Introducción
Extensión de video con MiniMax H3. Envía el clip que quieres continuar y describe lo que sigue: el último fotograma de tu clip se convierte en el fotograma inicial de un nuevo plano de image-to-video de MiniMax H3, y el original y el segmento nuevo vuelven unidos en un único MP4. Solo se cobran los segundos nuevos.
| Campo | Valor |
|---|---|
| Entrada | Video |
| Salida | Video |
| Publicado por | MiniMax |
| Endpoints | text-to-video, image-to-video, reference-to-video, video-extend |
| Duración | 4–15 segundos, 5–15 en text-to-video |
| Resolución | 768p, 2k |
| Proporciones | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 (texto y referencias) |
| Referencias | Hasta 9 imágenes |
| Audio | Se genera con la imagen en todos los endpoints |
| Ejecución | Tarea asíncrona, cobrada por segundo de salida |
Funciones y aspectos destacados
Una toma terminada a partir de un párrafo
Di quién está en cuadro, qué pasa, a dónde va la cámara y qué se oye. H3 entrega la iluminación, el grano, el movimiento y una banda sonora acorde en un solo clip. Esta escena noir junto a la ventana son cuatro oraciones y nada más.
Tu cuadro, en movimiento
Parte de una imagen fija y describe solo lo que pasa después. Aquí el cuadro inicial era una taza de café sobre una barra; la mano, el paneo hacia la camisa y el hombre que despierta detrás de ella salieron del prompt.
La misma mujer, el mismo atuendo, una escena nueva
Dale una cara, un vestuario y un cuarto como fotos separadas y los junta en una toma que nunca filmaste. Así un personaje se sigue viendo igual de un clip al siguiente.
La banda sonora sale junto con la imagen
Diálogo, ambiente y música se generan en la misma pasada. La línea cantada, la reverberación del club y el murmullo del público de este clip estaban escritos en el prompt, sin un paso de audio aparte.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Obligatorio. Lo que sucede después: la acción que sigue, el movimiento de cámara y el sonido. mínimo 1 caracteres · máximo 7000 caracteres |
video_url | Sí | El clip que se va a continuar: MP4, MOV o WebM, de hasta 60 segundos. mínimo 1 caracteres |
last_image_url | No | Fotograma final de destino opcional: el segmento nuevo termina sobre esta imagen. Solo guía el final; el tramo central sigue libre. |
resolution | No | Resolución del segmento nuevo: 768p o 2k, por defecto 768p. Ambas son renders nativos. |
duration_seconds | No | Duración del segmento nuevo: segundos enteros, de 4 a 15; por defecto 5. Un segmento de 4 segundos solo está disponible en 768p, y 2k necesita al menos 5 segundos. |
Precios
Se cobra por segundo del segmento nuevo en la resolución que elijas; el clip de origen que envías no se cobra. Una generación fallida, o una unión que no se pueda construir, se reembolsa por completo.
| Especificación | Precio |
|---|---|
| $0.037 / segundo |
| $0.058 / segundo |
Casos de uso
Escenas sin censura que otras API de video rechazan
Las escenas que otras API bloquean pasan al primer intento en lugar de rebotar en un filtro de prompts. Escribe la escena para texto a video, o genera primero a la persona exacta y anima ese cuadro cuando el look tiene que ser preciso.
Clips verticales con sonido para redes
Clips 9:16 que ya traen su audio: un teaser de diez segundos, un loop de ambiente, un momento de reacción. Haz borradores en 768p hasta que el ritmo funcione y luego vuelve a generar la mejor toma en 2K.
Un personaje recurrente a lo largo de una serie
Mantén una cara, un vestuario y un cuarto estables de episodio a episodio con fotos de referencia, y escribe solo lo que cambia en cada toma nueva.
Escenas más largas, toma por toma
Encadena clips de 15 segundos en una escena completa: el último cuadro de cada clip aprobado se vuelve el primero del siguiente, así el vestuario, el set y la luz cruzan el corte.
Guía de prompts y consejos prácticos
Pruébalo en el playground
Elige un modo arriba (una frase, tu propio cuadro inicial o unas fotos de referencia), pega uno de los prompts de esta página y ejecútalo. El costo exacto aparece antes de que se cobre nada.
Obtén una clave de API
Regístrate, recarga con tarjeta o cripto y crea una clave en la consola. No hay suscripción: pagas por los segundos de video que generas.
Envía la misma solicitud desde tu código
Copia la solicitud desde la pestaña API: es el mismo cuerpo que el playground acaba de ejecutar. El clip terminado llega a tu webhook, o lo obtienes con el ID de la tarea.
Introducción
MiniMax H3 Extensión de video continúa un clip que ya tienes. Envíalo como video_url con un prompt de lo que sucede después. El último fotograma de tu clip pasa a ser el fotograma inicial de un nuevo plano de image-to-video de MiniMax H3 de 4 a 15 segundos, y ambos se unen en un solo MP4: primero tu original, luego la continuación, sin el fotograma repetido de la costura. El segmento nuevo también vuelve como archivo propio, de modo que puedes seguir extendiendo o editar las piezas por separado.
Características clave y puntos destacados
La continuidad viene del último fotograma
El vestuario, el decorado, la luz y la posición de cada persona se mantienen porque el segmento nuevo empieza literalmente en tu último fotograma. El movimiento no se hereda del mismo modo: el modelo ve una imagen fija, no el clip entero, así que describe el movimiento que quieres continuar en lugar de suponer que mantendrá su velocidad o su dirección.
Un archivo de vuelta, más la pieza nueva por separado
El MP4 unido conserva la tasa de fotogramas y el encuadre de tu clip, sin bandas negras. Para que la costura quede alineada, la imagen puede recortarse o ajustarse unos pocos puntos porcentuales en los bordes. Si el modelo devuelve una proporción claramente distinta, el segmento nuevo se escala hasta llenar tu encuadre, se centra y se recorta lo que sobresale. El segmento nuevo trae sonido generado en la misma pasada; el sonido de tu origen se conserva y la costura se funde durante una fracción de segundo. Si un lado es mudo, el otro se rellena con silencio. El segundo recurso de la salida es el segmento nuevo solo, con el rol segment, listo para otra extensión o para un editor.
Un fotograma final opcional
last_image_url es opcional. Envía una imagen y el segmento nuevo termina sobre ella; si la omites, el final es libre. El fotograma final solo ajusta el desenlace, y cuanto más largo es el segmento, más puede alejarse de él el tramo central. Un segmento de 4 segundos solo está disponible en 768p, y 2k necesita al menos 5 segundos.
Todo lo demás es image-to-video de MiniMax H3
El segmento nuevo se ejecuta por las mismas rutas, con el mismo rango de contenido y el mismo precio por segundo que el endpoint de image-to-video, y una generación fallida se reembolsa igual. Si la generación termina bien pero no se puede construir la unión, la tarea falla y se reembolsa el cargo.
Casos de uso
Alargar un plano que terminó demasiado pronto
Una plataforma giratoria de producto que se detiene antes de que la etiqueta mire a cámara, o un paseo que corta antes de que el sujeto llegue a la puerta. Extiéndelo unos segundos y describe solo el movimiento que falta.
Construir una secuencia más larga paso a paso
Una solicitud produce como máximo 15 segundos. Para ir más lejos, genera un primer plano, extiéndelo y luego extiende de nuevo el resultado unido; cada paso cobra solo los segundos que añade. Como cada paso parte de un único fotograma, revisa cada costura antes de apilar la siguiente.
Guía de prompts y consejos profesionales
Describe el siguiente tiempo, no toda la escena
El fotograma ya fija quién y dónde, así que dedica el prompt a la acción que sigue, el movimiento de cámara y el sonido. Repite el lenguaje de cámara con el que terminó tu clip, como un avance lento o un plano fijo, para que la costura se lea como una sola toma.
Recorta antes de extender
El último fotograma es lo único que ve el modelo, así que un final borroso, cortado a mitad de movimiento o muy comprimido pasa directo a la continuación. Corta primero tu origen en un fotograma limpio y nítido. Se aceptan orígenes de hasta 60 segundos en MP4, MOV o WebM.
Mantén la resolución coherente
La resolución solo define la nitidez con la que se genera el nuevo segmento, así que un ajuste menor hace que la parte nueva se vea más suave que el original. Iguala la resolución de tu original y ajusta duration_seconds a la duración que de verdad necesitas: el cobro sigue solo al nuevo segmento.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/video-extend",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
