Einführung
MiniMax H3 Bild-zu-Video startet mit einem Anfangsbild aus image_url und erzeugt, was danach geschieht: 4 bis 15 ganze Sekunden in 768p oder 2k, mit Ton aus demselben Durchgang. Ein optionales last_image_url gibt dem Clip ein Schlussbild, auf das er hinläuft. Ein Feld für das Seitenverhältnis gibt es nicht, denn das Anfangsbild bestimmt die Form der Ausgabe.
Modus nach dem Ausgangsmaterial wählen
| Ausgangsmaterial | Modus |
|---|---|
| eine geschriebene Szene oder ein Skript | MiniMax H3 Text-zu-Video |
| ein freigegebenes Startbild | MiniMax H3 Bild-zu-Video |
| ein bis neun Referenzbilder | MiniMax H3 Referenz-zu-Video |
Wichtige Funktionen und Highlights
Das Anfangsbild bestimmt das Motiv
Das Modell folgt dem gelieferten Bild eng; so erhalten Sie Motiv, Garderobe und Raum am wörtlichsten so, wie Sie sie entworfen haben. Im windowsill-turn-Beispiel stammt alles Identifizierende, vom Gesicht über das Outfit bis zum regennassen Fenster, aus dem Bild; der Prompt verlangt nur ein Ausatmen, einen Neonpuls und eine Kopfdrehung. Ein Anfangsbild, das die Szene schon zeigt, kommt dem Briefing weit näher als dieselben Worte in text-to-video.
Ein optionales Schlussbild
last_image_url legt fest, wo die Einstellung landet. Das Türbeispiel nutzt beide Enden: acht Sekunden, die im Zimmer beginnen und auf einer vorgegebenen Komposition im Türrahmen enden. Das Schlussbild strafft nur das Ende. Die Mitte des Clips wird weiterhin frei erzeugt, und je länger der Clip, desto weiter kann sich die Bewegung vom Schlussbild entfernen.
Dauer, Auflösung und Eingabegrenzen
Die Dauer reicht von 4 bis 15 ganzen Sekunden, doch 4 Sekunden gibt es nur in 768p; 2k braucht mindestens 5 Sekunden. Beide Auflösungen sind nativ. Das Anfangsbild muss je Seite zwischen 256 und 5.760 px messen, ein Seitenverhältnis zwischen 2:5 und 5:2 haben und kleiner als 30 MB sein.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Beschreiben Sie die Änderung nach dem Startbild: Handlung, Kamera, Ton. Beschreiben Sie den Frame nicht erneut. mindestens 1 Zeichen · höchstens 7000 Zeichen |
image_url | Ja | Das Startbild. Es legt Motiv, Garderobe und Komposition fest – das Modell folgt ihm eng. |
last_image_url | Nein | Optionales Schlussbild. Es bindet nur das Ende; die Mitte des Clips bleibt frei. |
resolution | Nein | 768p oder 2k, beide nativ. Entwerfen Sie in 768p, liefern Sie in 2k aus. |
duration_seconds | Nein | Ganze Sekunden, 4 bis 15. Vier Sekunden gibt es nur bei 768p. |
Preis
| Spezifikation | Preis |
|---|---|
| $0.037 / Sekunde |
| $0.058 / Sekunde |
Anwendungsfälle
Ein bereits freigegebenes Standbild animieren
Wenn ein Bild existiert – ein generiertes Still oder ein Foto mit geklärten Rechten –, macht dieser Endpunkt daraus Bewegung, ohne es neu zu beschreiben. Der Prompt trägt nur die Veränderung (Handlung, Kamera, Ton), und jedes Wort bleibt für das, was das Bild allein nicht sagen kann.
Zeigen, was das Bild nicht zeigt
Das Beispiel cup-then-two-in-one-shirt beginnt mit einem Stillleben. Eine Hand hebt die Tasse aus dem Bild, die Kamera kippt und zieht die Schärfe, und tiefer im Raum erscheint eine zweite Person: drei Veränderungen, alle zeitlich, keine davon im Eingabebild vorhanden. Erzeugt wurde es über sechs Sekunden – eine sinnvolle Entwurfslänge vor einem 2k-Lauf.
Eine Szene über 15 Sekunden hinaus fortsetzen
Um eine Szene weiterzuführen, nutzen Sie MiniMax H3 Video-Verlängerung: Sie eröffnet das nächste Segment auf dem letzten Bild des freigegebenen Clips und liefert beide verbunden in einer Datei, sodass jeder Prompt nur beschreiben muss, was als Nächstes passiert. Wollen Sie die nächste Einstellung selbst Bild für Bild steuern, nehmen Sie dieses letzte Bild und senden es hier als nächstes image_url.
Prompt-Leitfaden und Praxistipps
Das Bild nicht noch einmal beschreiben
Beschreiben Sie die Veränderung nach dem Anfangsbild und überlassen Sie das Aussehen dem Bild. Eine schnelle Probe: Jeder Satzteil sollte etwas benennen, das sich bewegt oder klingt. Der Prompt von windowsill-turn – „she turns her head toward camera without changing expression. Rain runs down the window, distant traffic“ – reicht aus, weil das Bild schon zeigt, wer sie ist und wo sie sich befindet.
Beide Bilder als zusammenhängendes Paar vorbereiten
Wenn Sie last_image_url senden, bereiten Sie es als Paar mit dem Anfangsbild vor: gleiches Motiv, gleiche Garderobe, gleiches Licht und ein plausibler Wechsel des Bildausschnitts. Zwei Bilder, die sich widersprechen, zwingen die Mitte des Clips, zwischen ihnen zu verhandeln. Schreiben Sie dann die körperliche Handlung, die beide verbindet, wie im Türbeispiel („steht von der Bettkante auf … bleibt im Türrahmen stehen und blickt zurück“), und geben Sie dieser Handlung genug Sekunden, damit sie stattfinden kann.
Das Bild für die Ausgabe vorbereiten
Da das Bild die Ausgabeform bestimmt, schneiden Sie das Still vor dem Hochladen auf das Lieferformat zu und prüfen die Größengrenzen. Entwerfen Sie in 768p und wiederholen Sie den gewünschten Take dann in 2k mit mindestens fünf Sekunden Dauer. Rechnen Sie mit einem neuen Take statt einer bildgenauen Hochskalierung, denn der Endpunkt nimmt keinen Seed an.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/image-to-video",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
