使用指南

Hailuo 2.3 文生视频：基于 hiapi API 的短视频工作流

真实提示词、真实成本，以及如何绕过仅支持横屏输出的限制，适配 TikTok 和 Reels

2026年11月3日

短视频需要的是在一秒画面内就能让人信以为真的运动——翻转的滑板、弹动的布料、快速的甩镜。hailuo-2.3/text-to-video 正是为此打造：向 hiapi 的 /v1/tasks 端点发送一条文本提示词，即可得到一段时长 6 秒或 10 秒、具有真实物理运动感的视频片段，无需参考图。本文会完整走一遍真实的 API 工作流、展示一段实际生成的片段、说明一个在基于它搭建流水线之前值得了解的输出限制，并直接引用 hiapi 的 /api/pricing 实时定价。

hailuo-2.3/text-to-video 真正擅长的地方

文生视频模型在快速物理动作下容易崩坏——滑板弯曲、肢体在翻转中途变形。hailuo-2.3/text-to-video 在 hiapi 上带有 "Motion Physics" 标签，这正是它真正的卖点：它能在构成大多数短视频内容的那类动作下保持稳定——一个技巧、一次揭示、一个快速运镜。它在精细细节上比不过专注静态场景的模型，但对于一段打算在手机上只看一遍的 6-10 秒片段来说，物理上可信的运动比像素级纹理更重要。

提示词，以及它实际生成了什么

下面是用于下段视频的完整提示词——可以把它复制下来作为你自己动作用镜头的起点：

a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip, the board spinning crisply mid-air with realistic physical rotation, sneaker landing solidly back on the deck as wheels grip the concrete, sunlight flaring low through support pillars, dynamic low-angle tracking shot following the motion, natural motion blur on fast movement, warm saturated color grade, handheld documentary energy

注意提示词中真正起作用的部分：一个具名的运镜（"dynamic low-angle tracking shot"）、一个明确的运动描述（"crisply mid-air with realistic physical rotation"），以及一个落地节拍（"solidly back on the deck as wheels grip the concrete"）。hailuo-2.3/text-to-video 并不直接暴露镜头或时序参数——所有这些都来自你描述得有多具体。

问题所在：仅支持横屏

hailuo-2.3/text-to-video 的输入 schema（实时参数列表见模型页面）刻意收得很窄：prompt、duration（"6" 或 "10"）以及 prompt_optimizer。没有 aspect_ratio，没有 resolution，也没有 seed——每段视频都以固定的 1366×768 横屏渲染。

这对 TikTok、Reels 和 Shorts 来说是个真问题，因为它们都要求 9:16。既然没有竖屏选项可请求，变通方案只能放在生成之后：要么把横屏画面居中裁剪成竖条（当主体保持在中央时效果很好，如上段视频），要么保留完整画面，在上下用同一素材的模糊放大副本填充——也就是重剪横屏片段时常见的"模糊背景填充"效果。要把裁剪/填充这一步当作流水线的一部分来规划，而不是假设模型会直接交给你一个竖屏可用的成品。

成本：两档时长，没有便宜模式

根据 hiapi 的实时定价页，hailuo-2.3/text-to-video 按视频固定计费：6 秒片段 $0.40，10 秒片段 $0.80——正好翻倍，没有内置批量折扣。这对批量预算很重要：三段 6 秒片段（合计 $1.20，共 18 秒素材）与三段接近满时长的片段价格相同，所以用多段较短片段剪辑拼接，通常比用一段连续长镜头覆盖相同总时长更便宜。

有一点容易让人踩坑：Hailuo 2.3 确实有更便宜的"fast"档（6 秒 $0.27 / 10 秒 $0.46）——但它只存在于图生视频。文生视频只有单一价格档，没有 fast/便宜的备选。如果你在确定最终渲染前需要大量迭代提示词，先生成一张静帧，再用 hailuo-2.3-fast/image-to-video 基于该帧迭代运动，往往更省钱。

接入流水线

hiapi 的视频模型都走同一套异步 /v1/tasks 模式——创建任务、轮询、立即下载输出，因为交付链接会过期：

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hailuo-2.3/text-to-video",
    "input": {
      "prompt": "a skateboarder in an empty downtown parking garage at golden hour attempts a kickflip...",
      "duration": "6",
      "prompt_optimizer": true
    }
  }'

轮询 GET /v1/tasks/{taskId}，直到状态进入终态，然后取出 output[0].url 立即下载。完整的请求/响应结构和实时 schema 校验见模型页面；通用认证与任务生命周期细节见 hiapi 文档。

如果你要围绕不止一个视频模型搭建短视频流水线，而不是只押注一个，hiapi 的四大视频模型盘点值得一读——hailuo-2.3 在价格和质量定位上与 seedance-2.0-mini 等模型并不相同，按场景类型混用模型，通常比整个内容日历统一用一个模型效果更好。

常见问题

hailuo-2.3/text-to-video 支持竖屏（9:16）输出吗？ 不支持。没有 aspect_ratio 或 resolution 参数——每段视频都以约 1366×768 横屏渲染。要在生成后裁剪或填充输出来获得竖屏。

生成一段视频需要多久？ 这是异步任务：提交后轮询，直到状态变为终态。在批量流水线中，应按每段视频几分钟来预留时间，而不是指望同步返回。

hailuo-2.3/text-to-video 有更便宜或更快的版本吗？ 没有。折扣的"fast"档只适用于 hailuo-2.3-fast/image-to-video。文生视频只有一个价格：6 秒 $0.40，10 秒 $0.80。

我能直接控制镜头运动或具体的时序节拍吗？ 不能通过结构化参数控制——运动、运镜和节奏都来自提示词的写法。上面的提示词（具名的跟踪镜头、明确的旋转描述、一个落地节拍）就是一个可用于物理感动作镜头的有效模板。

要点总结

整个输入 schema 只有 prompt、duration（"6" 或 "10"）和 prompt_optimizer——没有 aspect_ratio、resolution 或 seed 可调。
输出始终为约 1366×768 的横屏；面向竖屏短视频平台时，需规划裁剪或填充步骤。
定价固定：6 秒 $0.40，10 秒 $0.80——更便宜的"fast"档只存在于图生视频。
通过 /v1/tasks 提交，轮询至终态，然后立即下载输出 URL，因为链接会过期。

准备好试一试了吗？在 hailuo-2.3/text-to-video 模型页面用上面的提示词生成一段视频，并在批量跑完整套短视频之前先查看当前定价。