MiniMax H3 Image LoRA vs. Video LoRA: Welche Aufgabe erzeugt das erste Frame?

MiniMax H3 Image LoRA erzeugt ein Standbild; MiniMax H3 LoRA erzeugt ein Video. Beide nutzen dasselbe H3-Modell mit offenen Gewichten und akzeptieren dieselben LoRA-Dateien, sodass Sie eine Figur oder einen Look auf günstigen Standbildern festlegen und dieselbe loras-Einstellung in den Clip übernehmen können. Nutzen Sie den Standbild-Schritt, wenn Sie das erste Frame erstellen oder korrigieren müssen; wenn Sie das Frame bereits haben, gehen Sie direkt zu Bild-zu-Video. Auf Grundlage unserer Tests vom September 2026 sind beide Routen unzensiert, mit einer Abweichung bei Bild-zu-Video, die unten behandelt wird.

Für einen Vergleich der vier H3-Videofamilien (reguläres H3, Spicy, LoRA, Singularity) siehe den H3-Versionsleitfaden. Diese Seite behandelt, wie Standbild und Clip zusammengehören.

Welche Aufgabe für welche Arbeit

Beide Standbild-Aufgaben und alle drei Video-Aufgaben akzeptieren bis zu drei LoRA-Einträge, jeder ein .safetensors-Link plus eine Stärke von 0 bis 4, ohne Aufpreis für das Laden. Wenn Sie gar kein LoRA verwenden, kostet das Basis-H3 Bild-zu-Video weniger ($0.037 pro Sekunde bei 768p), hat aber kein loras-Feld.

Probieren Sie es im Playground. Bleiben Sie im Tab Playground, in der Ansicht Form, und melden Sie sich zum Ausführen an.

1. Öffnen Sie die H3 Image LoRA Text-zu-Bild-Seite, schreiben Sie den Prompt (Triggerwort zuerst, falls das LoRA eines hat) und wählen Sie 1k unter Resolution.
2. Unter Style LoRAs fügen Sie den direkten Dateilink in LoRA file ein, setzen Sie Strength und drücken Sie Add item für bis zu drei. Setzen Sie einen Seed, damit Sie die Stärken vergleichen können. Beginnen Sie mit einem LoRA und notieren Sie Dateilink und Stärke zusammen mit dem Frame.
3. Drücken Sie Run model und wiederholen Sie, bis das Frame stimmt.
4. Öffnen Sie die H3 LoRA Bild-zu-Video-Seite, fügen Sie das freigegebene Standbild unter Input image hinzu, fügen Sie dieselben LoRA-Einträge ein, setzen Sie Resolution auf 480p und Duration auf 3 Sekunden, und beschreiben Sie die Handlung in Prompt. Prüfen Sie die Preisschätzung und starten Sie dann.

Dann aus dem Code ausführen

Installieren Sie das Python-SDK (pip install spicyapi) und setzen Sie SPICY_API_KEY. Damit entsteht das Standbild; der LoRA-Link ist derselbe direkte Dateilink wie im Playground.

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY
loras = [{"path": "https://huggingface.co/KennethFal/vh5tape-vhs-lora-minimax-h3/resolve/d25a4ab75aba899aa508220321525c8465ac11af/vh5tape.safetensors", "scale": 0.8}]
still = client.create_task(
    model="minimax/h3-image-lora/text-to-image",
    input_data={"prompt": "vh5tape, a woman in a red coat on a rainy city street at night, neon reflections", "resolution": "1k", "seed": 42, "loras": loras},
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)
print(output_assets(client.wait_for_terminal(still["taskId"]))[0]["url"])

Für den Clip senden Sie das freigegebene Standbild als image_url mit denselben loras an minimax/h3-lora/image-to-video (resolution 480p, duration_seconds 3). Die vollständige SDK-Nutzung steht in der Python-SDK-Dokumentation.

Oder lassen Sie einen Agenten laufen. Mit der CLI legen Sie dasselbe input in input.json und führen spicyapi tasks create --model minimax/h3-image-lora/text-to-image --input-file input.json --wait aus. Mit dem MCP-Server ruft Ihr Assistent spicyapi_task_create auf und bittet Sie, den Preis zu bestätigen. npx skills add spicyapi-ai/spicy-skill installiert den Agent Skill, sodass ein Coding-Assistent das Live-Schema liest, statt Felder zu raten.

Konzeptillustration: Frame zuerst auf Standbildern freigeben; die Bewegung kommt danach.

Was vom Standbild in den Clip übergeht

Dieselbe LoRA-Datei mit derselben Stärke funktioniert in beiden. Charakter- und Stil-LoRAs sind auf einem einzelnen Frame deutlich sichtbar, ein Standbild zeigt Ihnen also, ob Sie das richtige Gesicht oder den richtigen Look haben. Bewegungs- und Kamera-LoRAs lassen sich auf einem Standbild nicht beurteilen, weil ein Frame keine Bewegung hat; testen Sie sie an einem kurzen Clip.

Die Stärke unterscheidet sich je nach Stufe. Auf Standbildern starten Sie Stil-LoRAs bei 0.7 bis 1 und halten sie moderat, wenn die Identität wichtig ist, da ein starkes Stil-LoRA Gesichter zu seinen Trainingsdaten ziehen kann. Bei Bild-zu-Video starten Sie Konzept-LoRAs bei 0.6 bis 0.8: bei 1 können sie den Clip von Ihrem Frame wegziehen. Wenn ein Clip driftet, senken Sie zuerst das stärkste LoRA, bevor Sie den Prompt neu schreiben.

Zwei Dateiregeln retten fehlgeschlagene Läufe. Verwenden Sie den direkten …/resolve/…-Link zur Weight-Datei, nicht die Hugging-Face-…/blob/…-Seite. Und ein …/resolve/main/…-Link folgt dem, was der Autor als Nächstes hochlädt, ersetzen Sie also main durch den Commit-Hash, wenn der Clip des nächsten Monats zu diesem passen soll. Verwenden Sie Weights, die für MiniMax H3 und die ausgeführte Aufgabe dokumentiert sind; Dateien für eine andere Modellfamilie werden möglicherweise als inkompatibel abgelehnt, statt stillschweigend geladen zu werden.

Ein veröffentlichtes H3 Image LoRA-Beispiel: ein Standbild mit filmreifer Beleuchtung.

Das Standbild für Bewegung vorbereiten

• Seitenverhältnis. Bild-zu-Video hat kein Seitenverhältnis-Feld; der Clip behält die Form Ihres Frames. Wählen Sie das Auslieferungsverhältnis, wenn Sie das Standbild erstellen. Referenz-zu-Video akzeptiert nur 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 und 9:21, bleiben Sie also in dieser Liste, wenn Sie Routen mischen.
• Auflösung. Ein 1k-Standbild ist etwa ein Megapixel, ungefähr ein 768p-Videoframe, das reicht für Entwürfe und die Auslieferung in 768p. Nutzen Sie 2k, wenn der Clip bei 1080p endet oder das Standbild selbst das Ergebnis ist.
• Bewegungsraum. Ein am Rand abgeschnittenes Motiv oder eine hinter einem Requisit versteckte Hand lässt dem Clip wenig zu arbeiten. Wenn die Handlung eine zweite Person braucht, setzen Sie sie ins Frame, statt sie durch Text einzuführen.
• Prompt für das, was als Nächstes passiert. Beschreiben Sie bei Bild-zu-Video die Handlung, die Kamera und den Ton, und beschreiben Sie das Bild nicht erneut. Ein Prompt, der das Motiv in eine andere Szene versetzt, arbeitet gegen den ersten Frame, besonders mit einem starken LoRA.
• Abschluss-Frame. Für eine geplante Enthüllung oder Endpose fügen Sie ein letztes Frame hinzu; der Clip bewegt sich vom ersten Bild dorthin.
• Referenzen. Zwei oder drei saubere Referenzen mit unterschiedlichen Aufgaben, etwa ein Porträt und ein Outfit, halten die Identität besser als neun überlappende, und jede Referenz nach der ersten erhöht den Bearbeitungspreis.

Inhalte für Erwachsene: Standbilder versus Bild-zu-Video

Auf der Inhaltsskala (L1 Andeutend, L2 Reife Themen, L3 Stark, L4 Intensiv, die intensivere intime Szene zwischen Erwachsenen, plus die L5a-Fessel- und L5b-Gore-Tests) hat H3 Image LoRA jede Klasse wie geschrieben geliefert, sowohl bei Text-zu-Bild als auch bei der Bearbeitung ohne geladenes LoRA, je drei Läufe. H3 LoRA Text-zu-Video und Referenz-zu-Video verhielten sich genauso. Bild-zu-Video war dasjenige, das zurücknahm: Auf L4 implizierten zwei von drei Läufen ohne LoRA die Szene, statt sie zu zeigen.

Mit einem geladenen Erwachsenen-LoRA wurde der L4-Test auf Text-zu-Video, Bild-zu-Video und Referenz-zu-Video sowie auf beiden Standbild-Routen wie geschrieben gerendert. Für ein intensives Frame, das Sie animiert haben wollen, laden Sie das Erwachsenen-LoRA auf die Bild-zu-Video-Anfrage, oder bauen Sie die Einstellung mit Referenz-zu-Video oder Text-zu-Video. Ein gut aussehendes freigegebenes Standbild garantiert nicht, dass der Clip die Inhalte behält, prüfen Sie also den Clip selbst.

Eine günstigere Reihenfolge der Arbeit

Ein Standbild wird pro Bild abgerechnet, ein Clip pro Sekunde. Fünf 1k-Standbilder kosten $0.21: weniger als ein 5-Sekunden-Clip bei 480p ($0.25) und weniger als die Hälfte des Preises desselben Clips bei 768p ($0.50).

1. Entwurf bei 1k mit festem Seed. Legen Sie Gesicht, Outfit und Licht fest und ändern Sie jeweils nur eine LoRA-Stärke. Führen Sie den Gewinner nur bei Bedarf erneut in 2k aus.
2. Bewegung am kleinsten Clip testen. Senden Sie das freigegebene Frame und dasselbe loras-Array an Bild-zu-Video mit 480p und 3 Sekunden. Prüfen Sie Anfang, Mitte und Ende auf Gesichtsdrift, Outfitänderungen, zusätzliche Personen und darauf, ob die verlangte Handlung abgeschlossen wird.
3. In der Auslieferungsauflösung abschließen. Behalten Sie dasselbe Frame, Seed und Prompt, wenn Sie auf 768p oder 1080p wechseln.
4. Fehler durch Entfernen eingrenzen. Wenn ein Clip mit drei LoRAs schiefgeht, halten Sie Seed und Prompt fest und entfernen Sie nacheinander einen Eintrag; der Lauf, der wieder funktioniert, zeigt auf den Adapter oder seine Wechselwirkung mit dem restlichen Stack.

Was wählen

Neues Frame: Text-zu-Bild. Eine Person aus einer Referenz behalten: Bearbeitung. Senden Sie dann das freigegebene Bild an H3 LoRA Bild-zu-Video. Nutzen Sie Referenz-zu-Video, wenn die Figur aus Referenzen statt aus einem ersten Frame kommen soll. Überspringen Sie den Standbild-Schritt, wenn Sie bereits ein Frame mit dem richtigen Motiv, der richtigen Komposition und den Rechten haben, wenn Sie kein LoRA verwenden (Basis-H3 Bild-zu-Video ist günstiger), oder wenn das Bild ein Poster ist, das sich nie bewegen wird. Die Rezensionen zu H3 Image LoRA und H3 LoRA enthalten die vollständigen Inhaltstests.