MiniMax H3 LoRA API

MiniMax H3 LoRA Referenz-zu-Video baut eine Einstellung aus Ihrem Referenzmaterial und bis zu drei eigenen LoRA-Dateien auf dem Open-Weight-Modell MiniMax H3. Schicken Sie bis zu neun Bilder, drei Clips und drei Audioclips, sprechen Sie sie im Prompt per Nummer an und erhalten Sie eine MP4 von 3 bis 15 Sekunden mit Stereotonspur in 480p, 540p, 768p oder 1080p, in einem von sieben Seitenverhältnissen.

Modus nach dem Ausgangsmaterial wählen

Drei Arten von Referenz in einer Anfrage

Bilder legen ein Gesicht, ein Outfit oder einen Raum fest. Clips tragen Bewegung, Tempo und Kameraführung, und ihre Tonspuren kommen automatisch mit. Audioclips geben eine Stimme, einen Beat oder einen Raumton vor. Sprechen Sie sie als Picture 1, Video 1 und Audio 1 an, damit jede Eingabe eine klare Aufgabe hat.

LoRAs und Referenzen zusammen

Eine Figuren-LoRA und Referenzbilder derselben Person halten die Identität besser als jedes für sich. Legen Sie eine Stil-LoRA mit niedrigerem scale dazu, und die ganze Einstellung übernimmt Ihren Look, ohne das Motiv zu verlieren.

Unzensiert über alle Eingaben

Referenzbilder werden so akzeptiert, wie sie sind, was sie auch zeigen. Mit einem für die stärksten Inhalte gebauten LoRA und unserem stärksten Prompt wurde die Einstellung mit dem referenzierten Motiv wie geschrieben gerendert, und die Tonspur kam in derselben Datei zurück.

Eine wiederkehrende Figur in neuen Szenen

Behalten Sie dieselben zwei oder drei Standbilder Ihrer Figur, laden Sie ihre LoRA und ändern Sie zwischen den Einstellungen nur die Zeilen für Schauplatz und Handlung. Jede neue Szene startet mit derselben Identität, statt sie neu auszuwürfeln.

Eine Bewegung aus einem Clip übernehmen

Schicken Sie einen kurzen Clip des Tanzes, des Kampfmoments oder der Kamerafahrt, die Sie wollen, dazu ein Standbild der neuen Person, und beschreiben Sie den neuen Schauplatz. Schreiben Sie ausdrücklich, dass die Person aus dem Bild kommt und nur die Bewegung aus dem Clip: In unserem Test brachte das Weglassen dieses Satzes die Tänzerin aus dem Clip gleich mit. Halten Sie den Clip kurz, denn seine Sekunden werden wie Ausgabesekunden abgerechnet.

Eine Stimme unter das Bild legen

Geben Sie einen Stimm- oder Musikclip als Audio 1 dazu und sagen Sie dem Modell, wer spricht oder wozu sich die Szene bewegt. Schneller kommen Sie nicht zu einem gesprochenen Satz in einer Stimme, die Sie schon haben.

# 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-lora/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": "480p",
    "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.