MiniMax H3 Edit API

MiniMax H3 Edición de video toma un clip que ya tienes, enviado como video_url, y un prompt que describe un cambio. Devuelve una nueva versión de la misma toma: de 3 a 15 segundos en 480p, 540p o 768p, con una banda sonora nueva generada por defecto. Tu material sigue definiendo quién aparece en el encuadre, la composición y el movimiento; el prompt reescribe la iluminación, el clima, el estilo, el entorno o elementos concretos. Hasta nueve imágenes de referencia y hasta tres clips de audio de referencia pueden guiar la identidad, el estilo o el sonido.

Elige el modo según el material inicial

Tu clip sigue definiendo a las personas y el movimiento

El original decide quién aparece en la toma, cómo está encuadrada y cómo se mueve cada persona. El prompt decide cómo se ve el entorno que las rodea. Esa división es lo que separa una edición de generar una toma nueva: no describes la escena otra vez, solo el cambio. El original puede durar hasta 15 segundos; un clip más largo se rechaza antes de cobrar nada, así que recórtalo antes.

Una terraza soleada convertida en tormenta

Nuestra prueba usó un clip de cinco segundos en 1280x720, de los ejemplos de OmniHuman 2.0: una mujer con gabardina de satén color crema en una terraza soleada frente al mar. El prompt pedía un atardecer tormentoso con nubes oscuras, lluvia, cabello y abrigo mojados y revueltos por el viento, y un relámpago lejano, y terminaba con "Keep her face, pose and movement." A 768p, con duration_seconds 5 y sonido activado, el resultado fue un clip de 1344x768 a 24 fps, de unos 5,2 segundos, con sonido nuevo, después de unos tres minutos de procesamiento.

Lo que cambió: el cielo soleado pasó a ser un atardecer oscuro y nublado con un destello de relámpago sobre el mar, y la piedra se veía mojada. Lo que se mantuvo: su cara, su abrigo y su sonrisa. Hay dos cosas que conviene tener en cuenta. La lluvia en sí fue ligera a 768p; una prueba a 480p del mismo prompt mostró rayas de lluvia más intensas. Y ella se llevó una mano al cabello revuelto por el viento, un gesto que el clip original no tiene. Como el prompt pedía cabello revuelto por el viento, al describir una acción pueden aparecer pequeños cambios de movimiento.

Las referencias se nombran por número

reference_image_urls admite hasta nueve imágenes, llamadas <Picture 1> a <Picture 9> en el prompt, y reference_audio_urls admite hasta tres clips de audio, llamados <Audio 1> a <Audio 3>. Usa una imagen para un look o una identidad, y un clip de audio para el sonido que quieras. Cada referencia suma un cargo pequeño. Aún no hemos probado este endpoint con referencias, así que trata tu primera toma con ellas como una prueba: empieza con una imagen o un clip y mira qué cambia.

Sonido, duración y proporción

generate_audio viene activado por defecto, lo que da a la edición una banda sonora nueva. Desactívalo para conservar la pista de audio original del clip. El sonido nunca cambia el precio. duration_seconds va de 3 a 15 y su valor por defecto es 5, así que ajústala a la duración de tu original para editar el clip completo. Si omites aspect_ratio, la edición conserva la proporción del original; configúralo en 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 o 9:21 para reencuadrar.

Tres resoluciones

768p es el valor por defecto y la resolución nativa de H3. 540p y 480p cuestan menos por segundo y terminan antes. Hicimos pruebas con 768p y una prueba a 480p; aún no hemos probado 540p. Pagas los segundos de la edición más los segundos del original, ambos a la tarifa de la resolución que elijas, así que un original más corto cuesta menos.

Cambiar el clima, la luz o la hora del día

Convierte una tarde luminosa en atardecer, añade lluvia o cambia el sol fuerte del mediodía por una luz suave de la mañana, como hace el ejemplo de la terraza. Como las personas y el movimiento vienen de tu clip, puedes probar varios estados de ánimo en una misma toma sin volver a filmar.

Cambiar el estilo o rehacer un clip terminado

Pide otro estilo, temporada o escenario y mantén la interpretación. Nombra lo que debe quedarse, como la cara, la pose y el movimiento. Hasta ahora hemos probado cambios de clima y de luz; los cambios de estilo y de escenario son para lo que está pensado el endpoint, pero revisa un borrador antes de depender de él.

Cambiar un solo elemento

Dirige el prompt a un elemento concreto, como el color de un abrigo o un objeto de la escena, y di que todo lo demás se mantiene. Haz primero un borrador y revisa las partes que no pediste cambiar.

# 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-edit/video-edit",
  "input": {
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "video_url": "https://example.com/reference.mp4"
  }
}'

# 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"

Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.