Skip to main content
POST

Autorización

string
requerido
Todos los endpoints de la API requieren autenticación mediante Bearer TokenObtenga su API Key:Visite la página de gestión de API Keys para obtener su API KeyAñádala al encabezado de la solicitud:

Enrutamiento de modos

happyhorse-1.1 es la entrada unificada para Text-to-Video / Image-to-Video / Reference-Image-to-Video. El backend determina automáticamente el modo según los parámetros entrantes. Todos los modos se facturan con la misma regla (solo resolución × segundos): Prioridad de enrutamiento (de alta a baja): first_frame_image > image_urls > solo prompt. Reglas de exclusión mutua: los dos campos de medios (first_frame_image / image_urls) son mutuamente excluyentes. Pasar ambos campos mutuamente excluyentes a la vez devuelve 400 mixed_media_not_allowed.

Parámetros de la solicitud

string
requerido
Nombre del modelo de generación de video, fijado como happyhorse-1.1
string
Descripción del contenido del video, hasta 2500 caracteres; no puede contener tokens especialesEjemplo: "A little girl walking down the road, cinematic feel"
string
Imagen del primer fotograma, activa I2V (Image-to-Video). Admite URL o base64 (data:image/<mime>;base64,<payload>, el gateway la sube automáticamente a OSS)Mutuamente excluyente con image_urls
Requisitos de la imagen del primer fotograma:
  • Formato: JPEG / JPG / PNG / BMP / WEBP
  • Lado corto: ≥ 300px
  • Proporción de aspecto: 1:2.5 a 2.5:1
  • Tamaño del archivo: ≤ 10MB
array<string>
Array de imágenes (Modo R2V): 1–9 imágenes, usadas como referencias de sujeto/estilo para generar una nueva escenaAdmite URL o base64Mutuamente excluyente con first_frame_image
Requisitos de las imágenes de referencia:
  • Formato: JPEG / JPG / PNG / BMP / WEBP
  • Lado corto: ≥ 720p recomendado
  • Proporción de aspecto: corto / largo ≥ 0.4
  • Tamaño del archivo: ≤ 10MB
  • Cantidad: 1–9 imágenes
string
predeterminado:"1080P"
Resolución del video (afecta a la facturación)Opciones:
  • 720P - Estándar
  • 1080P - Alta definición (por defecto)
integer
predeterminado:"5"
Duración del video en segundos (afecta a la facturación)Rango soportado: cualquier entero de 3 a 15Por defecto: 5
string
predeterminado:"16:9"
Proporción de aspectoFormatos soportados:
  • 16:9 - Paisaje panorámico (por defecto)
  • 9:16 - Retrato
  • 1:1 - Cuadrado
  • 4:3 - Paisaje
  • 3:4 - Retrato
Ignorado en modo I2V — la proporción de aspecto de salida se determina automáticamente por el medio de entrada (imagen del primer fotograma)
boolean
predeterminado:"false"
Si se debe añadir una marca de agua al video generado
  • true: añadir marca de agua
  • false: no añadir marca de agua (por defecto)
integer
Semilla aleatoria usada para controlar la aleatoriedad del contenido generadoRango de valores: [0, 2147483647]. Si se omite, se usa una semilla aleatoria.
  • Para solicitudes idénticas, el modelo genera resultados diferentes al recibir valores de seed diferentes (por ejemplo, al omitir el seed)
  • Para solicitudes idénticas, el modelo genera resultados similares al recibir el mismo valor de seed, pero no se garantiza consistencia exacta

Respuesta

integer
Código de estado de la respuesta, 200 en caso de éxito
array
Array de datos de la respuesta

Casos de uso

Caso 1: Texto a video T2V (Solicitud más simple)

Caso 2: Texto a video T2V (Parámetros completos)

Caso 3: Imagen a video I2V (first_frame_image)

Caso 4: Referencia-Imagen a video R2V (múltiples referencias)

Caso 5: 720P para ahorrar costos

Guía de selección de modo

Consejos de uso

  1. Lógica de entrada unificada: los campos de entrada determinan el modo. Tenga en cuenta que los dos campos de medios (first_frame_image / image_urls) son mutuamente excluyentes
  2. size solo efectivo en T2V/R2V: en el modo I2V, size se ignora — la proporción de aspecto de salida está determinada por el medio de entrada
  3. Duración: de 5 a 10 segundos es el punto óptimo. Demasiado corta causa movimiento entrecortado; demasiado larga aumenta significativamente el tiempo de procesamiento upstream
  4. Calidad de la imagen del primer fotograma: clara, bien compuesta, sujeto centrado — mejora significativamente la salida I2V
  5. Redacción del prompt: describa movimiento / cámara / atmósfera (por ejemplo, “slow push-in, cinematic, warm tones”) para obtener mejores resultados que con descripciones puramente estáticas de la escena
Consultar resultados de la tareaLa generación de video es una tarea asíncrona que devuelve un task_id al enviarse. Use el endpoint Obtener estado de la tarea para consultar el progreso y los resultados de la generación.