minimax-h3/reference-to-video
Gere vídeo 768p ou 2K a partir de referências de imagem, vídeo e áudio
LTX 2.5 Fast Audio To Video cria um clipe cujo tempo de imagem segue uma base de áudio fornecida – diálogo, música ou SFX – em um modo com velocidade otimizada. Carregue o áudio (2 a 20 segundos), opcionalmente adicione uma imagem inicial e um prompt e gere o vídeo 1080p alinhado à trilha. Use as páginas rápidas de texto para vídeo ou imagem para vídeo quando não estiver cortando o áudio.
| Vantagem | O que isso significa para você |
|---|---|
| Tempo conduzido por áudio | A duração e o fraseado da imagem seguem o clipe enviado – útil para anúncios musicais, curtas de VO e anúncios com faixa bloqueada. |
| Âncora visual opcional | Adicione uma imagem inicial para bloquear a identidade ou a aparência do produto; omita-o e confie apenas no prompt. |
| Prévias rápidas | Modo focado na velocidade para iterar ideias de corte antes de uma renderização final mais pesada em outro lugar. |
| Controles de entrega simples | Proporção auto / 16:9 / 9:16, além de escala de orientação para reforçar a adesão imediata. |
Controles nesta página LTX 2.5 Fast Audio To Video:
| Parâmetro | Obrigatório | Tipo | Padrão | Gama / Opções | Como escolher |
|---|---|---|---|---|---|
audio_url* | Sim (*) | URL de áudio | Exemplo de clipe | MP3, OGG, WAV, M4A, AAC; 2–20 segundos | Use uma cama limpa; o comprimento de saída segue este clipe. |
image_url | Não | URL da imagem | — | JPG, JPEG, PNG, WEBP, GIF, AVIF | Identidade ou produto âncora; deixe em branco para visualização somente imediata. |
aviso | Condicional | Corda | Exemplo de prompt | Até 5.000 caracteres | Obrigatório quando nenhuma imagem é fornecida; descreva o movimento sincronizado com o áudio. |
guidance_scale | Não | Número | 5 | 1–50 | Valores mais altos seguem o prompt com mais precisão (o padrão é próximo a 9 quando uma imagem está presente no lado do provedor). |
aspect_ratio | Não | Corda | auto | auto, 16:9, 9:16 | auto segue a imagem quando presente; caso contrário, o padrão é 16:9. |
*Campo obrigatório. Duração e resolução não são expostas aqui: a duração segue o áudio; a geração é cobrada em 1080p.
LTX 2.5 Fast Audio To Video é cobrado por segundo de áudio de entrada em 1080p:
| Áudio de entrada | Preço de US$ 0,14/s |
|---|---|
| 5s | US$ 0,70 |
| 10s | US$ 1,40 |
| 15 anos | US$ 2,10 |
| 20 anos | US$ 2,80 |
Para lotes, total ≈ audio_seconds × $0,14 × contagem de saída.
Dicas para LTX 2.5 Fast Audio To Video:
guidance_scale somente se o prompt estiver sendo ignorado.Exemplo de prompt aprimorado
> Um vocalista de gola alta preta canta em um microfone de fita vintage em uma cabine escura, com fones de ouvido. Luz lateral suave, push-in lento combinando com o fraseado vocal. Realismo de estúdio limpo, sem texto, sem marca d’água.
Gere vídeo 768p ou 2K a partir de referências de imagem, vídeo e áudio
Anime uma imagem inicial com o Hailuo 02 Pro usando um prompt para criar um vídeo de seis segundos.
Gere vídeos cinematográficos com controle preciso e som realista
Crie vídeos envolventes a partir de imagens com som sincronizado
Transforme um prompt em vídeo curto, com duração, proporção e geração de áudio configuráveis.
Gere músicas de até 4 minutos, com vocais e letras, a partir de tags de texto.
LTX 2.5 Fast Audio To Video gera vídeo cronometrado para um clipe de áudio fornecido. Ele se encaixa em curtas musicais, teasers de diálogos, comerciais de voz e anúncios vinculados a uma faixa quando a imagem deve seguir o som.
É necessário um URL de áudio (2 a 20 segundos; MP3, WAV, M4A, AAC ou OGG). Uma imagem inicial opcional pode bloquear a identidade e um prompt descreve o movimento; o prompt será necessário se você não fornecer uma imagem.
A geração é cobrada e entregue em 1080p nesta página. A duração do clipe segue a duração do áudio de entrada, em vez de um controle de duração separado. A proporção pode ser auto, 16:9 ou 9:16.
A escala de orientação (1–50, padrão 5) controla a precisão com que o resultado segue o prompt. Aumente gradualmente se o texto estiver sendo ignorado; valores muito altos podem parecer excessivamente restritos.
Sim. Adicione um image_url opcional como o primeiro quadro para estabilizar a identidade da face, do produto ou da embalagem enquanto o áudio controla o tempo. Sem uma imagem, confie em um prompt claro.
Sim. Configure uma execução na UI da Web RunComfy e, em seguida, chame o mesmo modelo LTX 2.5 Fast Audio To Video por meio de HTTP API com parâmetros idênticos para automation.
Em 1080p, o faturamento é de US$ 0,14 por segundo de áudio de entrada. Por exemplo, 10 segundos de áudio custam US$ 1,40 por saída. As gerações consomem USD/créditos; novos usuários normalmente recebem um valor de teste gratuito.
Escolha LTX 2.5 Fast Audio To Video quando uma base musical, VO ou diálogo finalizada precisar definir o tempo de corte. Use a conversão rápida de texto em vídeo quando você ainda estiver inventando som e imagem juntos a partir de um prompt.
RunComfy é a principal ComfyUI plataforma, oferecendo ComfyUI online ambiente e serviços, juntamente com fluxos de trabalho do ComfyUI apresentando visuais impressionantes. RunComfy também oferece AI Models, permitindo que artistas utilizem as mais recentes ferramentas de AI para criar arte incrível.
