
Gerador de texto para imagem com IA
Crie imagens refinadas a partir de prompts com modelos líderes de imagem por IA, configurações flexíveis e um fluxo rápido baseado no navegador.
Crie vídeos guiados por referência via API Alibaba Happy Horse 1.1 com movimento controlado, desempenho estável e fluxos de trabalho de produção criativa escaláveis. Happy Horse AI de pesos abertos para geração flexível de referência para vídeo.
// 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"
| Parâmetros | Preço | Preço original | Desconto |
|---|
Happy Horse 1.1 Reference-to-Video API oferece geração de vídeo aprimorada da Alibaba para equipes que precisam de personagens, produtos, cenas e assets de marca consistentes em clipes gerados. Esta integração profissional de API reference-to-video usa imagens de referência como âncoras visuais e cria saídas de vídeo refinadas com maior consistência do sujeito, prompt following aprimorado e textura visual mais rica em comparação com Happy Horse 1.0. Criado para produção criativa escalável no Flaq AI, Happy Horse 1.1 Reference-to-Video é adequado para publicidade, short drama, e-commerce, workflows de personagens e pipelines de conteúdo multi-asset.
Nota Certifique-se de que seus prompts e imagens de referência sigam as diretrizes de segurança da Alibaba. Se ocorrer um erro, revise sua entrada para identificar conteúdo restrito, ajuste-a e tente novamente.
Happy Horse 1.1 Reference-to-Video vs. Happy Horse 1.0
Happy Horse 1.0 oferece suporte à geração prática de vídeo a partir de texto e imagem. Happy Horse 1.1 Reference-to-Video avança o workflow com grounding de referência mais forte, consistência do sujeito aprimorada, melhor prompt following e textura visual mais rica.
Happy Horse 1.1 Reference-to-Video vs. Seedance 2.0 Reference-to-Video
Seedance 2.0 Reference-to-Video oferece criação de vídeo guiada por referência da ByteDance. Happy Horse 1.1 Reference-to-Video enfatiza a compreensão multi-referência aprimorada da Alibaba e a consistência do sujeito para workflows de commerce, personagens e campanhas.
Happy Horse 1.1 Reference-to-Video vs. Kling Reference-to-Video
Os workflows de referência Kling são fortes para movimento expressivo de personagens. Happy Horse 1.1 se concentra em grounding visual consistente, melhor aderência ao prompt e integração API pronta para produção para equipes que precisam de saídas repetíveis.
Happy Horse 1.1 Reference-to-Video vs. Runway Video Tools
Runway oferece controles de vídeo amplos voltados a criadores. Happy Horse 1.1 Reference-to-Video API é mais adequado para geração programática, automação criativa multi-referência e produção escalável dentro de aplicações.
Happy Horse 1.1 Reference-to-Video vs. Pika
Pika oferece geração de vídeo acessível para criadores. Happy Horse 1.1 Reference-to-Video fornece um caminho API mais orientado à produção para clipes consistentes guiados por referência, reutilização visual segura para marca e sistemas criativos automatizados.
Explore várias ferramentas de criação com IA para fluxos rápidos de imagem e vídeo no navegador, depois escale ideias bem-sucedidas com as APIs de modelos prontas para produção da Flaq AI. A Flaq AI fornece uma camada de API unificada para todos os modelos, facilitando o uso e a escala dos seus fluxos.

Crie imagens refinadas a partir de prompts com modelos líderes de imagem por IA, configurações flexíveis e um fluxo rápido baseado no navegador.

Envie uma imagem de referência, oriente edições com prompts e transforme visuais para design, marketing e produção criativa.

Transforme ideias de cena escritas em vídeos curtos de IA com seleção de modelo, prompts de movimento e controles práticos de geração.

Anime imagens de referência em clipes de vídeo de IA suaves para produtos, retratos, posts sociais e conceitos criativos.