Ir al contenido principal

Sin censura — Este modelo declara que no aplica filtros. SpicyAPI reenvía sin añadir análisis de contenido de la plataforma; las obligaciones legales y de consentimiento siguen siendo del cliente.Ver todos los modelos con este nivel de filtrado
minimax/h3-x/text-to-video

H3 X requiere un prompt de 1 a 7,000 caracteres para acción, cámara y sonido; las líneas habladas van entre comillas dobles. Para una secuencia H3 X elige de 2 a 15 segundos enteros; el valor inicial es 5 y la salida tiene 24 fps.

Desde $0.022/s
Ejecutar modelo

Playground

Entrada

Texto a video
467/7000
H3 X requiere un prompt de 1 a 7,000 caracteres para acción, cámara y sonido; las líneas habladas van entre comillas dobles. mínimo 1 caracteres · máximo 7000 caracteres
H3 X ofrece para texto y referencias 16:9 predeterminado, 9:16, 1:1, 4:3, 3:4 y 21:9; con imagen inicial, la forma se toma del fotograma.
afecta al precio
H3 X ofrece 480p, 720p predeterminado y 1080p; los recortes de SpicyAPI no mostraron más detalle visible en el archivo de 1920 x 1088.
Duraciónafecta al precio
Para una secuencia H3 X elige de 2 a 15 segundos enteros; el valor inicial es 5 y la salida tiene 24 fps. no menor que 2 · no mayor que 15
Ampliación del prompt
La expansión de prompt de H3 X empieza desactivada; al activarla se reescriben las instrucciones antes de generar sin cambiar el precio.
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
Extender
Traducción de video
Edición de video

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.

Video MiniMax H3 accesible, con frases habladas, planos con tiempos y hasta 9 referencias

MiniMax H3 X es una versión ajustada y más económica de MiniMax H3, disponible solo en SpicyAPI, desde $0.022 por segundo de video. No es un lanzamiento oficial de MiniMax. Tres endpoints generan clips de 2 a 15 segundos en 480p, 720p o 1080p con sonido estéreo: texto a video, imagen a video a partir de un cuadro inicial con un cuadro final opcional, y referencia a video con hasta 9 imágenes, 2 clips de video y 3 clips de voz. Una frase escrita entre comillas dobles se pronuncia, y los tres endpoints son sin censura. Sus límites de contenido son algo más estrictos que los de MiniMax H3, pero cada segundo cuesta menos.

Abrir el playground
Video MiniMax H3 accesible, con frases habladas, planos con tiempos y hasta 9 referencias
Modelo
Una versión ajustada de MiniMax H3, solo en SpicyAPI desde el 26 de octubre de 2026; no es un lanzamiento oficial de MiniMax
Endpoints
Texto a video; imagen a video a partir de un cuadro inicial y un cuadro final opcional; referencia a video con hasta 9 imágenes, 2 clips de video y 3 clips de voz
Duración
De 2 a 15 segundos enteros a 24 fps, 5 por defecto
Resolución
480p, 720p (por defecto) o 1080p; texto y referencia a video en 16:9, 9:16, 1:1, 4:3, 3:4 o 21:9
Sonido
Sonido estéreo en cada clip; una frase entre comillas dobles se pronuncia
Precio inicial
Desde $0.022 por segundo generado en 480p; 720p y 1080p cuestan más
Precio
MiniMax H3 por menosH3 X arranca en $0.022 por segundo generado en 480p, y el precio vigente de cada resolución está en la página del modelo. El sonido y la expansión del prompt van incluidos en el precio por segundo. Para borradores existe H3 X Turbo, una versión destilada de este modelo a más o menos la mitad del precio.
Diálogo
Las frases entre comillas vuelven palabra por palabraEscribe lo que dice cada persona entre comillas dobles. En nuestras pruebas de voz a texto, la frase volvió palabra por palabra con el movimiento de labios sincronizado, incluso en una ejecución con un clip de voz de referencia. La lluvia, la respiración y la música también siguen el prompt.
Contenido
Sin censura en los tres endpointsEn nuestras pruebas no se rechazó ninguna solicitud. Imagen y referencia a video entregaron una escena íntima entre dos adultos. Los límites de contenido son algo más estrictos que los de MiniMax H3: texto a video suaviza algunas escenas NSFW de una sola persona o con sujetos masculinos, así que para eso empieza desde una imagen o desde referencias.

Cómo trabajar con MiniMax H3 X

Parte de un cuadro y escribe lo que sigue

Parte de un cuadro y escribe lo que sigue

Nuestro cuadro inicial mostraba a una bartender con un vestido de terciopelo negro de espalda descubierta detrás de una barra de nogal, en un lounge de vinilos con poca luz. El prompt solo describía lo que sigue: deja la copa, se inclina sobre la barra, apoya el mentón en la mano y susurra "Last call.", con el crujido del disco y música soul de fondo. El clip en 720p conservó su cara, el vestido y la luz ámbar. Arriba a la izquierda está el cuadro inicial; los otros tres son momentos del clip.

Nombra cada referencia por su posición

Nombra cada referencia por su posición

Enviamos el retrato de una mujer con bob platinado, la foto de producto de una gabardina color camel y un probador art déco vacío como Image 1, 2 y 3, y escribimos "the woman from Image 1", "the trench coat from Image 2" y "the fitting room from Image 3" en el prompt. Su cara, la gabardina y el espejo de marco dorado volvieron en una sola escena en 720p. La columna izquierda muestra las tres referencias.

  • Dale a cada frase sus propias comillas

    En una azotea empapada de lluvia, de noche, una pareja baila un tango lento y ella dice "Not yet." El prompt también nombra el sonido: la lluvia golpeando las baldosas, el tráfico a lo lejos, un bandoneón. Imagen, voz y efectos salen en una sola pasada, sin un paso de audio aparte. Mantén cada frase lo bastante corta para que se diga sin prisa dentro de la duración que pides.

  • Copia un movimiento de un clip de referencia

    Un video de referencia puede servir como plantilla de movimiento. Enviamos el retrato de un hombre con camiseta sin mangas blanca como Image 1 y un clip corto de baile como Video 1, y pedimos el mismo giro y el mismo movimiento de hombros en un loft soleado, con su cara y su camiseta de Image 1 y solo el movimiento de Video 1. Los segundos de video de referencia se cobran como segundos generados, así que recorta el clip a los movimientos que necesitas.

  • Elige 1080p por el tamaño del cuadro, no por el detalle

    720p es el valor por defecto. 1080p entrega un archivo real de 1920 x 1088, pero con menos bitrate que 720p, unos 3.3 frente a unos 10 Mbps, y en nuestros recortes no se veía más nítido. Un clip de 5 segundos tardó unos 50 a 110 segundos en 480p, 100 a 130 en 720p y unos 171 en 1080p, así que haz borradores en 480p, donde el segundo cuesta menos, y termina la toma que te guste en 720p.

Quién usa MiniMax H3 X

  • Tres planos con un solo prompt

    Creadores de series y microdramas

    Tres planos con un solo prompt

    Dale a cada plano un tiempo de inicio y mantén a las mismas personas en cada línea del prompt. Nuestro clip de 12 segundos pedía un plano general por el pasillo de un hotel, un corte a los 4 segundos a una llave girando en una cerradura de latón y un corte a los 8 segundos a la habitación, y volvió con esos tres planos y la misma mujer. En una prueba de 15 segundos, los cortes cayeron cerca de los 5 y los 10 segundos.

  • Clips verticales directo desde texto

    Equipos de redes sociales y formato corto

    Clips verticales directo desde texto

    Texto y referencia a video aceptan 9:16 además de 16:9, 1:1, 4:3, 3:4 y 21:9, y un clip 9:16 en 720p vuelve en 736 x 1312. Nuestro salvavidas se apoyó en la baranda de una torre blanca a la hora dorada, se subió los lentes de sol y le sonrió a una cámara en contrapicado. En la imagen: dos momentos de ese clip de 5 segundos.

  • Parte de los cuadros de tus propios usuarios

    Plataformas para adultos

    Parte de los cuadros de tus propios usuarios

    En nuestras pruebas, imagen a video aceptó cuadros iniciales NSFW y entregó una escena íntima entre dos adultos, con el contacto en sí fuera de cuadro. Algunas escenas con sujetos masculinos se suavizaron; para eso, usa referencia a video. Todas las personas en pantalla deben ser adultas. En la imagen: dos mujeres que se dan un beso suave en un balcón de París al amanecer, a partir de un cuadro inicial con ropa.

  • Dos personas a partir de dos retratos

    Creadores de personajes y series

    Dos personas a partir de dos retratos

    Envía un retrato por persona y nombra a cada una por su posición, por ejemplo "the man from Image 1" y "the man from Image 2". Dos retratos de dos hombres de traje volvieron en un ascensor de hotel de latón con espejos, uno aflojándole la corbata al otro, con las dos caras conservadas. Reutiliza los mismos retratos en el mismo orden en cada plano de una secuencia.

Del primer prompt a la toma final con MiniMax H3 X

  1. Elige el endpoint según lo que tienes

    Si solo tienes palabras, usa texto a video. Si tienes un cuadro de la escena, imagen a video, con un cuadro final opcional. Si tienes fotos separadas de personas, prendas, productos o lugares, un clip de movimiento o una voz, referencia a video. Los cuadros y las referencias no se mezclan en una misma solicitud.

  2. Escribe la acción, la cámara y el sonido

    Describe en orden lo que pasa, lo que hace la cámara y lo que se escucha, y pon cada frase hablada entre comillas dobles. En imagen a video, describe lo que sigue al cuadro, no el cuadro en sí. Deja la expansión del prompt apagada si quieres que tu texto se use tal cual.

  3. Haz borradores en 480p

    Lanza algunas tomas de 5 segundos en 480p, donde el segundo cuesta menos, y revisa caras, manos y la frase hablada antes de alargar.

  4. Termina en 720p, solo lo que haga falta

    Vuelve a generar la toma que te guste en 720p y con la duración que pida la escena, hasta 15 segundos; cada clip se cobra por segundo generado. Elige 1080p solo cuando necesites el cuadro más grande.

  5. Para escenas NSFW de una sola persona o con sujetos masculinos, empieza desde una imagen

    Texto a video suaviza algunas escenas NSFW de una sola persona o con sujetos masculinos. Usa imagen a video con un cuadro de las personas, o referencia a video. Todas las personas en pantalla deben ser adultas.

Prompts de MiniMax H3 X para copiar

  • Un tango con una frase entre comillas

    Para texto a video en 16:9. La ropa, el movimiento, la frase entre comillas y el sonido se nombran una vez cada uno.

    Night, a rain-soaked rooftop above a glittering city. A couple dances a slow tango in the downpour: she wears a clinging crimson satin slip dress, he wears a soaked white shirt open at the collar. He dips her low, she pulls him back up by the collar, their faces an inch apart, and she says, "Not yet." Rain hissing on the tiles, distant traffic, a bandoneon playing a slow tango. Cinematic, shallow depth of field, wet reflections, warm city glow against blue night.

  • Un cuadro que susurra

    Para imagen a video a partir de un cuadro de una persona adulta vestida. Describe solo lo que pasa después del cuadro.

    She sets the glass down slowly, leans across the bar toward the camera, rests her chin on her hand and whispers, "Last call." A record crackles on the turntable, low soul music, ice clinking. The camera pushes in slowly. Warm amber light, shallow depth of field.

  • Tres referencias, una prueba de ropa

    Para referencia a video con un retrato, una foto de la prenda y una foto del lugar, en ese orden. Nombra cada imagen por su posición.

    The woman from Image 1, in her black slip dress, tries on the trench coat from Image 2 in the fitting room from Image 3. She belts it, turns to the gold mirror, then lets the coat slide off one shoulder and glances back at the camera over that shoulder. Soft spotlight, rustle of wool, quiet lounge music. Cinematic, shallow depth of field.

Más preguntas sobre MiniMax H3 X

Úsalo cuando la escena necesita voz y el presupuesto es justo

Elige texto a video cuando bastan las palabras, imagen a video cuando ya tienes el cuadro, y referencia a video cuando personas, prendas, lugares o un movimiento tienen que coincidir.

Pon cada frase entre comillas, marca los tiempos de tus planos, haz borradores en 480p y termina en 720p. Para escenas NSFW de una sola persona o con sujetos masculinos, empieza desde una imagen o desde referencias.

Todos los modelos MiniMax17

Modelos de video12

Modelos de audio3

Modelos de texto1

Modelos de imagen1