跳转到主要内容
H3-Highspeed 图生视频以你的图片作为首帧,生成带同步音频的 4–15 秒视频,分辨率 768P。未指定宽高比时跟随输入图片。

端点

异步 —— 返回 {id, status: "pending"};轮询 GET /v1/videos/generations/{id} 直到 success 或 failed。

参数

string
必填
描述首帧应如何动起来的文本提示词。最长 7000 字符。
string[]
必填
仅含一个元素的数组,为待动画化的首帧图片 URL。
"4" | "5" | "6" | "7" | "8" | "9" | "10" | "11" | "12" | "13" | "14" | "15"
默认值:"\"6\""
生成视频的时长(秒)。与分辨率共同决定价格。
"768P"
默认值:"\"768P\""
输出分辨率。H3-Highspeed 仅支持 768P。
"adaptive" | "16:9" | "4:3" | "1:1" | "3:4" | "9:16" | "21:9"
默认值:"\"adaptive\""
宽高比。默认 adaptive(跟随输入图片的比例);可传入具体比例覆盖。

控制音频

没有独立的音频参数——指挥画面的 prompt 同时指挥声音。先描述画面,再用 Sound: 子句描述声轨:环境音、音效、配乐或台词。
想要安静的片段,就把声轨描述为安静(例如 Sound: 房间底噪,微弱的钟表滴答声)。音频与画面原生同步生成、已含在价格内——无法通过参数关闭。

示例

轮询直到终态: