
Générateur IA texte vers image
Créez des images soignées à partir de prompts avec des modèles d'image IA de premier plan, des réglages flexibles et un workflow rapide dans le navigateur.
Créez des vidéos guidées par référence via Alibaba Happy Horse 1.1 API avec mouvement contrôlé, performances stables et workflows de production créative évolutifs. Happy Horse AI à poids ouverts pour une génération référence-vers-vidéo flexible.
// 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"
| Paramètres | Prix | Prix d’origine | Remise |
|---|
Happy Horse 1.1 Reference-to-Video API offre une génération vidéo Alibaba améliorée aux équipes qui ont besoin de personnages, produits, scènes et ressources de marque cohérents dans les clips générés. Cette intégration d'API reference-to-video professionnelle utilise des images de référence comme ancrages visuels, puis crée des sorties vidéo soignées avec une cohérence du sujet plus forte, un suivi des prompts amélioré et une texture visuelle plus riche que Happy Horse 1.0. Conçu pour la production créative évolutive sur Flaq AI, Happy Horse 1.1 Reference-to-Video convient bien à la publicité, aux dramas courts, à l'e-commerce, aux workflows de personnages et aux pipelines de contenu multi-ressources.
Remarque Assurez-vous que vos prompts et images de référence respectent les consignes de sécurité d'Alibaba. En cas d'erreur, vérifiez votre entrée pour détecter du contenu restreint, ajustez-la, puis réessayez.
Happy Horse 1.1 Reference-to-Video vs. Happy Horse 1.0
Happy Horse 1.0 prend en charge une génération vidéo pratique à partir de texte et d'image. Happy Horse 1.1 Reference-to-Video fait progresser le workflow avec un ancrage de référence plus fort, une cohérence du sujet améliorée, un meilleur suivi des prompts et une texture visuelle plus riche.
Happy Horse 1.1 Reference-to-Video vs. Seedance 2.0 Reference-to-Video
Seedance 2.0 Reference-to-Video fournit une création vidéo guidée par références de ByteDance. Happy Horse 1.1 Reference-to-Video met l'accent sur la compréhension multi-références améliorée d'Alibaba et la cohérence du sujet pour commerce, personnages et workflows de campagne.
Happy Horse 1.1 Reference-to-Video vs. Kling Reference-to-Video
Les workflows de référence Kling sont solides pour les mouvements expressifs de personnages. Happy Horse 1.1 se concentre sur l'ancrage visuel cohérent, une meilleure adhérence au prompt et une intégration API prête pour la production pour les équipes qui ont besoin de sorties répétables.
Happy Horse 1.1 Reference-to-Video vs. Runway Video Tools
Runway fournit de larges contrôles vidéo orientés créateurs. Happy Horse 1.1 Reference-to-Video API convient mieux à la génération programmatique, à l'automatisation créative multi-références et à la production évolutive dans les applications.
Happy Horse 1.1 Reference-to-Video vs. Pika
Pika offre une génération vidéo accessible aux créateurs. Happy Horse 1.1 Reference-to-Video propose une voie API plus orientée production pour des clips cohérents guidés par références, une réutilisation visuelle sûre pour la marque et des systèmes créatifs automatisés.
Explorez plusieurs outils de création IA pour des workflows rapides d'image et de vidéo dans votre navigateur, puis faites évoluer les idées réussies avec les API de modèles prêtes pour la production de Flaq AI. Flaq AI fournit une couche d'API unifiée pour tous les modèles, afin de faciliter l'utilisation et la mise à l'échelle de vos workflows.

Créez des images soignées à partir de prompts avec des modèles d'image IA de premier plan, des réglages flexibles et un workflow rapide dans le navigateur.

Importez une image de référence, guidez les modifications avec des prompts et transformez des visuels pour le design, le marketing et la production créative.

Transformez des idées de scènes écrites en courtes vidéos IA avec sélection de modèle, prompts de mouvement et contrôles pratiques de génération.

Animez des images de référence en clips vidéo IA fluides pour produits, portraits, publications sociales et concepts créatifs.