HiAPI
Блог

Руководство по использованию

Создание коротких видео с помощью референсной генерации видео vidu-q3-mix на HiAPI

Рабочий процесс разработчика: согласованные по персонажам фрагменты, озвучивание с голосовыми референсами и ритм постпродакшна

Nov 9, 2026
Обложка в стиле плоской геометрии: на тёмно-индиговом фоне многослойные широкие шевронные стрелки продвигаются слоями по горизонтали, передний край — абрикосово-оранжевый.
На этой странице

Что вам даёт задача референсной генерации видео vidu-q3-mix

Задача vidu-q3-mix/reference-to-video на HiAPI — это шаг генерации, а не шаг готового видео. Вы отправляете ей референсные материалы — изображения, определяющие внешний вид персонажа или сцены, и текст промпта, описывающий действие — и получаете фрагмент. В конвейере коротких видео она занимает промежуточное положение: выше по потоку — подготовка референсных материалов и проектирование промптов, ниже — просмотр, обрезка и сборка.

Полезная ментальная модель — три входных канала, сливающихся в один выход:

Входные данные

  • Референсные изображения. Один или несколько кадров для привязки внешнего вида: лицо, причёска, одежда, цветовая палитра, окружение.
  • Промпт. Описание на естественном языке того, что должно происходить в кадре — субъект, действие, ощущение камеры, настроение.
  • Необязательный голосовой референс. Аудиообразец, используемый, когда вы хотите, чтобы озвучивание имело определённый тембр.

Выходные данные

Один сгенерированный фрагмент. Рассматривайте его как исходный материал. Модель не является редактором временной шкалы: она не режет ваше видео по битам, не накладывает субтитры и не гарантирует, что 4-й кадр будет попиксельно совпадать с 1-м. Это ваша работа на этапе постпродакшна.

Где это применяется

Короткое видео обычно строится из нескольких отдельно сгенерированных фрагментов, которые затем упорядочиваются и объединяются. Задача reference-to-video — это повторяемая единица этого процесса сборки: один вызов, один кадр, множество вызовов для готового продукта. Планирование вокруг этой единицы — то, что делает проект управляемым и ожидания калиброванными. Не ожидайте, что одна генерация выдаст вам полное видео с озвучиванием, субтитрами и ритмом. Пусть она выдаст один хороший кадр, а затем собирайте кадры.

Поскольку генерация идёт по фрагментам, стоимость зависит от количества созданных кадров и длительности каждого из них, поэтому бюджетируйте по количеству кадров и длительности вывода, а не по минутам готового видео. Прежде чем определять масштаб партии, проверьте текущие тарифы на панели цен платформы.

Референсные изображения и голосовой образец подаются на один шаг референсной генерации, который выводит один фрагмент.

Планирование кадров короткого видео вокруг референсных изображений

Короткое видео решается первыми двумя секундами, поэтому план кадров нужно написать до вызова API. Сначала разбейте произведение на кадры на бумаге, затем определите, какие референсные материалы нужны для каждого кадра.

Составление списка кадров

Каждый пункт должен отвечать на четыре вопроса: что видит зритель, что делает субъект, сколько времени нужно, чтобы прочитать этот момент, и есть ли закадровое озвучивание. Произведение на 30 секунд может состоять из пяти-восьми кадров. Меньше и длиннее — легче сохранять согласованность; больше и короче — больше контроля над ритмом, но и больше вероятность визуального дрейфа.

Выбор референсных материалов по кадрам, а не по проекту

Распространённая ошибка — думать, что один набор референсов покроет всё. На практике референсные материалы следует тщательно подбирать под кадр:

  • Субъект в кадре и узнаваем — предоставьте чёткое изображение лица персонажа, а если кадр включает движение или поворот, добавьте один-два вспомогательных ракурса или выражения.
  • Субъект отсутствует в кадре или очень мал — окружение важнее лица; вместо этого используйте референсы места, одежды или реквизита.
  • Появление нового персонажа — решите, будет ли у него собственный набор референсов, и сохраняйте его с первого появления.

Чистота и согласованность референсных материалов

Используйте изображения с неэкранированным субъектом, хорошим освещением и стилистически не противоречащие другим референсам того же персонажа. Смешение освещения или конфликтующих художественных стилей между референсами подталкивает вывод к визуальному шуму. Если персонаж появляется и в ярком интерьере, и в тусклом, предпочтите один набор референсов и опишите освещение в промпте, а не заменяйте референсы другими, которые выглядят как другой человек.

Версионирование референсных материалов

Храните референсные материалы в предсказуемой структуре — имя персонажа, ракурс, вариант — и записывайте, какой набор референсов дал какой принятый кадр. Когда кадр дрейфует, вам нужно точно знать, что изменилось между удачным и неудачным запуском. Эта небольшая дисциплина экономит целые полдня.

Сохранение согласованности персонажа между кадрами

Согласованность между отдельно сгенерированными фрагментами — самая сложная часть референсного рабочего процесса, и это в основном вопрос дисциплины, а не трюков с промптами.

Повторное использование одного набора референсов по всей последовательности

Как только набор референсов персонажа зафиксирован, используйте именно этот материал в каждом кадре, где появляется персонаж. Не выводите референсы заново для каждого кадра, не обрезайте новые референсы посреди проекта, если только вы намеренно не заново устанавливаете базовую линию всей последовательности, и не подмешивайте материалы из наборов других персонажей. Ваш самый сильный сигнал единообразия — согласованность входных данных.

Стандартизация соглашений промптов

Пишите промпты в фиксированной структуре, чтобы модель каждый раз видела однотипное описание: описание субъекта, затем действие, затем камера, затем настроение. Дословно сохраняйте описание субъекта между кадрами — одни и те же слова для одного персонажа, одни и те же термины для одного костюма. Изменения должны быть в полях действия и камеры, а не в том, как вы описываете, кто такой персонаж.

Генерация согласованными партиями

Генерируйте связанные кадры в рамках одной рабочей сессии и просматривайте их рядом, а не по одному. Мелкие различия, незаметные при просмотре одного фрагмента, становятся очевидными при сравнении двух кадров рядом. Оценивайте каждый фрагмент относительно соседних кадров, а не изолированно относительно промпта.

Осознанное принятие несовершенства

Стремиться к идеальной попиксельной согласованности между независимыми генерациями нереалистично. Планируйте с учётом этого:

  • Скрывайте швы структурой. Режьте в моменты движения, смены ракурса или ритма озвучивания, чтобы глаз не сравнивал два лица напрямую.
  • Сокращайте количество появлений. Персонаж в трёх кадрах сохранить связным легче, чем персонажа в восьми кадрах.
  • Изолируйте проблемные кадры. Если фрагмент постоянно дрейфует, измените его кадрирование (шире, через плечо, частичное перекрытие), а не перегенерируйте бесконечно.

Целенаправленная регенерация

Когда фрагмент не тот, определите, какую переменную вы хотите изменить, прежде чем перезапускать: референсные материалы, формулировку промпта или кадрирование. Изменение нескольких переменных одновременно делает каждый результат невоспроизводимым и незаметно сбрасывает вашу базовую линию согласованности.

Один набор референсов, одни и те же соглашения промптов: отдельно сгенерированные фрагменты читаются как непрерывная последовательность.

Создание озвучивания с помощью голосовых референсов

Голосовой референс формирует характер озвучивания — тембр, тон и общее ощущение. Он не даёт вам готовый аудиомикс и не знает, сколько длится ваш кадр.

Фокусировка образца

Предоставьте чистый образец нужного голоса без фоновой музыки, сильной реверберации или говорящих людей. Короткое, чёткое аудио с одним говорящим даёт модели самый компактный сигнал о нужном голосе. Сохраните выбранный образец вместе с набором изображений как часть зафиксированных референсов проекта.

Написание под разговорную длительность

Длительность озвучивания — это текстовая задача, решаемая до генерации. Прочитайте сценарий вслух в нужном темпе и замерьте время. Озвучивание коротких видео обычно компактно: несколько слов на кадр — это норма. Если реплика не укладывается в запланированную длительность кадра, удалите её — не требуйте более длинного фрагмента, чтобы втиснуть реплику.

Планирование положения голоса относительно кадров

Для каждого кадра решите, проходит ли озвучивание через весь фрагмент, приходится ли на один такт или отсутствует вовсе. Полезный паттерн короткого видео — чередование: реплика-крючок в открывающем кадре, тишина, пока действие считывается визуально, финальная реплика на последнем такте. Запись этого ритма отдельной колонкой в списке кадров превращает озвучивание из постфактум-дополнения в инструмент ритма.

Аудиоработа вне вызовов модели

Формирование голоса — это лишь вход; микширование — ваша задача. Ожидайте, что в редакторе придётся заниматься уровнями, шумоподавлением, затуханиями, музыкальной подложкой и дакингом. Сохраняйте озвучивание отдельной дорожкой, которую можно сдвигать относительно изображения, а не впекать в какой-либо отдельный фрагмент, чтобы при обрезке кадров можно было перенастроить тайминг реплик. Если реплика возвращается с артефактом или странным прочтением, перегенерируйте только эту реплику, а не всю последовательность.

Относитесь к голосовому референсу как к инструменту согласованности характера озвучивания, а не как к сервису тайминга или микширования.

Сборка ритма и постпродакшн

После генерации фрагментов работа переходит на временную шкалу. Здесь сгенерированный материал превращается в короткое видео, и здесь же завоёвывается большая часть воспринимаемого качества.

Активная обрезка

Сгенерированные фрагменты обычно содержат полезное ядро с избыточностью на обоих концах. Режьте до читаемого момента: начало действия, приземляющийся такт. Большинство первых сборок заметно затянуты, а уплотнение почти всегда правильный ход для ритма короткого видео. Цельтесь в отсутствие мёртвых кадров — зритель должен чувствовать, что произведение движется с первой секунды.

Сортировка по ритму

Сначала просмотрите монтаж без звука, разложив кадры. Если визуальная последовательность не удерживает внимание в тишине, озвучивание её не спасёт. Затем осознанно варьируйте длину кадров: более быстрый монтаж создаёт импульс, более длинный кадр сбрасывает внимание. По возможности выравнивайте основные точки монтажа по тактам озвучивания, чтобы ухо и глаз менялись одновременно.

Отношение к субтитрам как к первоклассному элементу

Короткие видео часто смотрят без звука, поэтому субтитры несут озвучивание. Размещайте субтитры после фиксации изображения, чтобы они оставались на экране достаточно долго для комфортного чтения, и переносите строки на естественных границах фраз, а не посреди мысли. Если субтитры конфликтуют с композицией, измените кадрирование или перепозиционируйте, а не уменьшайте текст до нечитаемости.

Выравнивание и микширование аудио

Поместите озвучивание на отдельную дорожку, сдвиньте каждую реплику на её такт и проверьте, что ни одна реплика не обрезана точкой монтажа. При добавлении музыкальной подложки держите громкость достаточно низкой, чтобы речь оставалась чёткой и разборчивой. Просмотрите финальную последовательность от начала до конца в наушниках — это выявляет проблемы тайминга, скрытые видом временной шкалы.

Проверка по плану

Перечитайте свой список кадров и убедитесь, что каждый кадр доставил то, что планировал. Если какой-то кадр не стоит сохранения, вырежьте его; плотный монтаж из шести кадров лучше рыхлого из девяти. Когда довольны, зафиксируйте временную шкалу и экспортируйте.

Сохранение воспроизводимости проекта

Референсные материалы проекта, соглашения промптов и принятые фрагменты — ваш источник истины. Архивируйте их вместе с финальным монтажом, чтобы последующие правки — новый крючок, новый финал, другая длина — можно было сделать без пересборки всего конвейера с нуля.

О полном диапазоне параметров этой задачи перед настройкой пакетных заданий сверяйтесь с руководством платформы для подтверждения полей запроса.

Обрезка, озвучивание и субтитры зафиксированы на общей временной шкале.

Контрольный список повторяемого рабочего процесса

Ниже приведён контрольный список сквозного процесса, который можно повторять в каждом новом коротком видео.

Планирование

  • Запишите произведение как список кадров: субъект, действие, длительность и такт озвучивания для каждого кадра.
  • Замерьте озвучивание вслух и сократите реплики сценария под запланированную длительность.
  • Определите паттерн ритма — кадр-крючок, такты действия, финальная реплика.

Подготовка референсных материалов

  • Тщательно подготовьте зафиксированный набор референсных изображений для каждого персонажа; сохраните с чёткими именами.
  • Выберите чистый голосовой референс с одним говорящим для озвучивания.
  • Запишите, какие референсные материалы относятся к какой версии проекта.

Генерация

  • Один вызов vidu-q3-mix/reference-to-video на кадр.
  • В каждом кадре с появлением персонажа используйте один набор референсов и абсолютно идентичную формулировку субъекта.
  • Меняйте действие и язык камеры, а не язык идентичности.
  • Генерируйте связанные кадры в одной сессии для удобства просмотра рядом.

Просмотр

  • Сравнивайте фрагменты как набор, а не по отдельности.
  • Перегенерируйте, меняя по одной переменной за раз, и записывайте, какую переменную изменили.
  • Перекадрируйте постоянно дрейфующие кадры, а не зацикливайтесь на регенерации.

Сборка

  • Обрежьте каждый фрагмент до полезного ядра; удалите мёртвые кадры.
  • Сначала упорядочьте по ритму при просмотре без звука, затем выровняйте такты озвучивания.
  • Добавьте субтитры после фиксации изображения; проверьте читаемость.
  • Смикшируйте озвучивание как отдельную дорожку, затем добавьте музыку; проверьте в наушниках.

Архивирование

  • Храните референсные материалы, соглашения промптов, принятые фрагменты и финальную временную шкалу вместе.
  • Записывайте любые исключения на уровне кадров для будущих правок.

Этот список намеренно короткий. Большинство неудач в референсных коротких видео происходит из-за пропуска шага, а не из-за самого вызова генерации — фиксируйте входные данные, держите план компактным и позвольте постпродакшну отвечать за ритм.

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