MiniMax H3 API

MiniMax H3 Referencias a video genera un plano a partir de una a nueve imágenes de referencia y de un prompt que las nombra por número: Picture 1, Picture 2, etc. Devuelve de 4 a 15 segundos enteros en 768p o 2k, en una de seis relaciones de aspecto, con sonido generado al mismo tiempo. A las imágenes se pueden sumar hasta tres videos y hasta tres audios de referencia, cada grupo con 15 segundos en total como máximo.

Elige el modo según el material inicial

Hasta nueve espacios numerados para imágenes

reference_image_urls acepta de una a nueve imágenes, y el prompt las llama por su posición. Una imagen puede llevar el rostro, otra el vestuario y una tercera la habitación. El ejemplo de continuidad del personaje hace exactamente eso: mantiene a la mujer de la imagen 1 con el atuendo de la imagen 2 dentro de la habitación de hotel de la imagen 3.

Un ángulo nuevo sobre un montaje existente

Las referencias mantienen coherente una producción cuando la cámara se mueve a otro lugar. El ejemplo red-dress-theatre-three-angles fija con tres imágenes a la intérprete, el vestido y el escenario, y luego pide un tercer ángulo de cámara, para que la nueva posición no se convierta sin querer en otra producción. Se generó en 3:4 durante cinco segundos.

El movimiento y el sonido salen del prompt

El movimiento y el audio se pueden escribir o dar como referencia. El ejemplo voice-and-room envía dos imágenes, la intérprete y la iluminación del escenario, y describe con palabras la acústica del club: reverberación cálida y el murmullo del público. Un video de referencia aporta movimiento y se nombra como <Video 1>; el audio de referencia fija una voz o un sonido. Las cinco primeras imágenes de referencia están incluidas y cada una a partir de la sexta suma un cargo; los segundos de video de referencia tienen su propia tarifa por segundo, más baja que la de salida, y el audio de referencia es gratis. La estimación en vivo lo refleja todo antes de enviar.

Mantener un personaje recurrente entre planos

Usa el mismo conjunto de imágenes de referencia en cada plano de una secuencia y cambia en el prompt solo las líneas de acción y de lugar. El endpoint no acepta seed, así que son las referencias las que sostienen la identidad de una toma a otra; el texto solo se desviaría.

Ubicar a una intérprete en un espacio concreto

Combina un retrato con una imagen aparte del espacio y describe lo que ocurre ahí. En voice-and-room, la intérprete se inclina hacia el micrófono, dice una línea y sonríe; la segunda imagen aporta la iluminación del escenario y el prompt aporta el sonido del lugar.

Sostener una prenda o un objeto en movimiento

Dale a una prenda o a un objeto su propio espacio en vez de esperar que sobreviva dentro de un retrato. El ejemplo red-dress escribe entonces lo que hace el vestido al moverse, con la abertura que se abre a cada paso hacia el proscenio, porque su corte y su color ya están fijados por una referencia.

# 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/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ],
    "resolution": "768p"
  }
}'

# 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.