах разных фрагментов были несогласованными. Фиксированный базовый набор материалов и унифицированное описание субъекта значительно улучшают ситуацию.
5. Движения в кадре не соответствуют ожиданиям
В промпте не хватает чётких инструкций по действиям и камере, и модель действует по своему усмотрению. Пишите ясно: «что делать, как двигаться, где камера».
6. Стоимость превышает ожидания
Просмотрите логи вызовов: завышена длительность или высока доля повторных попыток? В первом случае скорректируйте стратегию длительности на стороне продукта, во втором — ищите причину в материалах и промпте.
Основной принцип диагностики
Меняйте только одну переменную за раз и сохраняйте логи. Если одновременно изменить материалы и промпт, то даже при улучшении результата вы не узнаете, что именно сработало, и при следующей подобной проблеме всё равно придётся начинать с нуля.
Чек-лист перед интеграцией и последующие шаги
Перед полноценным масштабированием рекомендуется проверить по пунктам приведённого ниже чек-листа, чтобы поймать риски на этапе малого трафика.
Чек-лист перед запуском
- Возможность соответствует: убедитесь, что вашему сценарию действительно нужна генерация по референсу, а не text-to-video или image-to-video.
- Базовые материалы готовы: для ключевого субъекта есть фиксированный, чистый набор референсных материалов.
- Промпты шаблонизированы: описания действий, камеры и окружения имеют переиспользуемую структуру, а не импровизируются каждый раз.
- Асинхронный путь отлажен: отправка, опрос или колбэк, проверка результата, повтор при неудаче — все четыре этапа имеют код и прошли нагрузочное тестирование.
- Повторы с верхним пределом: для автоматических повторных попыток задано максимальное число, при превышении — переход в ручную очередь.
- Стоимость на дашборде: по записям вызовов длительности и числа повторных попыток можно в любой момент рассчитать фактические расходы.
- Стратегия длительности ясна: на стороне продукта есть ограничения на генерируемую длительность, чтобы пользователи не растягивали её произвольно и стоимость не выходила из-под контроля.
От малого трафика к масштабированию
Рекомендуемый путь: сначала прогнать сквозной сценарий вручную построенными запросами, проверить эффективность материалов и промптов; затем сделать небольшую пробную партию с минимальной длительностью, собрать статистику доли повторных попыток и доли пригодных результатов; после подтверждения стабильности метрик постепенно наращивать параллелизм и длительность. На каждом этапе сохраняйте возможность отката.
Ключевые метрики
На этапе масштабирования действительно нужно следить за долей пригодных результатов с первой попытки и средним числом попыток. Первая определяет пользовательский опыт, вторая напрямую определяет стоимость. Только после стабилизации этих двух метрик можно говорить о расширении длительности и параллелизма.
Если вы ещё не начали, сначала посмотрите на HiAPI.ai детали модели и актуальную цену vidu-q3-mix/reference-to-video, а затем решайте, какой длины делать первое видео.
Похожие статьи
Все статьи →-
Руководство по использованию
Руководство по началу работы с gpt-6.2-sol: границы возможностей, интеграция через API и тарификация токенов
Ключевые моменты принятия решений и практики интеграции для инженерных команд
-
Руководство по использованию
Руководство по началу работы с gpt-6.2-astra: границы возможностей текстовой модели, ключевые моменты интеграции и контроль затрат
-
Руководство по использованию
Руководство по началу работы с Tripo H3.1: три способа ввода, параметры и как выбрать тариф
Практическое руководство для разработчиков по принятию решений и контролю затрат при интеграции генерации 3D