Introducción
MiniMax H3 Spicy imagen a video anima un fotograma inicial sin censura, con un fotograma final opcional e indicaciones de movimiento opcionales.
MiniMax H3 Spicy es una versión de MiniMax H3 ajustada para adultos, publicada como endpoints de imagen a video y de video-extend; esta página trata el de imagen a video. El fotograma inicial que envías define el sujeto, un fotograma final opcional define el cierre y el prompt dirige los 3 a 15 segundos intermedios en 480p, 540p, 768p o 1080p.
Funciones y aspectos destacados
Tu fotograma decide el contenido, no un filtro de texto
Como la única entrada es un fotograma inicial, esta familia no tiene la distancia habitual entre lo que pediste y lo que un prompt de texto está dispuesto a generar. Lo que hay en la imagen, es decir, vestuario, cuerpo, pose y encuadre, es lo que se anima. El prompt se encarga del movimiento, la cámara y el sonido encima de eso.
Una imagen sola es una solicitud completa
Aquí el prompt no es obligatorio. Envía una imagen y el modelo deduce de ella un movimiento pequeño y creíble, que a menudo es todo lo que necesita un loop. Añade texto cuando quieras un momento concreto, como un giro hacia la cámara, una mano que pasa por el pelo o un cambio de expresión, y describe solo lo que ocurre en lugar de volver a describir el encuadre.
Combínalo con un modelo de imagen sin censura
El flujo práctico son dos llamadas: genera la imagen con un modelo de imagen sin censura y luego anímala aquí. Así el problema se divide en dos: composición y contenido se resuelven en una pasada de imagen barata que puedes repetir rápido, y la pasada de video solo tiene que acertar con el movimiento.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | Obligatorio. La imagen que se anima: decide el contenido, así que acertarla primero es lo que importa. |
last_image_url | No | Opcional, y válido solo con |
prompt | No | Opcional. Describe el momento, la cámara y el sonido; no vuelvas a describir el cuadro. |
duration_seconds | No | Segundos enteros, de 3 a 15. Tres sale lo bastante barato como para generar variantes en masa. |
resolution | No | 480p, 540p, 768p o 1080p. Por defecto usa 480p, el más barato de los cuatro escalones. |
seed | No | Opcional, de 0 a 2147483647. |
Precios
| Especificación | Precio |
|---|---|
| $0.038 / segundo |
| $0.057 / segundo |
| $0.084 / segundo |
| $0.152 / segundo |
Casos de uso
Escenas sin censura que otras API rechazan
Los fotogramas propios se aceptan y se animan tal como llegan. Los clips que otras API de video rechazan en el filtro de prompts funcionan aquí, y como el contenido vive en el fotograma y no en el texto, el resultado coincide con lo que aprobaste en lugar de una reinterpretación suavizada.
Clips de compañía y de rol
Una imagen de personaje se convierte en una biblioteca de reacciones cortas: una mirada hacia arriba, una sonrisa, un giro de hombro, el cabello hacia atrás. Mantén el mismo fotograma inicial y cambia solo el prompt, y el personaje se mantiene igual en cada clip del set.
Animar un set de fotos existente
Una sesión que ya tienes se vuelve movimiento sin volver a fotografiar. Cada fotograma se convierte en un clip de 3 a 15 segundos, y un fotograma final permite que dos imágenes del mismo set definan el inicio y el final de un movimiento.
Guía de prompts y consejos prácticos
Primero haz el fotograma inicial
Resuelve vestuario, cuerpo, pose y encuadre en una pasada de imagen, porque esa imagen es lo que contendrá el video. Un fotograma que ya está bien no necesita discutir con el prompt después.
Usa el fotograma final para un cierre conocido
last_image_url solo puede enviarse junto con image_url y define el cierre, no la parte central. Agrégalo solo cuando el clip tenga que llegar a una composición conocida, como una segunda imagen del mismo set.
Adapta el ejemplo incluido
El ejemplo publicado usa duration_seconds 5 y resolution 768p, con una sola imagen como image_url.
She exhales a slow plume of smoke against the rain-streaked glass, the neon sign outside pulses red across her face, and she turns her head toward camera without changing expression. Blind shadows creep, rain runs down the window, distant traffic.
Una imagen más una nota de movimiento: el humo, el ciclo del neón y el giro de cabeza están escritos, y todo lo que identifica a la persona viene del fotograma.
Prueba barato, termina una vez
La resolución viene en 480p por defecto, la más económica de los cuatro niveles. Genera varias variantes de tres segundos en 480p, elige una y vuelve a generarla en 768p o 1080p con más duración, manteniendo idénticos el prompt y el fotograma inicial para que la comparación tenga sentido.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
