Einführung
Referenz zu Video mit MiniMax H3 HighSpeed baut um die mitgegebenen Dateien einen 768p-Clip von 4 bis 15 Sekunden mit Ton: Bilder für Personen und Orte, Videoclips für Bewegung, Audio für eine Stimme. Referenzbasiertes Arbeiten passt zu einer Stufe für tägliche Inhalte, probieren Sie es also zuerst, wenn Gesicht, Outfit oder Ort von Beitrag zu Beitrag gleich bleiben müssen.
Modus nach Ausgangsmaterial wählen
| Was Sie haben | Modus |
|---|---|
| nur eine Idee | MiniMax H3 HighSpeed Text zu Video |
| ein Standbild zum Animieren, optional mit Endbild | MiniMax H3 HighSpeed Bild zu Video |
| Personen, Outfits, Orte, Bewegungsclips oder Stimmen | MiniMax H3 HighSpeed Referenz zu Video |
Wichtige Funktionen und Highlights
Bis zu 15 Referenzen
Eine Anfrage nimmt 9 Bilder, 3 Videoclips und 3 Audioclips auf. Jede Datei kann eine eigene Aufgabe übernehmen: eine Person, ein Outfit, einen Raum, eine Bewegung oder eine Stimme.
Im Prompt benennen
Nennen Sie jede Datei im Prompt als Image 1, Video 1 oder Audio 1, etwa „die Frau aus Image 1 mit der Bewegung aus Video 1“. Die Nummern folgen der Reihenfolge der gesendeten Listen.
Abrechnung nach den Eingaben
Sekunden von Referenzvideos zählen zum Ausgabepreis, Bilder ab dem sechsten kosten einen kleinen Aufschlag, Audio ist kostenlos. Alles Übrige läuft zum üblichen Sekundenpreis.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Pflicht. Erlaubt sind 1 bis 7.000 Zeichen, längere Eingaben werden abgelehnt. mindestens 1 Zeichen · höchstens 7000 Zeichen |
reference_image_urls | Nein | Bis zu 9 Bilder, in Listenreihenfolge für den Prompt nummeriert (Image 1, Image 2 usw.). mindestens 1 Einträge · höchstens 9 Einträge |
reference_video_urls | Nein | Bis zu 3 Clips von je 2 bis 15 Sekunden, zusammen höchstens 15 Sekunden, ansprechbar als Video 1, Video 2 und Video 3. Ihre Sekunden werden zum Ausgabepreis berechnet. mindestens 1 Einträge · höchstens 3 Einträge |
reference_audio_urls | Nein | Bis zu 3 WAV- oder MP3-Dateien, die eine Stimme oder einen Klang vorgeben, kostenlos. mindestens 1 Einträge · höchstens 3 Einträge |
aspect_ratio | Nein | Bildformat: standardmäßig 16:9, alternativ 9:16, 1:1, 4:3, 3:4 oder 21:9. Hat keinen Einfluss auf den Preis. |
resolution | Nein |
|
duration_seconds | Nein | Eine ganze Zahl von 4 bis 15 (Standard 5); jede Sekunde wird zum 768p-Preis berechnet. Eine Anfrage über 4 Sekunden kam als Clip von 3,75 Sekunden zurück. |
Preis
Bezahlt wird jede Sekunde des fertigen Clips in 768p. Referenzvideo fügt seine eigenen Sekunden zum selben Preis hinzu, die ersten 5 Referenzbilder sind enthalten, spätere Bilder kosten einen kleinen Aufschlag, Audio ist kostenlos. Den aktuellen Preis zeigt die Modellseite.
| Spezifikation | Preis |
|---|---|
| $0.072 / Sekunde |
Anwendungsfälle
Szenen aus getrennten Dateien
Senden Sie ein Porträt, ein Outfitfoto und ein Bild eines Raums als drei Bilder und fügen Sie einen Stimmclip als Audio 1 hinzu, wenn die Figur spricht. Das Ergebnis zeigt diese Person in dieser Kleidung an diesem Ort.
Dieselbe Figur über mehrere Clips
Verwenden Sie in jeder Anfrage dasselbe Porträt als Image 1, dann bleiben Gesicht und Outfit über Beiträge hinweg erhalten, während sich die Szene ändert. So bleiben wiederkehrende Figuren und virtuelle Moderatoren wiedererkennbar.
Eine Bewegung übernehmen
Geben Sie einen kurzen Clip als Video 1 mit und bitten Sie um dessen Bewegung mit der Person aus Image 1, etwa für einen Tanz, eine Geste oder eine Kamerabewegung. Halten Sie den Clip kurz und sauber, denn seine Sekunden werden berechnet.
Prompt-Leitfaden und Praxistipps
Eine Aufgabe pro Referenz
Legen Sie fest, ob eine Datei Identität, Ort, Kamerabewegung oder Stimme liefert, und nennen Sie sie nach Typ und Nummer. Beginnen Sie mit einem Motiv und einer Handlung und fügen Sie danach die übrigen Referenzen hinzu.
Audio braucht ein Bild
Senden Sie zu einem Audioclip immer mindestens ein Bild oder Video mit. Setzen Sie jeden genauen Wortlaut in doppelte Anführungszeichen, nennen Sie die sprechende Person und prüfen Sie im Ergebnis Stimme, Timing und Handlung zusammen.
Referenzvideo zuerst kürzen
Kürzen Sie den Clip auf den kürzesten Ausschnitt, der die gewünschte Bewegung zeigt; insgesamt werden bis zu 15 Sekunden angenommen, und alle werden berechnet. Entfernen Sie Vorspann und nennen Sie im Prompt, welche Handlung übernommen werden soll.
Bezahlt wird jede Sekunde des fertigen Clips in 768p. Referenzvideo fügt seine eigenen Sekunden zum selben Preis hinzu, die ersten 5 Referenzbilder sind enthalten, spätere Bilder kosten einen kleinen Aufschlag, Audio ist kostenlos. Den aktuellen Preis zeigt die Modellseite.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-highspeed/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
















