El reference-to-video de MiniMax H3 dirige un solo plano desde hasta nueve imágenes de referencia numeradas, manteniendo estables un personaje, un vestuario y una locación. Los clips duran de 4 a 15 segundos con audio generado a 768p o 2k.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
character-continuity-named-refs Tres referencias, tres funciones: la imagen 1 para su cara, la imagen 2 para la prenda, la imagen 3 para la habitación; nombrarlas por número evita que se mezclen en una sola escena. El `prompt` solo se encarga de la acción en `duration_seconds` `5`: sentarse, cruzar las piernas, mirar hacia la cámara, con el vaivén de cámara en mano escrito como indicación y no tomado de un clip. La cara se mantiene constante mientras la escena cambia.
- 768p
- 5s
- Salida5 s
red-dress-theatre-three-angles Un tercer ángulo sobre una puesta en escena que ya existe, que es para lo que sirven las referencias: `reference_image_urls` admite hasta nueve imágenes y entre ellas fijan a la intérprete, la prenda y el escenario, de modo que una nueva posición de cámara no se convierta calladamente en otra producción. El prompt se escribe entonces solo para este ángulo, la caminata, el seguidor, lo que hace la prenda al moverse ella, porque el resto se entregó como imágenes.
- 768p
- 3:4
- 5s
- Salida7 s
character-continuity Tres referencias, tres funciones: la imagen 1 para su cara, la imagen 2 para la prenda, la imagen 3 para la habitación; nombrarlas por número evita que se mezclen en una sola escena. El `prompt` solo se encarga de la acción en `duration_seconds` `6`: sentarse, cruzar las piernas, mirar hacia la cámara, con el vaivén de cámara en mano escrito como indicación y no tomado de un clip. La cara se mantiene constante mientras la escena cambia.
- 768p
- 6s
- Salida5 s
voice-and-room Las dos referencias solo aportan lo que una imagen fija puede mostrar: su cara en la imagen 1, el equipo de focos en la imagen 2, y el `prompt` añade lo que una foto no puede: un club pequeño, una reverberación cálida, un murmullo del público. En `duration_seconds` `5` hay tiempo para una frase al micrófono antes de que sonría, lo que convierte una pose en una línea interpretada. Cambia la sala y las referencias siguen fijando la cara y la luz.
- 768p
- 5s
Este ejemplo parte de $0.037 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.