Happy Horse 1.0 genera audio y vídeo sincronizados con una sincronización labial precisa, movimiento realista y narración cinematográfica con múltiples tomas.
curl-X POST 'https://pollo.ai/api/platform/v1/generation/alibaba/happyhorse-1-0/video'\-H'Content-Type: application/json'\-H'x-api-key: YOUR_API_KEY'\-d'{ "input": { "prompt": "A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field", "duration": 5, "resolution": "720p", "aspectRatio": "1:1" }}'
{"input":{"prompt":"A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field","duration":5,"resolution":"720p","aspectRatio":"1:1"},"webhookUrl":"https://example.com/webhooks/pollo"}
スキーマ
選択したエンドポイントとモードの入力フィールド。
分野
タイプ
必須
説明
prompt
string
はい
Text prompt describing the content to generate.
duration
integer
なし
The duration of the generated video, in seconds.
resolution
string
なし
Output resolution of the generated media (e.g. 720p, 1080p, 2K, 4K). Values are case-insensitive.
Happy Horse 1.0 genera sonido y vídeo simultáneamente. Las líneas habladas coinciden con los movimientos de la boca, el audio ambiental se ajusta a la escena y los movimientos de la cámara siguen las indicaciones, por lo que los clips se sienten con voz en lugar de sin sonido.
Con Happy Horse 1.0 en la API de Pollo , los desarrolladores pueden agregar a sus Apps la generación de texto a vídeo e imagen a vídeo, con salida en 720P o 1080P y duraciones de clip de 3 a 15 segundos.
Características principales de la API de Happy Horse 1.0
Voz y audio sincronizados
Mantén los diálogos, el tono y el sonido alineados con las imágenes, de modo que el personaje que habla lo haga a tiempo y no pierda la sincronía con su propia voz.
Sincronización labial precisa
Mantén la forma de la boca alineada con las palabras que se pronuncian, para que los planos centrados en el hablante sigan siendo creíbles cuando un personaje diga una frase, cuente o reaccione ante la cámara.
Entrega multilingüe
Genera una salida hablada coincidente a partir de indicaciones en diferentes idiomas, admitiendo versiones localizadas del mismo guion sin necesidad de cambiar de herramienta durante el flujo de trabajo.
Movimientos de cámara controlados por indicaciones
Describe un acercamiento, un paneo o una órbita lenta y el modelo escenifica el movimiento, ofreciendo tomas dirigidas en lugar de un encuadre estático con una cabeza parlante.
Control de longitud fino
Ajusta la duración del clip de 3 a 15 segundos en incrementos de un segundo para que coincida exactamente con una línea hablada, el ritmo de un subtítulo o un bucle.
Comienza el texto y la imagen
Comience con una escena escrita o una imagen proporcionada, lo que permite que los guiones que parten de la idea principal y los briefs que parten de los recursos utilicen el mismo proceso de generación.
Casos de uso de la API de Happy Horse 1.0
Avatares parlantes: Genera un portavoz que lea un guion en voz alta con el movimiento de labios sincronizado para flujos de incorporación y herramientas de presentación virtual.
Variantes de anuncios localizadas: Produzca el mismo anuncio corto en varios idiomas, cada uno con la misma sincronía de voz, de modo que una misma campaña se difunda en diferentes regiones desde una única integración.
Fragmentos explicativos: Convierta un paso escrito en un clip narrado donde un personaje da la instrucción mientras la cámara se mueve hacia el detalle que se describe.
Líneas de voz de personajes: Anima una imagen estática de un personaje para convertirla en una breve escena de diálogo, proporcionando a las Apps de historias, juegos o contenido de fans una figura que habla.
Menciones de producto: Pida a un presentador que mencione una característica y el precio ante la cámara, con la boca y las palabras alineadas, para breves anuncios de compra y publicaciones en redes sociales.
Reconstrucción de escenas dobladas: Recrea un momento del guion en un nuevo idioma con una sincronización labial actualizada, lo que ayuda a que las herramientas de localización vayan más allá de las superposiciones de subtítulos.
Clips de conversación para redes sociales: Integre fragmentos hablados en formatos verticales o cuadrados de 3 a 15 segundos para transmisiones donde el movimiento con voz supera a las imágenes de archivo sin sonido.
Cómo usar la API de Happy Horse 1.0
Obtén una clave API: Crea una cuenta de API de Pollo y genera tu clave API desde el panel de desarrolladores.
Elige el modelo: Envía solicitudes al punto final de Happy Horse 1.0 en /generation/wanx/ HappyHorse-1.0.
Añade tus datos: Proporciona un texto para convertir texto a vídeo o una URL de imagen para convertir imagen a vídeo, y luego configura la resolución (720p o 1080p) y la duración (de 3 a 15). La conversión de texto a vídeo también acepta la relación de aspecto.
Generar y recuperar: Envíe la tarea, consulte el estado de la tarea devuelta y descargue el video finalizado una vez que el procesamiento sea exitoso.
Recomendaciones de buenas prácticas para la API de Happy Horse 1.0
Trata la consigna como un guion más una lista de planos. Escribe la frase exacta, indica quién habla y el idioma, y luego describe la cámara y el escenario para que el audio y el movimiento coincidan.
Una fórmula sencilla para obtener indicaciones
Orador + frase hablada entre comillas y lenguaje + expresión o gesto + movimiento de cámara + escenario y señal de audio
Lo que debes tener en cuenta
Cita el diálogo: Pon las palabras exactas en la consigna para que la sincronización labial tenga una línea exacta que seguir en lugar de una paráfrasis.
Indique el idioma: Indique el idioma hablado cuando necesite una entrega localizada, ya que el modelo adapta el habla al idioma que especifique.
Movimiento de cámara directo: Solicita un único movimiento, como un acercamiento o un paneo, para que la toma se mantenga controlada a lo largo del vídeo.
Mantenga a un solo orador enfocado: Centre el encuadre en la persona que habla para que los detalles de la boca y la voz permanezcan perfectamente alineados.
Ajustar la duración a la línea: Elija una duración cercana al ritmo real de la línea hablada para que el discurso no se acelere ni se alargue innecesariamente.
Ejemplos de indicaciones
Portavoz multilingüe
"Una amable cajera mira a la cámara y dice en español: 'Abrir tu cuenta toma dos minutos'. Iluminación cálida de la sucursal, una leve sonrisa, un suave empujón hacia adentro, un discurso claro y sincronizado con el ambiente tranquilo de la oficina."
Personaje parlante de una imagen
"Animar el zorro ilustrado proporcionado para que mire a la cámara y diga: '¿Listos para el cuento de esta noche?', con una suave voz de cuento. Habitación acogedora iluminada por una lámpara, paneo lento a través del escritorio, movimiento de labios sincronizado."
Llamada a los vendedores del mercado
"Un vendedor ambulante de comida levanta un pincho y grita: '¡Recién salidos de la parrilla, cinco dólares cada uno!' Se ve vapor ascendiendo, un puesto bullicioso detrás, una cámara de mano acercándose, el animado sonido del mercado y la voz sincronizada."
Recuento de entrenadores físicos
"Un entrenador en un estudio luminoso mira a la cámara y cuenta: 'Tres, dos, uno, espera', mientras gesticula hacia abajo. Encuadre estable con un movimiento lento, sonido ambiente animado, movimiento de la boca acompasado a cada número dicho."
Happy Horse 1.0 vs Veo 3.1 vs Kling 2.6
Capacidad
Happy Horse 1.0
Veo 3.1
Kling 2.6
Voz y audio sincronizados
✅ Integrado en la generación
✅ Audio nativo
⚠️ Sincronización labial como paso separado
Precisión de sincronización labial
✅ Fuerte en líneas habladas
✅ Fuerte
✅ Bueno con complementos
Entrega multilingüe
✅
✅
⚠️ Limitado
Duración del clip
De 3 a 15 segundos, en pasos de 1 segundo
Clips cortos fijos
Clips cortos dirigidos
Opciones de resolución
720P y 1080P
Hasta 1080P
Hasta 1080P
Recomendado para
Clips de audio y vídeo con voz y localización
Tomas de audio y vídeo de alta calidad
Movimiento de personajes y escenas estilizadas
¿Por qué elegir la API de Happy Horse 1.0?
Happy Horse 1.0 es ideal para productos que necesitan que personas o personajes hablen frente a la cámara, combinando una sincronización labial precisa, audio multilingüe y movimientos de cámara controlados por indicaciones en una sola generación.
Mediante la API de Pollo , puedes acceder a Happy Horse 1.0 con una sola clave API, junto con más de 300 modelos líderes de vídeo e imagen, con documentación clara, seguimiento del estado de las tareas y generación de contenido.
Preguntas frecuentes sobre la API de Happy Horse 1.0
¿Qué es Happy Horse 1.0?
Happy Horse 1.0 es un modelo de generación de vídeo que crea clips de audio y vídeo sincronizados con sincronización labial precisa, habla multilingüe, movimiento realista y movimientos de cámara controlados por indicaciones.
¿La API de Happy Horse 1.0 admite entradas de texto e imagen?
Sí. Se puede generar a partir de una solicitud de texto o animar una URL de imagen, por lo que tanto los flujos de trabajo basados en scripts como los basados en recursos se ejecutan a través del mismo modelo.
¿Cómo funciona el audio y la sincronización labial?
El habla y el sonido se generan junto con el vídeo y se alinean con el movimiento de la boca, de modo que las palabras del sujeto coinciden con sus labios en lugar de necesitar una sincronización por separado.
¿Qué resoluciones y duraciones de clip están disponibles?
Happy Horse 1.0 ofrece salida en 720P o 1080P y admite clips de entre 3 y 15 segundos de duración, que se pueden seleccionar de uno en uno según la solicitud.
¿Puede producir vídeo en varios idiomas?
Sí. Los mensajes escritos en diferentes idiomas generan una salida hablada coincidente para anuncios localizados, herramientas de doblaje y variantes específicas de cada región.
¿Por qué ejecutar Happy Horse 1.0 a través de la API de Pollo ?
La API de Pollo ofrece una integración para Happy Horse 1.0 y más de 300 modelos adicionales, con documentación, seguimiento de tareas y generación a menor coste.
