Introducción
MiniMax H3 LoRA Referencias a video arma una toma a partir de tu material de referencia y de hasta tres archivos LoRA propios sobre MiniMax H3 de pesos abiertos. Envía hasta nueve imágenes, tres clips y tres audios, nómbralos por número en el prompt y recibe un MP4 de 3 a 15 segundos con banda sonora estéreo en 480p, 540p, 768p o 1080p, en una de siete relaciones de aspecto.
Elige el modo según tu material de partida
| Lo que tienes | Modo |
|---|---|
| una escena escrita | MiniMax H3 LoRA Texto a video |
| una imagen inicial | MiniMax H3 LoRA Imagen a video |
| imágenes, clips o audio de referencia | MiniMax H3 LoRA Referencias a video |
Funciones y aspectos destacados
Tres tipos de referencia en una solicitud
Las imágenes fijan una cara, un vestuario o una habitación. Los clips aportan movimiento, ritmo y cámara, y su audio viene incluido automáticamente. Los audios dan una voz, un ritmo o un tono de ambiente a seguir. Llámalos Picture 1, Video 1 y Audio 1 para que cada entrada tenga una sola función clara.
LoRA y referencias juntos
Un LoRA de personaje y fotos de referencia de la misma persona sostienen la identidad mejor que cualquiera de los dos por separado. Suma un LoRA de estilo a un scale más bajo y toda la toma adopta tu look sin perder al sujeto.
Sin censura en todas las entradas
Las imágenes de referencia se aceptan tal cual, sea lo que sea que muestren. Con un LoRA hecho para el contenido más fuerte y nuestro prompt más fuerte, el plano se renderizó tal como se escribió con el sujeto de referencia, y la banda sonora volvió en el mismo archivo.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Nombra cada entrada por número y dale una sola función: <Picture 1> es la mujer, <Picture 2> es la habitación, <Video 1> es el movimiento de cámara, Audio 1 es su voz. mínimo 1 caracteres · máximo 7000 caracteres |
reference_image_urls | No | Hasta nueve imágenes. Cada una suma un cargo por referencia. mínimo 1 elementos · máximo 9 elementos |
reference_video_urls | No | Hasta tres clips para movimiento, ritmo o cámara. Sus segundos se cobran como segundos de salida, con un tope de 15 en total. mínimo 1 elementos · máximo 3 elementos |
reference_audio_urls | No | Hasta tres audios para una voz, un ritmo o un ambiente. Cada uno suma un cargo por referencia. mínimo 1 elementos · máximo 3 elementos |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 o 9:21. No cambia el precio. |
resolution | No | 480p, 540p, 768p o 1080p. La tarifa por segundo sube con cada escalón. |
duration_seconds | No | Duración de la salida, de 3 a 15 segundos. Al cobrar se suman los segundos de los clips de referencia. |
loras | No | Hasta tres entradas {path, scale} entrenadas para MiniMax H3; scale de 0 a 4. Valor predeterminado: |
seed | No | Mantiene una serie comparable mientras cambias referencias o scales. |
Precios
Se cobra por segundo según la resolución elegida; los segundos de los clips de referencia cuentan como segundos cobrados (hasta 15 en total), y cada imagen o audio de referencia suma un cargo por referencia. Los LoRA no tienen cargo aparte.
| Especificación | Precio |
|---|---|
| $0.06 / segundo |
| $0.09 / segundo |
| $0.12 / segundo |
| $0.24 / segundo |
Casos de uso
Un personaje recurrente en escenas nuevas
Conserva las mismas dos o tres fotos de tu personaje, agrega su LoRA y cambia solo las líneas de escenario y acción entre tomas. Cada escena nueva parte de la misma identidad en lugar de volver a sortearla.
Copiar un movimiento de un clip
Envía un clip corto del baile, del golpe de pelea o del movimiento de cámara que quieres, más una foto del nuevo intérprete, y describe el nuevo escenario. Di explícitamente que la persona sale de la imagen y que del clip solo sale el movimiento: en nuestra prueba, omitir esa frase trajo a la bailarina del clip junto con el movimiento. Mantén el clip corto, porque sus segundos se cobran como segundos de salida.
Poner una voz debajo de la imagen
Agrega un clip de voz o de música como Audio 1 y dile al modelo quién habla o al ritmo de qué se mueve la escena. Es la forma más rápida de conseguir una línea de diálogo con una voz que ya tienes.
Guía de prompts y consejos prácticos
Abre con el mapa
Empieza el prompt con una frase corta por entrada: Picture 1 es la mujer, Picture 2 es la habitación de hotel, Video 1 es el travelling. Después escribe la acción y cierra con el sonido. Las entradas sin función tienden a mezclarse.
Cuida el presupuesto de referencias
Cada imagen y cada audio de referencia suman un cargo pequeño, y los segundos de los clips se cobran como segundos de salida, hasta 15 en total. La estimación en vivo muestra el monto completo antes de enviar. Nueve fotos que se solapan cuestan más y suelen sostener peor la identidad que tres buenas.
Deja que el LoRA ponga el look
Cuando hay un LoRA de estilo cargado, no describas también ese estilo a detalle en el prompt. Describe el sujeto y la acción y deja que los pesos se encarguen del render.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-lora/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
