Zum Hauptinhalt springen

Unzensiert — Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.Alle Modelle dieser Filterstufe ansehen
minimax/h3-x/image-to-video

Bei H3 X legt image_url den Beginn fest, last_image_url optional den Schluss; Referenzsammlungen verwenden einen eigenen Endpunkt. Für H3 X wählen Sie 2–15 ganze Sekunden bei 24 fps; voreingestellt sind 5 Sekunden.

Ab $0.022/s
Modell ausführen

Playground

Eingabe

Bild zu Video
262/7000
H3 X benötigt 1–7.000 Zeichen für Handlung, Kamera und Ton; kennzeichnen Sie den zu sprechenden Text mit doppelten Anführungszeichen. mindestens 1 Zeichen · höchstens 7000 Zeichen
1/1

Dateien oder Medienlinks ablegen, einfügen oder auswählen · 1 Datei · Max. 10 MB · JPG · PNG · WEBP · GIF

  • 1
1 / 1 Dateien
Bei H3 X legt image_url den Beginn fest, last_image_url optional den Schluss; Referenzsammlungen verwenden einen eigenen Endpunkt.
0/1

Dateien oder Medienlinks ablegen, einfügen oder auswählen · 1 Datei · Max. 10 MB · JPG · PNG · WEBP · GIF

0 / 1 Dateien
Bei H3 X legt image_url den Beginn fest, last_image_url optional den Schluss; Referenzsammlungen verwenden einen eigenen Endpunkt.
preisrelevant
H3 X bietet 480p, standardmäßig 720p und 1080p; SpicyAPI-Ausschnitte zeigten bei 1920 x 1088 keinen sichtbaren Detailgewinn.
Dauerpreisrelevant
Für H3 X wählen Sie 2–15 ganze Sekunden bei 24 fps; voreingestellt sind 5 Sekunden. nicht kleiner als 2 · nicht größer als 15
Prompt-Erweiterung
Bei H3 X ist die Prompt-Erweiterung zunächst aus; aktiviert überarbeitet sie Ihre Anweisung vor der Generierung ohne Aufpreis.
SicherheitsfilterAus

SpicyAPI führt bei diesem Modell keinen Sicherheitsfilter aus. Prompt und Material gehen unverändert an das Modell, und das Modell selbst entscheidet über das Ergebnis.

Wir prüfen Ihr Konto, bevor Absenden und Preisberechnung freigeschaltet werden.

Ausgabe

Bereit für einen neuen Lauf
Beispielergebnis
Verlängern
Videoübersetzung
Videobearbeitung

Verwandte Modelle und nächste Schritte

Ihr Modell ist nicht dabei?

Sagen Sie uns, welches Modell fehlt und wofür Sie es brauchen. Ihre Anfrage geht direkt an das Team, das über die nächsten Modelle entscheidet.

Günstiges MiniMax-H3-Video mit gesprochenen Zeilen, getimten Einstellungen und bis zu 9 Referenzen

MiniMax H3 X ist eine günstigere, abgestimmte Version von MiniMax H3, die es nur auf SpicyAPI gibt, ab $0.022 pro Sekunde Video. Es ist keine offizielle MiniMax-Veröffentlichung. Drei Endpunkte erzeugen Clips von 2 bis 15 Sekunden in 480p, 720p oder 1080p mit Stereoton: Text zu Video, Bild zu Video aus einem Startbild mit optionalem Schlussbild und Referenz zu Video aus bis zu 9 Bildern, 2 Videoclips und 3 Sprachclips. Eine Zeile in doppelten Anführungszeichen wird gesprochen, und alle drei Endpunkte sind unzensiert. Die Inhaltsgrenzen sind etwas strenger als bei MiniMax H3, dafür ist jede Sekunde günstiger.

Playground öffnen
Günstiges MiniMax-H3-Video mit gesprochenen Zeilen, getimten Einstellungen und bis zu 9 Referenzen
Modell
Eine abgestimmte Version von MiniMax H3, seit dem 26. Oktober 2026 nur auf SpicyAPI; keine offizielle MiniMax-Veröffentlichung
Endpunkte
Text zu Video; Bild zu Video aus einem Startbild und optionalem Schlussbild; Referenz zu Video aus bis zu 9 Bildern, 2 Videoclips und 3 Sprachclips
Cliplänge
2 bis 15 ganze Sekunden bei 24 fps, Standard 5
Auflösung
480p, 720p (Standard) oder 1080p; Text und Referenz zu Video in 16:9, 9:16, 1:1, 4:3, 3:4 oder 21:9
Ton
Stereoton in jedem Clip; eine Zeile in doppelten Anführungszeichen wird gesprochen
Einstiegspreis
Ab $0.022 pro Sekunde Ausgabe in 480p; 720p und 1080p kosten mehr
Preis
MiniMax H3 für weniger GeldH3 X beginnt bei $0.022 pro Sekunde Ausgabe in 480p, den aktuellen Preis je Auflösung finden Sie auf der Modellseite. Ton und Prompt-Erweiterung sind im Sekundenpreis enthalten. Für Entwürfe gibt es H3 X Turbo, eine destillierte Version dieses Modells zu etwa dem halben Preis.
Dialog
Zeilen in Anführungszeichen kommen Wort für Wort zurückSchreiben Sie, was eine Person sagt, in doppelte Anführungszeichen. In unseren Sprache-zu-Text-Prüfungen kam die Zeile Wort für Wort zurück, mit passender Lippenbewegung, auch in einem Lauf mit Referenz-Sprachclip. Regen, Atmen und Musik folgen ebenfalls dem Prompt.
Inhalt
Unzensiert auf allen drei EndpunktenIn unseren Tests wurde keine Anfrage abgelehnt. Bild und Referenz zu Video lieferten eine intime Szene zwischen zwei Erwachsenen. Die Inhaltsgrenzen sind etwas strenger als bei MiniMax H3: Text zu Video schwächt einige NSFW-Szenen mit einer einzelnen Person oder mit männlichen Motiven ab; starten Sie dafür mit einem Bild oder mit Referenzen.

Arbeiten mit MiniMax H3 X

Vom Startbild aus beschreiben, was als Nächstes passiert

Vom Startbild aus beschreiben, was als Nächstes passiert

Unser Startbild zeigte eine Barkeeperin in einem rückenfreien schwarzen Samtkleid hinter einer Walnusstheke in einer schummrigen Vinyl-Lounge. Der Prompt beschrieb nur, was folgt: Sie stellt das Glas ab, lehnt sich über die Theke, stützt das Kinn in die Hand und flüstert "Last call.", darunter Plattenknistern und Soulmusik. Der 720p-Clip behielt ihr Gesicht, das Kleid und das bernsteinfarbene Licht. Oben links ist das Startbild, die anderen drei Felder sind Momente aus dem Clip.

Jede Referenz über ihre Position ansprechen

Jede Referenz über ihre Position ansprechen

Wir schickten ein Porträt einer Frau mit platinblondem Bob, ein Produktfoto eines kamelfarbenen Trenchcoats und eine leere Art-déco-Umkleide als Image 1, 2 und 3 und schrieben "the woman from Image 1", "the trench coat from Image 2" und "the fitting room from Image 3" in den Prompt. Ihr Gesicht, der Mantel und der goldgerahmte Spiegel kamen in einer einzigen 720p-Szene zurück. Die linke Spalte zeigt die drei Referenzen.

  • Jede gesprochene Zeile in eigene Anführungszeichen setzen

    Auf einem regennassen Dach bei Nacht tanzt ein Paar einen langsamen Tango, und sie sagt "Not yet." Auch der Ton steht im Prompt: Regen, der auf die Fliesen prasselt, fernes Verkehrsrauschen, ein Bandoneon. Bild, Stimme und Effekte entstehen in einem Durchgang, ein eigener Audioschritt entfällt. Halten Sie jede Zeile so kurz, dass sie bequem in die gewünschte Cliplänge passt.

  • Eine Bewegung aus einem Referenzclip übernehmen

    Ein Referenzvideo kann als Bewegungsvorlage dienen. Wir schickten das Porträt eines Mannes im weißen Tanktop als Image 1 und einen kurzen Tanzclip als Video 1 und baten um dieselbe Drehung und dasselbe Schulterrollen in einem sonnigen Loft, mit Gesicht und Oberteil aus Image 1 und nur der Bewegung aus Video 1. Sekunden aus dem Referenzvideo werden wie Ausgabesekunden abgerechnet, kürzen Sie den Clip also auf die Bewegungen, die Sie brauchen.

  • 1080p für die Bildgröße wählen, nicht für Details

    720p ist der Standard. 1080p liefert eine echte Datei mit 1920 x 1088, aber mit niedrigerer Bitrate als 720p, etwa 3,3 gegenüber etwa 10 Mbit/s, und in unseren Ausschnitten wirkte sie nicht schärfer. Ein 5-Sekunden-Clip brauchte etwa 50 bis 110 Sekunden in 480p, 100 bis 130 in 720p und etwa 171 in 1080p. Entwerfen Sie also in 480p, wo der Sekundenpreis am niedrigsten ist, und stellen Sie die gelungene Fassung in 720p fertig.

Wer MiniMax H3 X nutzt

  • Drei Einstellungen aus einem Prompt

    Kurzdrama- und Serienmacher

    Drei Einstellungen aus einem Prompt

    Geben Sie jeder Einstellung eine Startzeit und nennen Sie in jeder Zeile des Prompts dieselben Personen. Unser 12-Sekunden-Clip verlangte eine Totale durch einen Hotelflur, bei 4 Sekunden einen Schnitt auf einen Schlüssel in einem Messingschloss und bei 8 Sekunden einen Schnitt ins Zimmer, und kam genau als diese drei Einstellungen mit derselben Frau zurück. In einem 15-Sekunden-Test lagen die Schnitte bei etwa 5 und 10 Sekunden.

  • Hochformat direkt aus Text

    Social- und Short-Form-Teams

    Hochformat direkt aus Text

    Text und Referenz zu Video nehmen neben 16:9, 1:1, 4:3, 3:4 und 21:9 auch 9:16, und ein 9:16-Clip in 720p kommt mit 736 x 1312 zurück. Unser Rettungsschwimmer lehnte zur goldenen Stunde am Geländer eines weißen Turms, schob die Sonnenbrille hoch und grinste zu einer tiefen Kamera hinunter. Im Bild: zwei Momente aus diesem 5-Sekunden-Clip.

  • Mit den eigenen Bildern Ihrer Nutzer starten

    Betreiber von Plattformen für Erwachsene

    Mit den eigenen Bildern Ihrer Nutzer starten

    Bild zu Video nahm in unseren Tests NSFW-Startbilder an und lieferte eine intime Szene zwischen zwei Erwachsenen, wobei der Kontakt selbst außerhalb des Bildes blieb. Einige Szenen mit männlichen Motiven wurden abgeschwächt; nutzen Sie dafür Referenz zu Video. Alle Personen im Bild müssen erwachsen sein. Im Bild: zwei Frauen, die sich im Morgengrauen auf einem Pariser Balkon sanft küssen, aus einem bekleideten Startbild.

  • Zwei Personen aus zwei Porträts

    Figuren- und Serienentwickler

    Zwei Personen aus zwei Porträts

    Schicken Sie ein Porträt pro Person und sprechen Sie jede über ihre Position an, etwa "the man from Image 1" und "the man from Image 2". Zwei Porträts von zwei Männern im Anzug kamen in einem verspiegelten Hotelaufzug aus Messing zurück, der eine lockert dem anderen die Krawatte, beide Gesichter blieben erhalten. Verwenden Sie für jede Einstellung einer Sequenz dieselben Porträts in derselben Reihenfolge.

Vom ersten Prompt zur fertigen Einstellung mit MiniMax H3 X

  1. Den Endpunkt nach Ihrem Material wählen

    Nur Worte gehen an Text zu Video. Ein Bild der Szene geht an Bild zu Video, optional mit Schlussbild. Einzelne Fotos von Personen, Outfits, Produkten oder Orten, ein Bewegungsclip oder eine Stimme gehen an Referenz zu Video. Start- und Schlussbilder lassen sich nicht mit Referenzen in einer Anfrage mischen.

  2. Handlung, Kamera und Ton beschreiben

    Beschreiben Sie der Reihe nach, was passiert, was die Kamera tut und was zu hören ist, und setzen Sie jede gesprochene Zeile in doppelte Anführungszeichen. Bei Bild zu Video beschreiben Sie, was auf das Bild folgt, nicht das Bild selbst. Lassen Sie die Prompt-Erweiterung aus, wenn Ihr Wortlaut unverändert genutzt werden soll.

  3. In 480p entwerfen

    Erzeugen Sie einige 5-Sekunden-Fassungen in 480p, wo der Sekundenpreis am niedrigsten ist, und prüfen Sie Gesichter, Hände und die gesprochene Zeile, bevor Sie länger werden.

  4. In 720p fertigstellen, nur so lang wie nötig

    Lassen Sie die gelungene Fassung in 720p und in der Länge laufen, die die Szene braucht, bis zu 15 Sekunden; jeder Clip wird pro Sekunde Ausgabe abgerechnet. Wählen Sie 1080p nur, wenn Sie das größere Bild brauchen.

  5. Für NSFW-Szenen mit einer Person oder männlichen Motiven mit einem Bild starten

    Text zu Video schwächt einige NSFW-Szenen mit einer einzelnen Person oder mit männlichen Motiven ab. Nutzen Sie Bild zu Video mit einem Bild der Personen oder Referenz zu Video. Alle Personen im Bild müssen erwachsen sein.

MiniMax H3 X-Prompts zum Kopieren

  • Ein Tango mit einer Zeile in Anführungszeichen

    Für Text zu Video in 16:9. Kleidung, Bewegung, die Zeile in Anführungszeichen und der Ton werden je einmal genannt.

    Night, a rain-soaked rooftop above a glittering city. A couple dances a slow tango in the downpour: she wears a clinging crimson satin slip dress, he wears a soaked white shirt open at the collar. He dips her low, she pulls him back up by the collar, their faces an inch apart, and she says, "Not yet." Rain hissing on the tiles, distant traffic, a bandoneon playing a slow tango. Cinematic, shallow depth of field, wet reflections, warm city glow against blue night.

  • Ein Startbild, das flüstert

    Für Bild zu Video aus einem Bild einer bekleideten erwachsenen Person. Beschreiben Sie nur, was nach dem Bild passiert.

    She sets the glass down slowly, leans across the bar toward the camera, rests her chin on her hand and whispers, "Last call." A record crackles on the turntable, low soul music, ice clinking. The camera pushes in slowly. Warm amber light, shallow depth of field.

  • Drei Referenzen, eine Anprobe

    Für Referenz zu Video mit einem Porträt, einem Kleidungsfoto und einem Ortsfoto, in dieser Reihenfolge. Sprechen Sie jedes Bild über seine Position an.

    The woman from Image 1, in her black slip dress, tries on the trench coat from Image 2 in the fitting room from Image 3. She belts it, turns to the gold mirror, then lets the coat slide off one shoulder and glances back at the camera over that shoulder. Soft spotlight, rustle of wool, quiet lounge music. Cinematic, shallow depth of field.

Weitere Fragen zu MiniMax H3 X

Für Szenen, die eine Stimme brauchen, bei knappem Budget

Nehmen Sie Text zu Video, wenn Worte genügen, Bild zu Video, wenn Sie das Bild schon haben, und Referenz zu Video, wenn Personen, Outfits, Orte oder eine Bewegung übereinstimmen müssen.

Setzen Sie jede Zeile in Anführungszeichen, timen Sie Ihre Einstellungen, entwerfen Sie in 480p und stellen Sie in 720p fertig. Für NSFW-Szenen mit einer einzelnen Person oder mit männlichen Motiven starten Sie mit einem Bild oder mit Referenzen.

Alle MiniMax-Modelle17

Videomodelle12

Audiomodelle3

Textmodelle1

Bildmodelle1