MiniMax H3 API

MiniMax H3 Texto a video genera un clip solo a partir del prompt, sin imagen ni conjunto de referencias. Eliges una duración de 5 a 15 segundos enteros, una resolución de 768p o 2k y una de seis relaciones de aspecto; el sonido se genera en la misma pasada que la imagen. El campo de prompt admite hasta 7,000 caracteres, suficiente para describir un plano completo y no solo un pie de foto.

Elige el modo según el material inicial

Seis formatos, elegidos en cada solicitud

aspect_ratio acepta 16:9 (predeterminado), 9:16, 1:1, 4:3, 3:4 y 21:9. El 21:9 genera un letterbox anamórfico, y así se hizo el ejemplo publicado noir-window: un neón rojo que late, sombras de persianas venecianas y un giro lento de cabeza, todo escrito en un párrafo para el cuadro ancho. Decide el formato antes de escribir, para que el brief coloque al sujeto pensando en ese cuadro.

El sonido se dirige en el mismo brief

El audio se genera junto con la imagen, no se agrega después, así que la banda sonora también se escribe en el prompt: ambiente, foley, música o una línea de diálogo. En el ejemplo thunder-wheat-field, el trueno llega en el mismo archivo que los relámpagos y cae sobre los destellos sin que tengas que sincronizarlo en la edición.

768p y 2k, ambas nativas

Ambas resoluciones son salidas nativas y ni 480p ni 720p son opciones: el esquema las rechaza. La duración y la resolución influyen en el precio, así que lo habitual es hacer borradores en 768p hasta que la acción y el encuadre funcionen, y luego generar en 2k la toma elegida. El endpoint no acepta seed, de modo que esa ejecución en 2k es una toma nueva del mismo brief y no una copia más nítida del borrador.

Arrancar un plano solo con una idea

text-to-video es el endpoint de H3 que no necesita ninguna imagen. El ejemplo curtain-silhouette muestra el tipo de brief que mejor se sostiene entre ejecuciones: cámara fija, una cortina de gasa, una lámpara cálida detrás y una silueta de la que solo se lee el contorno. Cuantos menos detalles deja abiertos el brief, más se parecen entre sí las tomas sucesivas.

Probar una idea de luz o de ritmo

La luz que cambia con el tiempo se escribe por completo en el prompt. El brief de thunder-wheat-field pide una revelación intermitente: cada relámpago deja en blanco por un instante una camisa empapada y luego la devuelve a la oscuridad, durante seis segundos en 768p y 16:9. Borradores cortos como este muestran si un efecto se entiende antes de gastar una ejecución en 2k.

Abrir una secuencia que sigue en otro modo

H3 no tiene endpoint de edición, y una solicitud llega como máximo a 15 segundos. Para una escena más larga, genera aquí el primer plano y continúalo con MiniMax H3 Extensión de video: abre el siguiente plano en el último fotograma del clip aprobado y devuelve ambos unidos en un solo archivo. Cuando el sujeto debe verse exactamente como se diseñó, usa image-to-video en su lugar: la prosa deja el vestuario, el cuerpo y el encuadre en manos del modelo, y las ejecuciones consecutivas se desvían.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false
  }
}'

# 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.