Veo 3.1 Lite 文生视频提示词配方：2 个可直接复制粘贴的提示词及真实输出

veo-3.1-lite/text-to-video 是 hiapi 上少数几个音频并非全有或全无的文生视频模型之一——generate_audio 标志让你可以按请求开启或关闭原生声音，而且它会改变每秒价格。这使得它很适合用来学习两种不同的任务：一个依赖分层声音的环境场景，和一个设计为静音自动播放的竖版产品循环。如果你想要一个始终自带音频、无需询问的模型，wan2.7-video/text-to-video 是更接近的对比对象。

本指南为你提供两个可直接复制粘贴的 veo-3.1-lite/text-to-video 提示词配方，每个都是旁边所印提示词的真实一次成片输出，通过 hiapi 任务 API 生成——没有跨种子挑选，没有重roll。两个片段合计花费 $0.64。

请求结构（先读这个）

veo-3.1-lite/text-to-video 运行在 hiapi 的异步任务端点上。下面两个配方中关键的字段：

• prompt — 场景：主体、动作、背景、镜头，以及（如果音频开启）声音。
• duration — 以秒为单位；模型提供 4、6 或 8 秒的片段。
• resolution — 720p 或 1080p。
• aspect_ratio — 横版或竖版构图；我们在下面使用了 16:9 和 9:16。
• generate_audio — 布尔值。对于需要配乐的场景设置为 true，对于无声循环设置为 false——关闭时每秒更便宜。

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1-lite/text-to-video",
    "input": {
      "prompt": "A small pour-over coffee stand at a sunlit morning farmers market...",
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "16:9",
      "generate_audio": true
    }
  }'

响应会立即返回一个 taskId；轮询 GET /v1/tasks/{taskId} 直到 status 为 success，并立即下载 output[0].url——它是一个临时链接。

配方 1：环境场景，音频开启

这里的任务是在真实镜头运动下呈现真实的分层音景——那种咖啡品牌社交账号会真的开着声音发布的片段：

A small pour-over coffee stand at a sunlit morning farmers market. A barista
in a denim apron pours hot water in a slow spiral over ground coffee in a
paper filter; steam curls upward and catches the light as the coffee blooms
with a soft hiss. In the blurred background, market-goers browse stalls
under a canvas awning that stirs in the breeze. Camera slowly pushes in on
the pour. Warm golden-hour light, shallow depth of field, handheld
documentary feel. Soft hiss and crackle of the pour layered under distant
market chatter and a light wind.

参数： duration: 4、resolution: 720p、aspect_ratio: 16:9、generate_audio: true — 花费 $0.40。

一次成片输出：

注水就是整个镜头，模型也保持了这一点：水流的螺旋、升腾的蒸汽和缓慢推近全都持续了整整四秒，没有漂移成切镜。背景完全做到了“模糊”和“逛市集的人”所要求的——形状在帆布遮阳篷前移动，从未清晰到与注水争夺注意力。打开声音后，音频子句表现为三个清晰的层次：近处注水的嘶嘶声和噼啪声、下方轻柔的嘈杂人声墙，以及穿插在两者之间的风声。这就是值得复制的模式——分别命名每个音频层（前景声音、环境人群、环境音），而不是写一个模糊的“市场声音”提示。

配方 2：静音产品循环，音频关闭

第二个任务是相反的直觉：一个锁定机位的商业镜头，设置 generate_audio: false，因为面向静音自动播放信息流的产品循环不需要配乐——跳过它还能降低每秒价格：

Vertical product shot: a matte-black wireless earbud case slowly rotates on
a reflective black surface under a single overhead spotlight, throwing a
clean circular highlight across its lid. A thin ring light glows behind it,
rim-lighting the edges in cool blue. The camera stays locked off, centered,
with no movement except the case's slow rotation. Minimal studio background
fading to pure black at the edges. Sleek, premium tech-commercial look,
crisp reflections, no dust or fingerprints.

参数： duration: 4、resolution: 720p、aspect_ratio: 9:16、generate_audio: false — 花费 $0.24。

一次成片输出：

提示词中的每一个约束都能读出来：画面从不平移或漂移，唯一的运动是盒子的旋转，聚光灯的圆形高光随着表面转动恰好扫过盖子。这就是“摄像机保持锁定、居中，除了 X 之外没有运动”所换来的——说明什么应该保持静止，和说明什么应该运动同样重要。而且因为这个循环不需要人声或音乐床就能发挥作用（大多数商业投放会自己加音乐），关闭 generate_audio 并不是妥协——在 720p 下每秒便宜 40%，而片段没有任何损失。

速查表

1. 把 generate_audio 当作创作决策，而不是默认值。 环境场景和叙事节拍需要开启；面向静音信息流的锁定产品循环不需要——在 720p 下关闭它每秒便宜 40%（$0.06 对 $0.10）。
2. 音频开启时分别命名每个音频层——前景声音、环境人群或房间底噪、环境音——而不是一个模糊的“背景噪音”提示。
3. 在锁定机位的镜头上说明什么不应该运动（“摄像机保持锁定、居中，除了盒子的缓慢旋转之外没有运动”）。这和描述什么应该运动同样重要。
4. 让 aspect_ratio 匹配平台：16:9 用于环境或横版场景，9:16 用于竖版产品或商业循环。
5. 先用 4 秒做原型，再花钱使用更长的 6 秒或 8 秒时长选项。

费用是多少

veo-3.1-lite/text-to-video 按输出秒数计价，费率取决于分辨率和音频是否开启：

设置	每秒价格
720p，带音频（默认）	$0.10
720p，无音频	$0.06
1080p，带音频	$0.14
1080p，无音频	$0.10

片段可以运行 4、6 或 8 秒。本文中的两个片段——一个 4 秒 720p 带音频片段，一个 4 秒 720p 无音频片段——合计花费 $0.64。当前费率始终在定价页面上。

试一试

上面两个配方都运行在默认 720p 档位；换成你自己的主体，事先决定镜头是否需要配乐，然后提交到任务 API。veo-3.1-lite/text-to-video 模型页面有实时参数参考和当前定价。如果你的镜头更接近一个应该始终带声音的叙事场景，wan2.7 文生视频提示词配方是一个有用的并排对比：相同的任务 API 结构，音频是内置的而非可选的。