MiniMax H3 Referenz-zu-Video steuert eine Einstellung aus bis zu neun nummerierten Referenzbildern und hält Figur, Garderobe und Ort stabil. Die Clips dauern 4 bis 15 Sekunden mit erzeugtem Ton, in 768p oder 2k.
Playground
Diese Beispiele wurden eigens für diesen Endpunkt geschrieben. Ersetzen Sie Prompt und Beispiel-URLs durch eigene erreichbare Eingaben und prüfen Sie vor dem Absenden den aktuellen Preis und die Verfügbarkeit des Modells.
- Ausgabe5 Sek.
character-continuity-named-refs Drei Referenzen, drei Aufgaben: Bild 1 für ihr Gesicht, Bild 2 für die Garderobe, Bild 3 für den Raum – die Nummerierung verhindert, dass sie zu einer einzigen Szene verschmelzen. Der `prompt` trägt nur die Handlung bei `duration_seconds` `5` – Hinsetzen, Beine überschlagen, zur Kamera aufblicken –, während das Handkamera-Schweben als Regieanweisung geschrieben ist, nicht aus einem Clip übernommen. Das Gesicht bleibt konstant, während sich die Szene ändert.
- 768p
- 5s
- Ausgabe5 Sek.
red-dress-theatre-three-angles Ein dritter Blickwinkel auf eine bereits bestehende Anordnung – genau dafür sind Referenzen da: `reference_image_urls` nimmt bis zu neun Standbilder, und zusammen legen sie Darstellerin, Kleid und Bühne fest, damit aus einer neuen Kameraposition nicht heimlich eine neue Inszenierung wird. Der Prompt ist dann nur für diesen Winkel geschrieben – der Gang, der Verfolger, was das Kleid in der Bewegung tut –, weil der Rest als Bilder geliefert wurde.
- 768p
- 3:4
- 5s
- Ausgabe7 Sek.
character-continuity Drei Referenzen, drei Aufgaben: Bild 1 für ihr Gesicht, Bild 2 für die Garderobe, Bild 3 für den Raum – die Nummerierung verhindert, dass sie zu einer einzigen Szene verschmelzen. Der `prompt` trägt nur die Handlung bei `duration_seconds` `6` – Hinsetzen, Beine überschlagen, zur Kamera aufblicken –, während das Handkamera-Schweben als Regieanweisung geschrieben ist, nicht aus einem Clip übernommen. Das Gesicht bleibt konstant, während sich die Szene ändert.
- 768p
- 6s
- Ausgabe5 Sek.
voice-and-room Zwei Referenzen liefern nur das, was ein Still zeigen kann – ihr Gesicht in Bild 1, das Scheinwerferrig in Bild 2 –, und der `prompt` ergänzt, was ein Foto nicht kann: einen kleinen Club, warmen Hall, ein Murmeln aus der Menge. Bei `duration_seconds` `5` bleibt Zeit für eine Zeile ins Mikrofon, bevor sie lächelt – so wird aus einer Pose ein gesprochener Moment. Tauschen Sie den Raum, die Referenzen verankern trotzdem Gesicht und Licht.
- 768p
- 5s
Dieses Beispiel beginnt bei $0.037 je Ausgabesekunde. Der Playground aktualisiert die Schätzung, sobald Sie die Einstellungen ändern.