MiniMax H3 API

MiniMax H3 Referenz-zu-Video erzeugt eine Einstellung aus ein bis neun Referenzbildern und einem Prompt, der sie nummeriert anspricht – als Picture 1, Picture 2 und so weiter. Zurück kommen 4 bis 15 ganze Sekunden in 768p oder 2k in einem von sechs Seitenverhältnissen, mit gleichzeitig erzeugtem Ton. Zu den Bildern können bis zu drei Referenzvideos und bis zu drei Referenz-Audioclips kommen, jeweils höchstens 15 Sekunden insgesamt.

Modus nach dem Ausgangsmaterial wählen

Bis zu neun nummerierte Bildplätze

reference_image_urls nimmt ein bis neun Bilder an, und der Prompt spricht sie nach Position an. Ein Bild kann das Gesicht tragen, ein zweites die Garderobe, ein drittes den Raum. Das Beispiel zur Figurenkontinuität macht genau das: Es hält die Frau aus Bild 1 im Outfit aus Bild 2 im Hotelzimmer aus Bild 3.

Ein neuer Winkel auf ein bestehendes Set

Referenzen halten eine Produktion konsistent, wenn die Kamera an eine neue Position wandert. Das Beispiel red-dress-theatre-three-angles fixiert mit drei Stills Darstellerin, Kleid und Bühne und verlangt dann einen dritten Kamerawinkel, damit die neue Position nicht unbemerkt zu einer neuen Produktion wird. Erzeugt wurde es im Format 3:4 über fünf Sekunden.

Bewegung und Ton kommen aus dem Prompt

Bewegung und Audio lassen sich schreiben oder als Referenz mitgeben. Das Beispiel voice-and-room sendet zwei Bilder, die Darstellerin und das Bühnenlicht, und beschreibt die Club-Akustik in Worten: warmer Hall und ein Murmeln aus dem Publikum. Ein Referenzvideo bringt Bewegung mit und wird als <Video 1> angesprochen; Referenzaudio gibt eine Stimme oder einen Klang vor. Die ersten fünf Referenzbilder sind inklusive, jedes weitere kostet einen Aufpreis; Sekunden aus Referenzvideos haben einen eigenen, niedrigeren Sekundenpreis als Ausgabesekunden, Referenzaudio ist kostenlos. Die Live-Schätzung zeigt das alles vor dem Absenden.

Eine wiederkehrende Figur über mehrere Einstellungen halten

Verwenden Sie für jede Einstellung einer Sequenz denselben Referenzsatz und ändern Sie im Prompt nur die Zeilen zu Handlung und Ort. Der Endpunkt nimmt keinen Seed an; es sind die Referenzen, die die Identität von Take zu Take stabil halten – Text allein würde driften.

Eine Darstellerin in einen bestimmten Raum setzen

Kombinieren Sie ein Porträt mit einem separaten Bild des Raums und beschreiben Sie, was dort geschieht. In voice-and-room beugt sich die Darstellerin zum Mikrofon, spricht eine Zeile und lächelt; das zweite Bild liefert das Bühnenlicht, der Prompt den Raumklang.

Kleidungsstück oder Requisite in Bewegung halten

Geben Sie einem Kleidungsstück oder Objekt einen eigenen Platz, statt darauf zu hoffen, dass es in einem Porträt überlebt. Das Beispiel red-dress schreibt dann, was das Kleid in Bewegung tut – der Schlitz öffnet sich mit jedem Schritt Richtung Proszenium –, weil Schnitt und Farbe bereits durch eine Referenz festgelegt sind.

# 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/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ],
    "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.