Альтернативы PixVerse для видео по фото и описанию — это сервисы, которые принимают изображение как первый кадр плюс текстовое описание и возвращают короткий ролик. По документации владельца PixVerse такой режим называется Image-to-Video и вызывается через эндпоинт /openapi/v2/video/img/generate, где первый кадр задаётся параметром img_id. Ниже — документированные кандидаты, таблица выбора, заполненный пример с товарной фотографией и карта проверки.
Общий вход и результат у кандидатов
Схема одинакова у всех разобранных сервисов: на вход идёт статичное изображение как опорный кадр и текстовое описание движения, на выходе получается короткий видеоролик. Различаются имена полей и то, как провайдер называет сам режим.
В документации PixVerse обычная генерация Image-to-Video требует img_id; для шаблонной задачи метаданные определяют поле и число изображений: img_id или упорядоченный список img_ids. Там же указано, что метаданные шаблона определяют поддерживаемые модель, длительность и качество, а сочетания у разных шаблонов различаются.
В документации MiniMax режим Image-to-Video описан как Prompt + first-frame image and/or last-frame image: первый кадр передаётся элементом content[] с role=first_frame. Без изображения тот же запрос превращается в Text-to-Video.
В документации Luma Agents режим называется Image-to-video, а первый кадр задаётся полем video.start_frame внутри объекта video. Там же отмечено, что start_frame и end_frame не поддерживаются вместе с duration: "10s".
Общий результат — файл MP4, который выдаётся по ссылке после завершения задачи. У MiniMax это content.url, у Luma Agents — presigned URL, живущий ограниченное время, поэтому скачивать результат стоит сразу.
Документированные режимы и имена полей
Сверка имён полей по первоисточникам — первый шаг, потому что одинаковые на вид режимы называются по-разному. Ниже сведены только те имена, которые подтверждены документацией соответствующего владельца.
PixVerse в документе Image-to-Video and Video Templates описывает эндпоинт /openapi/v2/video/img/generate и параметр img_id. В примере запроса рядом стоят duration, model, prompt, quality, generate_audio_switch и seed. Карта возможностей моделей PixVerse перечисляет V6 Max, C1, V6, V5.6 и V5, а строку Image-to-Video помечает как поддерживаемую у всех пяти.
MiniMax в документе Video Generation описывает модель MiniMax-H3 и четыре режима. Для Image-to-Video первый кадр — это элемент content[] с role=first_frame, соотношение сторон при этом определяется входным изображением. Там же указано, что для MiniMax-H3 нужно выбрать Pay-as-you-go API.
Luma Agents в документе Video generation описывает модель ray-3.2 и поле video.start_frame. Опорный кадр принимает форму ImageRef: публичный URL, inline base64 или file_id. Отдельно документирован мульти-кейфрейм через video.keyframes и video.keyframe_indexes с позициями в сетке кадров.
Важное различие: keyframes.frame0 из legacy Luma Ray 2 и video.start_frame из Luma Agents ray-3.2 — это разные интерфейсы, переносить параметры одного на другой нельзя. То же правило действует для API и пользовательского интерфейса: имена полей из документации относятся к API. Веб-панель может использовать другие названия элементов.
Таблица выбора под задачу
| Сервис и модель | Документированный режим | Поле первого кадра | Что учесть | Ограничение из документации |
|---|---|---|---|---|
| PixVerse (V6 Max, C1, V6, V5.6, V5) | Image-to-Video | img_id в /openapi/v2/video/img/generate |
Для шаблонов img_id или упорядоченный img_ids по метаданным шаблона. |
Метаданные шаблона задают модель, длительность и качество |
| MiniMax-H3 | Image-to-Video | content[] с role=first_frame |
Соотношение сторон берётся из изображения | Нужен Pay-as-you-go API |
| Luma Agents ray-3.2 | Image-to-video | video.start_frame |
Опорный кадр принимает URL, base64 или file_id |
start_frame и end_frame несовместимы с duration: "10s" |
Таблица помогает найти соответствующее поле в документации каждого API. Сравнение качества генерации требует отдельного прогона. Выбор зависит от того, есть ли у вас доступ к API нужного провайдера и готовы ли вы платить за учебную попытку.
Заполненный пример: коробка с надписью «МАКЕТ»
Возьмём фотографию бумажной коробки на нейтральном фоне. На боковой грани напечатано условное слово «МАКЕТ», свет ровный, бликов на надписи нет. Задача — оживить снимок, сохранив композицию, цвет и надпись.
Промпт для этого случая:
Оживи это изображение в короткий ролик. Сохрани композицию, цвет коробки и надпись «МАКЕТ» без изменений. Камера статична. Добавь только лёгкий световой блик, проходящий по поверхности. Не добавляй новых объектов, не меняй цвет и не поворачивай коробку.
Подставьте своё: [ваш предмет], [ваша надпись], [характер движения света]. Для учебной проверки движение коробки намеренно сведено к минимуму: это упрощает ручное сравнение с исходником, сохранность букв проверяется в готовом клипе.
Тот же промпт переносится на другие товарные снимки. Вариации задачи: бутылка с этикеткой и медленным поворотом света; упаковка с логотипом и лёгким дыханием фона; книга с названием на обложке и мягким бликом по корешку; банка с составом и неподвижной камерой; пакет с крупным шрифтом и бликом по фольге. В каждой вариации меняется только предмет и надпись, требование к статичной камере остаётся.
Карта preflight перед запуском
Перед платной генерацией проверьте исходник по трём зонам. Это дешёвая часть работы, которая отсеивает заведомо неудачные кадры.
Зона crop: надпись «МАКЕТ» целиком внутри кадра, ни одна буква не обрезана краем. Обрезка буквы делает приёмку невозможной, потому что проверять будет нечего.
Зона краёв: края коробки не касаются границ кадра. Когда предмет упирается в край, модель может достроить фон и исказить геометрию.
Зона текста: надпись контрастна и читается на исходнике. Мелкий или низкоконтрастный текст — редакционный риск приёмки: дрейф вероятнее, но измерить его заранее нельзя.
Режим генерации выбирается по задаче. Для одной фотографии с фиксированной камерой достаточно Image-to-Video с одним опорным кадром. Мульти-кейфрейм из документации Luma Agents пригодится, когда нужно провести движение по нескольким точкам, но для коробки это лишняя сложность.
Приёмка результата
Приёмка выполняется вручную. Надпись «МАКЕТ» должна читаться на протяжении всего клипа, включая промежуточные кадры между опорными точками. Проверка по первому и последнему кадру пропускает дрейф в середине.
Дальше сверяются три условия: коробка не меняет цвет, не поворачивается и в кадре не появилось новых объектов. Если хотя бы одно нарушено, ролик не подходит для точной карточки товара.
Гарантии сохранения надписи моделью нет. Такое условие приёмки вы задаёте самостоятельно. Выполнение требования нужно проверить в готовом клипе. Документация описывает параметры запроса и ограничения режимов, а поведение текста на промежуточных кадрах остаётся предметом ручной проверки.
Сценарий отказа и возврат к статике
Если буквы надписи дрейфуют, расплываются или меняют форму, результат не годится для точной карточки товара. Для этого учебного сценария после такого отказа предлагаем остановить платные попытки и перейти к ручной анимации исходника. Повторный запрос не даёт документированной гарантии сохранения надписи.
Разумный шаг — вернуться к статичному изображению с ручной анимацией. Блик, движение света или мягкий зум собираются в редакторе поверх исходного кадра, надпись остаётся ровно такой, какой была напечатана.
Учебный API-запрос может быть платным. Условия у каждого провайдера свои: MiniMax в документации прямо указывает Pay-as-you-go API для MiniMax-H3, у Luma Agents цена зависит от длительности, разрешения и динамического диапазона. Проверка кандидата до массового запуска может потребовать платной попытки, и обещать бесплатную проверку нельзя.
Частые вопросы
Что похоже на PixVerse для оживления фото?
Документированные варианты — MiniMax-H3 с режимом Image-to-Video и Luma Agents ray-3.2 с режимом Image-to-video. Оба принимают изображение как опорный кадр и текстовое описание. Имена полей различаются: content[] с role=first_frame у MiniMax и video.start_frame у Luma Agents.
Какой аналог PixVerse выбрать для товарной фотографии?
Сверьте документированный режим и поле первого кадра с вашей задачей. Для одной фотографии с фиксированной камерой хватает Image-to-Video с одним опорным кадром. Мульти-кейфрейм нужен, когда движение задаётся по нескольким точкам.
Как передать первый кадр в API?
У PixVerse первый кадр задаётся параметром img_id в эндпоинте /openapi/v2/video/img/generate. У MiniMax это элемент content[] с role=first_frame. У Luma Agents — поле video.start_frame, принимающее URL, base64 или file_id.
Сохранит ли модель надпись на упаковке?
Гарантии нет. Надпись проверяется вручную на протяжении всего клипа, включая промежуточные кадры. Если буквы дрейфуют или меняют форму, ролик не подходит для точной карточки товара.
Что делать, если текст на видео поплыл?
Вернуться к статичному изображению с ручной анимацией: блик или движение света собираются в редакторе поверх исходного кадра. Повторять платные генерации с тем же исходником смысла мало.