
Modelo de vídeo que oferece os modos Texto-para-Video, Imagem-para-Vídeo, Referência-para-Vídeo e Edição de Vídeo com alta fidelidade, movimento-saída.
Modelo de vídeo que oferece os modos Texto-para-Video, Imagem-para-Vídeo, Referência-para-Vídeo e Edição de Vídeo com alta fidelidade, movimento-saída.
Também conhecido como Alibaba Cloud HappyHorse 1.0, HappyHorse-1.0, happyhorse-1-0
happyhorse-1-0/v1/videos/generationsalibaba/happyhorse-1.0happyhorse-1.0Tarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você paga só pelo que usa, sem mínimo mensal.
HappyHorse 1.0 roda por POST /v1/videos/generations. A requisição retorna um job_id na hora; consulte GET /v1/jobs/{job_id} até o job terminar e leia as URLs de saída do resultado. Obtenha uma chave de API no painel EmpirioLabs.
curl https://api.empiriolabs.ai/v1/videos/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "happyhorse-1-0",
"prompt": "Describe what you want HappyHorse 1.0 to generate."
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/videos/generations",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "happyhorse-1-0",
"prompt": "Describe what you want HappyHorse 1.0 to generate.",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)Parâmetros de requisição suportados pela API HappyHorse 1.0 na EmpirioLabs. Os padrões valem quando um campo é omitido.
| Parâmetro | Tipo | Padrão | Intervalo / valores | Descrição |
|---|---|---|---|---|
| prompt | string | - | - | Descrição da cena. |
| mode | enum | auto | auto, t2v, i2v, videoedit, r2v | T2V: text-to-video. i2v: animar a imagem anexada. Vídeoedit: Edite o vídeo anexado. R2V: reference-to-video. |
| resolution | enum | 1080p | 720p, 1080p | Resolução de saída. Maior = maior fidelidade, mas mais lenta / mais cara. |
| duration | number | 5 | 3 a 15 | Duração do clipe em segundos. |
| aspect_ratio | enum | 16:9 | 16:9, 9:16, 1:1, 4:3, 3:4 | Proporção de aspecto de saída (1:1, 16:9, 9:16, 4:3, 3:2, etc.). |
| image | string | - | - | URL da imagem de referência. Necessário para i2v / r2v / edição de vídeo. |
| video | string | - | - | Consulte a URL do vídeo. Necessário para edição de vídeo / r2v. |
| seed | number | - | - | Semente de reprodutibilidade. |
| audio_setting | enum | auto | auto, origin | Auto: Gerar áudio nativo. Origem: Mantenha o áudio do vídeo de referência. |
| watermark | boolean | false | - | Adicione uma marca d'água 'HappyHorse' ao resultado. |
Modes (em um bot) - Text-to-video - Image-to-video - Reference-to-video - Video-to-video Edit (MP4/MOV /WEB input) Constraints - 720p / 1080p, 3-15s por geração - Edit duration coincide com o comprimento do vídeo de entrada Aspect ratios - Text modes: 16:9, 9:16, 1:1 - Reference mode adds: 4:3, 3:4 Uploaded media preprocessing - Video inputs are capped to 15 segundos. - Entradas de vídeo enviadas são normalizadas para MP4 compatível com o provedor quando necessário.
Na EmpirioLabs, HappyHorse 1.0 é cobrado por uso: Todos os Modos 720P $0.14 por segundo; Todos os Modos 1080P $0.24 por segundo. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.
HappyHorse 1.0 é servido por POST /v1/videos/generations em api.empiriolabs.ai com autenticação padrão por token Bearer.
Sim. O playground da EmpirioLabs executa HappyHorse 1.0 no navegador com os mesmos parâmetros que a API expõe, para você testar prompts antes de escrever código.
Crie uma conta EmpirioLabs e gere uma chave em API Keys no painel. A cobrança usa créditos pay-as-you-go, então você paga apenas pelas requisições que faz.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.