Ir al contenido principal

La API de texto a video de MiniMax H3 Lite genera clips con sonido de 4 a 15 segundos en 480p o 768p. Escribe la escena una vez y vuelve a lanzarla cambiando un solo detalle cada vez para ver qué toma funciona. Su diseño ligero sirve para probar ideas y producir varias versiones.

Desde $0.025/s

Playground

Entrada

Texto a video
347/7000
Obligatorio, hasta 7,000 caracteres; uno más largo se rechaza. Pon los diálogos entre comillas dobles. No cambia el precio. mínimo 1 caracteres · máximo 7000 caracteres
Uno de 16:9 (el predeterminado), 9:16, 1:1, 4:3, 3:4 o 21:9. No cambia el precio.
afecta al precio
`480p` o `768p` (el predeterminado). Define el precio por segundo; 480p cuesta alrededor de un 40% menos. Un clip horizontal salió a 864 x 480 con 480p.
Duraciónafecta al precio
Número entero de segundos, entre 4 y 15, con 5 por defecto. Esta duración y la resolución determinan juntas la tarifa por segundo. no menor que 4 · no mayor que 15
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

Dinos cuál añadir y para qué lo usarías. Las solicitudes llegan directamente al equipo que decide los próximos modelos.

NUEVO · FAMILIA MINIMAX H3

Esboza ideas a 480p y genera variaciones en lote.

Cifras clave

Precio inicial
$0.025/s
Por segundo de salida a 480p; 768p cuesta más. Los precios actuales están en esta página.
Endpoints
3
Entrada por texto, imagen o referencia, con las mismas dos resoluciones y el mismo rango de 4 a 15 segundos.
Duración del clip
4-15 s
Cualquier número entero de 4 a 15; se cobran los segundos que generes.
Resolución
480-768p
480p para el precio más bajo, 768p (predeterminado) para un cuadro más nítido.
Referencias
9+3+3
Referencia a video acepta 9 imágenes, 3 clips de video (15 segundos en total) y 3 clips de audio.
Espera
~25 s
En nuestras pruebas, un clip de texto de 4 segundos tardó unos 22 a 26 segundos, y uno hecho con fotogramas o referencias, unos 33.

Antes de gastar

Todos los modos

Lite llega hasta 768p, así que aquí no hay 1080p ni 2K. Un clip horizontal salió a 864 x 480 a 480p. Un prompt puede tener hasta 7,000 caracteres, y un clip dura de 4 a 15 segundos enteros.

Imagen a video

Imagen a video no tiene campo de relación de aspecto, porque el clip toma la forma del fotograma inicial. Un fotograma debe medir de 256 a 5,760 píxeles por lado, con una relación ancho-alto entre 0.4 y 2.5.

Referencia a video

Referencia a video necesita al menos una imagen o un video, porque el audio solo se rechaza. Acepta hasta 9 imágenes, 3 clips de video (de 2 a 15 segundos cada uno, 15 segundos en total) y 3 clips de audio; los clips fuera de ese rango se estiran o se recortan. Elige una de las relaciones de aspecto listadas, pues no hay opción automática.

Lo que hace el modelo

Texto a video

Empieza con un prompt

Lite está pensado para probar una escena rápido. Escribe quién aparece en el encuadre, qué pasa, a dónde va la cámara y qué debemos oír, y ejecútalo a 480p. En nuestras pruebas, un clip de 4 segundos volvió en unos 22 a 25 segundos, así que puedes leer el resultado, cambiar una cosa del prompt y volver a generar. Cambia la iluminación o el movimiento de cámara entre ejecuciones y compara el lote lado a lado.

Imagen a video

Anima un fotograma inicial

Envía un retrato, una foto de producto o un fotograma de un clip anterior y describe solo lo que pasa después. Lite conserva la forma de tu imagen y añade el movimiento, la cámara y el sonido. Sirve para probar rápido una imagen fija antes de comprometerte con un render más largo y nítido. Añade un fotograma final si quieres fijar dónde termina el movimiento.

Referencia a video

Guíalo con referencias

Puedes dar hasta 9 imágenes, 3 clips de video y 3 clips de audio, y nombrar cada uno en el prompt, por ejemplo la mujer de «Image 1» o la voz de «Audio 1». Es una forma económica de comprobar que un rostro, un vestuario y un lugar encajan en una misma toma antes de construir una secuencia entera. El audio necesita al menos una imagen o un video junto a él.

Variaciones en lote

Muchas tomas, una sola idea

Lite es el nivel al que recurres cuando necesitas volumen: aperturas alternativas para la misma escena, varios movimientos de cámara para un mismo fotograma o una docena de versiones verticales 9:16 de un gancho. Mantén el prompt, cambia un detalle y elige la toma que merece renderizarse de nuevo a 768p. El precio por segundo aparece en esta página, así que un lote es fácil de presupuestar.

Creado con MiniMax H3 Lite

  • Texto a video, 9:16 a 480p, seis segundos, con una frase susurrada entre comillas y una canción suave.
    7 s
  • 480p · 4s. Describe la escena, los movimientos de cámara y el ambiente sonoro.
    4 s
  • 480p · 4s. Prueba primero con una sola imagen y luego describe el movimiento y el sonido.
    4 s
  • 480p · 4s. Con referencias de imagen, video y audio, los personajes y el ambiente se mantienen estables.
    4 s
  • 480p · 4s. Un calentamiento de boxeo hecho con una sola imagen.
    4 s
  • 480p · 4s. El mismo boxeador, ahora en otro ring de entrenamiento.
    4 s

Dónde encaja

  • Borradores rápidos y storyboards

    Prueba diez versiones de una toma a 480p, quédate con la que funcione y vuelve a renderizarla a 768p con el mismo prompt.

  • Lotes de variaciones para redes sociales

    Clips verticales 9:16 con diálogo, música y efectos en una sola pasada, de 4 a 15 segundos cada uno, generados en lote para ver qué gancho funciona.

  • Probar una imagen fija antes de un render grande

    Envía un retrato o una foto de producto como fotograma inicial y revisa el movimiento a bajo costo antes de comprometerte con un clip más largo.

  • Comprobar la consistencia de personajes

    Envía retratos, vestuarios y lugares como referencias y comprueba si la misma persona se mantiene entre clips antes de planificar una serie.

Referencia del modelo

Referencia de la API de MiniMax H3 Lite

MiniMax H3 Lite: la forma económica de probar una idea

MiniMax describe H3 Lite como la variante ligera de H3, pensada para un costo menor, la exploración creativa y la generación por lotes. En esta página eso se resume en un hábito: lanzar muchos intentos cortos y baratos y pagar de verdad solo por el que te quedas. Cada clip sigue incluyendo sonido, así que incluso un borrador llega con diálogo y ambiente que puedes evaluar.

Cuánto cuesta un intento

La salida se factura por segundo: $0.025 a 480p y $0.04 a 768p. Un borrador de 4 segundos a 480p cuesta $0.10, de modo que diez variantes de una misma toma suman $1.00. Esas mismas diez a 768p cuestan $1.60, y un clip completo de 15 segundos a 480p, $0.375.

Un ciclo que funciona

  • Escribe la escena una sola vez y renderízala a 480p con 4 segundos.
  • Cambia un solo detalle por intento, como el movimiento de cámara, la luz o la línea hablada, y compara la tanda.
  • Renderiza de nuevo la mejor toma a 768p con el mismo prompt, con la duración que la toma necesite.

Cuándo subir de nivel

Lite termina en 768p y no genera clips en 2K. Si ya te decidiste por 768p y produces clips todos los días, MiniMax H3 HighSpeed es el nivel construido en torno a esa única opción. Si una toma necesita 2K o un clip de más de 15 segundos, abre MiniMax H3.

Especificaciones de la API de MiniMax H3 Lite

Editor
MiniMax
Modelo
MiniMax H3 Lite
En SpicyAPI desde
27 de octubre de 2026
Endpoints
Texto, imagen y referencia a video
Duración
De 4 a 15 segundos enteros, 5 de forma predeterminada
Resolución
480p, 768p (predeterminado)
Relación de aspecto
Texto y referencia a video ofrecen 16:9 (predeterminado), 9:16, 1:1, 4:3, 3:4 y 21:9; imagen a video sigue el fotograma inicial
Salida
MP4 con sonido, sin marca de agua
Longitud del prompt
De 1 a 7,000 caracteres
Referencias
En referencia a video: hasta 9 imágenes, 3 clips de video (15 segundos en total) y 3 clips de audio
Ejecución
Tarea asíncrona, facturada por segundo de salida

Cómo llamar a la API de MiniMax H3 Lite

  1. Pon los diálogos entre comillas dobles

    Encierra la línea entre comillas y di quién habla; una o dos líneas bastan para un borrador de 5 a 8 segundos.

  2. Nombra las referencias por tipo y número

    En Referencia a video, llama a cada archivo por su tipo y su número: "la mujer de Image 1", "el movimiento de Video 1", "la voz de Audio 1". Envía el audio junto con al menos una imagen o un video.

  3. En Imagen a video, describe solo el momento siguiente

    El fotograma inicial ya muestra a los personajes y el lugar. Di qué se mueve, cómo avanza la cámara y qué se oye después, en lugar de volver a describir la imagen.

  4. Borrador a 480p, versión final a 768p

    480p cuesta unos 40% menos por segundo. Itera el prompt a 480p y luego renderiza la toma buena a 768p con el mismo prompt.

En resumen

MiniMax H3 Lite es el nivel para pensar en voz alta en video. Ejecuta solicitudes de texto, imagen y referencia a 480p o 768p, añade sonido a cada clip y devuelve un clip corto en bastante menos de un minuto en nuestras pruebas. Por eso encaja con borradores, storyboards y lotes de variaciones donde descartarás la mayoría de las tomas. Cuando una valga la pena, vuelve a renderizarla a 768p, o pasa a MiniMax H3 para 2K. Nuestras pruebas no encontraron suavizado del contenido para adultos, y SpicyAPI cobra por segundo sin suscripción. Tú eres responsable de los derechos y el consentimiento de todo lo que subas.

Preguntas sobre la API de MiniMax H3 Lite

Todos los modelos MiniMax17