使用 HappyHorse 1.1 图生视频，通过 hiapi API 制作短视频

基于首帧图片的图生视频工作流，包含两段真实片段、可直接运行的 API 示例与已核实的定价。

2026年11月3日

TL;DR

这是什么： 一个真实可用的图生视频工作流，基于 hiapi API 上的 happyhorse-1.1/image-to-video——把一张商品照片或人像变成带原生音频的短视频，可直接用于 TikTok、Reels 或商品页。
为什么用图生视频而不是文生视频： 当你已经拥有确切的画面——桌上的商品、一张人像——先把构图固定在一张静态图片里，再让模型为它添加动态，结果会比从零描述整个场景可预测得多。
任务结构很简单： image_urls（恰好一张首帧图片）、可选的 prompt 用于指导运动、resolution（720p/1080p）以及 duration（3-15 秒，默认 5 秒）。没有运动强度滑块，也没有运镜路径配置。
价格（截至 2026-09）： 720p 为 $0.16/秒，1080p 为 $0.21/秒，按 duration 计费——像下面这样的 4 秒 720p 片段花费 $0.64。在规划批量任务前，请务必查看 hiapi 的实时定价页，因为费率可能会变动。
音频是原生的： HappyHorse 1.1 会随运动同步生成声音——无需单独的音频步骤，也没有额外字段需要设置。

两个真实示例：商品照片和人像

下面是本文通过 hiapi API 端到端生成的两个片段——同一个模型、两张不同的首帧、两种不同的运动意图。两者都以真实可播放的视频内嵌展示，而非静态缩略图。

示例 1：把商品照片变成宣传短片

从一张简单的商品照片出发——一对放在充电盒里的无线耳机——要求模型做一次缓慢的电影感揭示，而不是让充电盒作为一张平面图片待在那里。

使用的提示词：

Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style

这类片段原本需要真实的商品拍摄——滑轨设备和灯光布置——而这里只需一张静态照片和一段文字提示。对电商而言，这种模式（静态主图 → 短的循环动态片段）很适合作为商品页的次要素材或原生广告创意，因为该请求只按一次 4 秒 720p 生成计费（$0.64），而不是一整场视频拍摄。

示例 2：让人像动起来

第二个用例是口播或模特风格的人像：你想为一张原本静止的头像照片添加细微、自然的生命感——轻微的转头、浮现的微笑、发丝飘动——同时不改变构图或背景。

使用的提示词：

The woman turns her head naturally toward the camera with a soft warm smile, hair moves gently, natural blinking, subtle breathing motion, soft even studio lighting stays consistent, background stays plain and calm, no text

这种模式适合把一批头像照片——团队页面、创作者主页、用户评价区——转成短小、省力的动态素材，而无需为每个对象预约摄像师。由于 image_urls 恰好接收一张首帧图片，主体身份和构图会锁定在你的源照片上；模型只对运动和光线做动画，不会重新诠释场景。

请求实际长什么样

上面两个片段都来自针对 hiapi 统一异步任务 API 的同一形状请求：

{
  "model": "happyhorse-1.1/image-to-video",
  "input": {
    "image_urls": ["https://static.hiapi.ai/blog/happyhorse-1-1-image-to-video-short-form-video/product-first-frame.jpg"],
    "prompt": "Slow cinematic camera push-in on the matte-black wireless earbuds charging case, the lid opens smoothly on its own revealing the earbuds inside, a soft light sparkle highlight sweeps across the glossy lid, subtle studio light shift, smooth stable motion, no text, no logo, commercial product video style",
    "resolution": "720p",
    "duration": 4
  }
}

提交到 POST /v1/tasks，然后轮询 GET /v1/tasks/:id 直到 status 到达终态；或者——对生产环境更好——设置 callback.url，让 hiapi 在任务完成时通知你的服务，而不是由你轮询。当 status=success 时，完成片段位于 output[0].url；请立即下载，因为该 URL 有时效限制。

为短视频选择分辨率和时长

对于社交优先的短视频片段（TikTok、Reels、Shorts），720p 加上仍能讲清故事的最短时长通常是实用的默认值——每个片段更便宜，而且社交平台本来就会重新压缩视频，因此上传后额外的 1080p 细节很少可见。当片段要用于商品页或付费广告、观看者可能在大屏上全屏观看时，再选用 1080p。在这里，时长比分辨率是更大的成本杠杆：从 4 秒增加到 8 秒，无论哪一档分辨率开销都大致翻倍，所以从能表达清楚你运动想法的最短片段开始，只有确实需要额外秒数时才延长。

常见问题

图生视频需要几张图片？ 通过 image_urls 恰好一张首帧图片（JPEG/PNG/WEBP，最短边 ≥300px，≤20MB）。不支持 SVG。整个片段从这一帧开始生成。

输出包含音频吗？ 包含——HappyHorse 1.1 会在运动之外生成原生同步音频，无需配置任何额外字段。

这与文生视频或参考生视频有何不同？ 图生视频由一张首帧图片驱动，因此当你已经知道想要的确切构图时，它就是正确选择。若要从纯文字描述生成视频且没有起始图片，请使用 happyhorse-1.1/text-to-video。若要通过多个参考（最多 9 张图片）精确控制主体/风格，请使用 happyhorse-1.1/reference-to-video。

一个片段实际要多少钱？ 截至 2026-09，hiapi 对 HappyHorse 1.1 图生视频按 duration 计费，$0.16/秒（720p）或 $0.21/秒（1080p）。上面两个示例片段都是 720p 的 4 秒，因此各 $0.64。在批量运行前请查看实时定价页，因为每秒费率可能会更新。

要点

当你已经拥有确切画面——商品照片、头像照片——只需要让它动起来时，请选用图生视频而非文生视频。
image_urls 恰好接收一张首帧图片；它不接受参考图片数组（那是 reference-to-video 的用途）。
每个片段都免费附带音频——无需单独的音频生成步骤。
时长是主要的成本杠杆：720p 的 4 秒短片段为 $0.64，成本大致与秒数线性相关，而非与分辨率档位相关。
如果你正在为短视频流水线在多个视频模型之间做选择，也可以将此工作流与 Veo 3.1 Lite 的图生视频流水线或 Seedance-2.0-Fast 进行比较。

准备好自己试试了吗？获取一个 API 密钥，把一张静态照片指向 happyhorse-1.1/image-to-video——测试第一个片段只需几美分。