P-Video 2 Pro Avatar 上手指南：一张人像加音频或文字稿，生成最长 3 分钟的口播视频

能力、输入规则、API 调用、价格和提示词写法

2026年11月12日 3 分钟阅读

模型: p-video-2-pro-avatar

本页内容

P-Video 2 Pro Avatar 是 Pruna AI 的口播视频模型：给它一张人像，再给一段音频或一段文字稿，它会生成这个人开口说话的视频。这篇文章讲清楚它能做什么、怎么调用、怎么算钱，以及什么时候该换别的模型。

它能做什么

一张人像就能出镜：必填只有人像图 image_url（jpg、jpeg、png、webp），它是视频的第一帧，不需要视频素材，也不需要先训练形象。
两种驱动方式：传音频 audio_url 时，视频长度等于音频长度；只传文字稿 script（最多 5000 字符）时，用内置语音朗读。单条最长 3 分钟，4k 下音频最长 125 秒。
内置语音可选：30 种声音（名称里标了性别，默认 Zephyr (Female)），10 种语言：美式英语、英式英语、西班牙语、法语、德语、意大利语、巴西葡萄牙语、日语、韩语、印地语，暂不含中文。voice_prompt 写语气、语速和情绪，这段文字不会被读出来。
提示词控制画面：prompt（最多 2000 字符）描述人物说话时的样子、动作和神态，默认是 “The person is talking.”。
五档分辨率：480p、768p、1080p、2k、4k，默认 768p。

输入规则

音频和文字稿至少给一个。两个都给时以音频为准，script、voice、voice_language、voice_prompt 都不生效。
两个都不给，任务会失败，提示补上其中一个，费用全额退回。
内容安全过滤默认开启，违规内容会失败并返回 CONTENT_POLICY_VIOLATION，费用全额退回。

怎么调用

提交异步任务，拿到 taskId 后轮询结果：

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "p-video-2-pro-avatar",
    "input": {
      "image_url": "https://example.com/portrait.png",
      "script": "Welcome to the course. Today we cover three ideas.",
      "voice": "Charon (Male)",
      "voice_language": "English (US)",
      "voice_prompt": "Calm and clear, moderate pace",
      "resolution": "768p"
    }
  }'

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_KEY"

用自己的录音时，把 script 和几个 voice 参数换成 "audio_url": "https://example.com/voice.mp3" 即可。任务成功后，output 里是视频地址。

价格

按输出视频时长计费，不足 1 秒的部分不收：

480p：$0.0286/秒
768p：$0.0572/秒
1080p：$0.0858/秒
2k：$0.1143/秒
4k：$0.1715/秒

例如 30 秒的 768p 口播约 $1.72，30 秒 480p 约 $0.86。传音频时按音频时长预扣；只传文字稿时，提交时还不知道朗读多长，会先按 3 分钟预扣，完成后按实际视频时长结算，多扣的退回。失败的任务全额退回。

提示词怎么写

prompt 只写画面，不写台词。按「人物外观 → 动作幅度 → 表情和视线 → 光线或镜头」的顺序写，例如：

课程讲解：A calm instructor in a dark shirt, small head nods, steady eye contact, soft studio light
展馆导览：A curator speaking warmly to camera, blinks naturally, warm gallery lighting

语气和节奏写在 voice_prompt 里，例如 “Speak softly, small pauses between sentences”。