
Generador de IA de texto a imagen
Crea imágenes pulidas desde prompts con modelos líderes de imagen con IA, ajustes flexibles y un flujo rápido basado en navegador.
Crea videos guiados por referencia con Alibaba Happy Horse 1.1 API, movimiento controlado, rendimiento estable y flujos de producción creativa escalables. Happy Horse AI de pesos abiertos para generación flexible de referencia a video.
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'happyhorse-1.1-reference-to-video',
prompt: 'Subject moves naturally while preserving reference style and appearance',
duration: 5,
resolution: '1080p',
aspect_ratio: '16:9',
images: [
'https://example.com/ref-1.jpg',
'https://example.com/ref-2.jpg'
],
seed: 42
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
// Placeholder numbering is 1-based and follows the images array order:
// <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
const mediaReferenceResponse = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'happyhorse-1.1-reference-to-video',
prompt: 'Show the person from <<<image_1>>> walking beside the bicycle from <<<image_2>>> through the street in <<<image_3>>>, preserving all reference details',
duration: 5,
resolution: '1080p',
aspect_ratio: '16:9',
images: [
'https://example.com/person-reference.jpg',
'https://example.com/bicycle-reference.jpg',
'https://example.com/street-reference.jpg'
],
seed: 42
})
});
const { data: mediaReferenceData } = await mediaReferenceResponse.json();
const mediaReferenceTaskId = mediaReferenceData.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/video/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.videos[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'happyhorse-1.1-reference-to-video',
'prompt': 'Subject moves naturally while preserving reference style and appearance',
'duration': 5,
'resolution': '1080p',
'aspect_ratio': '16:9',
'images': [
'https://example.com/ref-1.jpg',
'https://example.com/ref-2.jpg'
],
'seed': 42
}
)
result = response.json()
task_id = result['data']['task_id']
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based and follows the images array order:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
media_reference_response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'happyhorse-1.1-reference-to-video',
'prompt': 'Show the person from <<<image_1>>> walking beside the bicycle from <<<image_2>>> through the street in <<<image_3>>>, preserving all reference details',
'duration': 5,
'resolution': '1080p',
'aspect_ratio': '16:9',
'images': [
'https://example.com/person-reference.jpg',
'https://example.com/bicycle-reference.jpg',
'https://example.com/street-reference.jpg'
],
'seed': 42
}
)
media_reference_result = media_reference_response.json()
media_reference_task_id = media_reference_result['data']['task_id']
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/video/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['videos'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "happyhorse-1.1-reference-to-video",
"prompt": "Subject moves naturally while preserving reference style and appearance",
"duration": 5,
"resolution": "1080p",
"aspect_ratio": "16:9",
"images": ["https://example.com/ref-1.jpg", "https://example.com/ref-2.jpg"],
"seed": 42
}'
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based and follows the images array order:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "happyhorse-1.1-reference-to-video",
"prompt": "Show the person from <<<image_1>>> walking beside the bicycle from <<<image_2>>> through the street in <<<image_3>>>, preserving all reference details",
"duration": 5,
"resolution": "1080p",
"aspect_ratio": "16:9",
"images": [
"https://example.com/person-reference.jpg",
"https://example.com/bicycle-reference.jpg",
"https://example.com/street-reference.jpg"
],
"seed": 42
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/video/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
| Parámetros | Precio | Precio original | Descuento |
|---|
Happy Horse 1.1 Reference-to-Video API ofrece generación de video mejorada de Alibaba para equipos que necesitan personajes, productos, escenas y recursos de marca consistentes en distintos clips generados. Esta integración profesional de API reference-to-video utiliza imágenes de referencia como anclajes visuales y crea salidas de video pulidas con mayor consistencia del sujeto, seguimiento de prompts mejorado y textura visual más rica que Happy Horse 1.0. Creado para producción creativa escalable en Flaq AI, Happy Horse 1.1 Reference-to-Video es ideal para publicidad, drama corto, e-commerce, flujos de personajes y pipelines de contenido con múltiples recursos.
Nota Asegúrate de que tus prompts e imágenes de referencia cumplan las directrices de seguridad de Alibaba. Si se produce un error, revisa tu entrada para detectar contenido restringido, ajústala y vuelve a intentarlo.
Happy Horse 1.1 Reference-to-Video vs. Happy Horse 1.0
Happy Horse 1.0 admite generación práctica de video desde texto e imagen. Happy Horse 1.1 Reference-to-Video hace avanzar el flujo con anclaje de referencia más sólido, consistencia del sujeto mejorada, mejor seguimiento de prompts y textura visual más rica.
Happy Horse 1.1 Reference-to-Video vs. Seedance 2.0 Reference-to-Video
Seedance 2.0 Reference-to-Video ofrece creación de video guiada por referencias de ByteDance. Happy Horse 1.1 Reference-to-Video enfatiza la comprensión multi-referencia mejorada de Alibaba y la consistencia del sujeto para comercio, personajes y flujos de campaña.
Happy Horse 1.1 Reference-to-Video vs. Kling Reference-to-Video
Los flujos de referencia de Kling son sólidos para movimiento expresivo de personajes. Happy Horse 1.1 se centra en anclaje visual consistente, mejor adherencia al prompt e integración API lista para producción para equipos que necesitan salidas repetibles.
Happy Horse 1.1 Reference-to-Video vs. Runway Video Tools
Runway ofrece controles de video amplios orientados a creadores. Happy Horse 1.1 Reference-to-Video API es más adecuado para generación programática, automatización creativa multi-referencia y producción escalable dentro de aplicaciones.
Happy Horse 1.1 Reference-to-Video vs. Pika
Pika ofrece generación de video accesible para creadores. Happy Horse 1.1 Reference-to-Video proporciona una ruta API más orientada a producción para clips consistentes guiados por referencias, reutilización visual segura para marca y sistemas creativos automatizados.
Explora varias herramientas de creación con IA para flujos rápidos de imagen y video en tu navegador, luego escala las ideas exitosas con las API de modelos listas para producción de Flaq AI. Flaq AI proporciona una capa API unificada para todos los modelos, lo que facilita usar y escalar tus flujos.

Crea imágenes pulidas desde prompts con modelos líderes de imagen con IA, ajustes flexibles y un flujo rápido basado en navegador.

Sube una imagen de referencia, guía las ediciones con prompts y transforma visuales para diseño, marketing y producción creativa.

Convierte ideas de escenas escritas en videos cortos con IA, selección de modelos, prompts de movimiento y controles prácticos de generación.

Anima imágenes de referencia en clips de video con IA fluidos para productos, retratos, publicaciones sociales y conceptos creativos.