LTX 2.5 vs MiniMax H3 : choisir la tâche avant de comparer

Une prise continue de dix-huit secondes, une animation produit carrée et une scène de personnage construite à partir de plusieurs photographies sont toutes des tâches vidéo. Elles ne correspondent pas au même achat. LTX 2.5 et MiniMax H3 se recoupent pour les courtes vidéos à partir de texte et l’animation d’une image initiale, mais leurs formats de livraison, références et prix peuvent trancher avant de comparer la qualité visuelle.

Choisissez LTX 2.5 pour un niveau de sortie 4K annoncé, une prise continue de plus de quinze secondes ou des itérations contrôlées par seed. Choisissez MiniMax H3 pour un coût de génération inférieur, un cadrage carré ou large, ou un plan composé à partir de plusieurs images de référence. Pour une même demande de cinq secondes en 2k, LTX coûte $0.95 et H3 $0.29. Les tests existants montrent que les deux acceptent les demandes pour adultes ; ils ne désignent aucun gagnant pour le mouvement ou l’audio à conditions égales.

Tableau de décision rapide

Une image initiale et une collection de références répondent à des problèmes différents. Si vous avez déjà approuvé la personne, la pose et la composition, envoyez cette image fixe à la tâche image vers vidéo. Si vous disposez d’images distinctes des éléments et souhaitez une nouvelle composition, la tâche de références de H3 est la branche pertinente. Comparer cette dernière à une génération texte LTX sans conditionnement reviendrait à comparer des flux disposant d’informations différentes.

Choix de la tâche : définissez d’abord l’entrée et la livraison nécessaires, puis évaluez le plan généré.

Entrées et commandes qui influencent le plan

La famille LTX 2.5 propose des tâches hébergées à partir de texte et d’images. La famille MiniMax H3 ajoute la génération à partir d’images de référence. Il s’agit de H3 de base et de LTX 2.5, pas de H3 Max, d’une variante Spicy ni de LTX 2.3.

En image vers vidéo, l’image source détermine la composition initiale, plutôt qu’un sélecteur indépendant de rapport d’aspect. L’image finale doit représenter une suite physiquement plausible : même personnage, même orientation de caméra et même décor, avec un changement d’état significatif. Elle indique une destination voulue, sans prouver que toutes les images intermédiaires préserveront la source.

Pour un plan montrant des mains et un objet, préparer la source vaut davantage qu’ajouter des adjectifs. Gardez visibles l’objet entier, la surface de contact prévue et assez d’espace pour l’action. Une main cadrée serré à côté d’une tasse invisible oblige le modèle vidéo à inventer la relation manquante. Un cadre approuvé plus large définit cette relation avant le début du mouvement.

La fiche du modèle LTX natif et le dépôt MiniMax H3 décrivent des outils et flux de références plus larges. Cette tâche hébergée de références H3 accepte des images, pas les tableaux de références vidéo/audio natifs. Les capacités locales de LoRA et d’exécution ne doivent pas non plus être envoyées sous forme de champs API inventés.

Prix : un écart qui peut changer vos itérations

Voici les tarifs de sortie SpicyAPI pour la génération à partir de texte et d’une image initiale.

Les prix du niveau 2k commun ont été confirmés par des devis gratuits pour les demandes exactes. Les $0.29 de H3 sont environ 69% inférieurs aux $0.95 de LTX pour la même durée demandée et la même appellation de niveau. C’est un écart de prix d’achat, pas une amélioration mesurée de 69% de l’efficacité de production. Quatre propositions H3 coûtent $1.16 ; deux propositions LTX coûtent $1.90. Si les propositions moins chères ratent régulièrement le mouvement requis, l’avantage tarifaire peut ne pas aboutir à un plan final.

Un calcul utile additionne tous les frais de génération nécessaires pour obtenir le plan accepté, ainsi que les travaux de finition significatifs. Par exemple, deux brouillons H3 2k générés avec succès mais inutilisables, puis un troisième retenu, totalisent $0.87. Un seul plan LTX retenu coûterait $0.95. Une tâche échouée et une génération achevée mais artistiquement ratée ont des conséquences de facturation différentes ; utilisez les relevés de tâches réglées pour calculer le total réel.

Les références H3 entraînent des frais supplémentaires. Un devis gratuit pour cinq secondes en 768p avec une référence a renvoyé $0.1918, contre $0.185 pour la sortie sans référence. Demandez un devis avec le nombre réel de références au lieu de les considérer comme des entrées gratuites. L’H3 de base ne propose plus non plus l’expansion du prompt (retirée le 9 octobre 2026) : il n’y a ni interrupteur d’expansion ni frais d’expansion à budgéter. Ne budgétez pas une option simplement parce que son champ apparaît dans le schéma.

Comparer les niveaux les plus bas répond à une autre question. LTX 720p et H3 768p ont des tailles de livraison différentes. Pour un petit brouillon, cette économie peut être raisonnable ; pour une évaluation à résolution égale, elle ne remplace pas le niveau commun.

L’appellation 2k commune désigne une intersection de configurations. Comparez les dimensions décodées et regardez les fichiers complets à une taille d’affichage constante.

Ce que les tests existants disent du NSFW et de la qualité

D’après nos tests de septembre 2026, les deux familles peuvent générer des vidéos pour adultes sans censure :

• LTX 2.5 : vingt-quatre demandes de contenu pour adultes sur les tâches texte et image ont produit vingt-trois résultats conformes au contenu et un résultat texte atténué. Les catégories et les effectifs diffèrent ; ce ne sont pas vingt-quatre tests de la même scène.
• MiniMax H3 de base : les douze demandes de contenu pour adultes ont été conformes dans l’échantillon archivé des tâches texte, image et références. Deux essais supplémentaires sur la violence sont distincts de cet échantillon adulte.
• Aucun échantillon n’est un concours apparié. Les prompts, dates et répétitions différents empêchent leurs totaux de prouver que H3 serait généralement plus fiable ou LTX moins capable.

Le test de LTX 2.5 décrit des résultats visuels variés, dont une bonne scène en club et de graves artefacts dans certains mouvements complexes. Le test de H3 documente ses propres observations historiques sur le contenu et les tâches. L’acceptation du contenu compte dans un flux pour adultes, mais elle n’évalue pas la géométrie des mains, le contrôle de la caméra ni l’identité au fil de la scène.

Une vérification concrète de livraison est déjà disponible : les archives de capacités de septembre consignent une demande LTX 2.5 de onze secondes en 2k ayant livré 2560×1408 pixels, 11.04 secondes et une piste audio substantielle. Cela établit une véritable sortie audio-vidéo longue et haute résolution dans cette configuration. Cela ne prouve ni la précision de la synchronisation labiale, ni un temps de rendu fixe, ni une comparaison avec un clip H3.

Pour un plan éditorial destiné aux adultes, préparez le personnage et la tenue dans l’image initiale, puis dirigez un mouvement visible. Évaluez à la fois le contenu voulu et le résultat cinématographique. Un clip au contenu correct mais aux mains instables reste inadapté si leur contact est central dans le brief.

Un plan commun concret : une tasse, un mouvement, un son

Pour comparer les deux voies sur un élément observable, utilisez une scène de poterie de cinq secondes : un potier adulte fait tourner une tasse bleue d’un quart de tour, tapote une fois son bord et pose les deux mains à côté. La caméra reste immobile. Le contact visible et le son facilitent la description des échecs.

Le storyboard et les illustrations montrent l’action voulue, et non des résultats de l’un ou l’autre modèle.

Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron stands behind a wooden workbench. One small blue glazed cup with a single handle rests on the bench. The potter brings both hands to the cup, gently turns the cup a quarter-turn with both hands, taps its rim once with one finger, then rests both hands beside it. Keep the cup intact and continuously visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.

Ce prompt donne un rôle à chaque instruction :

• Sujet et décor : précisent qui agit et où, plutôt qu’une longue liste de styles.
• Objet : une tasse bleue avec une seule anse rend visibles les duplications ou changements de conception.
• Ordre des actions : approcher, tourner, tapoter, reposer donne une fin à la scène plutôt qu’un mouvement sans fin.
• Caméra : une composition fixe facilite l’évaluation du mouvement.
• Son : un bref contact permet de vérifier le timing ; il ne teste ni dialogue ni chant.

Pour un essai à partir d’une image initiale, utilisez le même fichier approuvé sur les deux voies. Remplacez les premières phrases descriptives par : « Use the supplied image as the character, cup and studio design. Preserve their appearance and composition. » Conservez les instructions d’action, de caméra et de son. Deux images sources générées séparément introduiraient une différence supplémentaire avant même le début des tâches vidéo.

Quatre temps : les mains s’approchent, la tasse tourne, le doigt tapote le bord, puis les mains se reposent.

Entrées API pour la génération texte vers vidéo

Enregistrez l’une de ces demandes dans request.json et soumettez-la avec le flux SDK du guide de l’API vidéo. Le programme lit l’ID du modèle choisi et l’entrée, calcule un devis sans création par défaut et utilise un ID de tâche sauvegardé pour la reprise.

{
  "model": "lightricks/ltx-2.5/text-to-video",
  "input": {
    "prompt": "Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron brings both hands to the cup, gently turns one blue handled cup a quarter-turn on a wooden workbench, taps its rim once, then rests both hands beside it. Keep the cup intact and visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.",
    "duration_seconds": 5,
    "resolution": "2k",
    "aspect_ratio": "16:9",
    "seed": 42017
  }
}

Pour la demande H3 correspondante, conservez le prompt, la durée, le niveau et le cadrage. Retirez seed, car la tâche H3 de base ne l’expose pas :

{
  "model": "minimax/h3/text-to-video",
  "input": {
    "prompt": "Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron brings both hands to the cup, gently turns one blue handled cup a quarter-turn on a wooden workbench, taps its rim once, then rests both hands beside it. Keep the cup intact and visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.",
    "duration_seconds": 5,
    "resolution": "2k",
    "aspect_ratio": "16:9"
  }
}

En image vers vidéo, choisissez la tâche image de chaque famille, fournissez votre source dans image_url, omettez aspect_ratio et conservez le prompt de mouvement. N’ajoutez pas d’image finale au premier essai, sauf si atteindre cette image précise est la question étudiée. Si le contrôle de la fin compte, ajoutez la même image finale compatible aux deux dans un essai séparé.

Quand les références H3 sont le meilleur flux

Supposons que le potier, la tasse et l’atelier existent sous forme de trois images approuvées distinctes. La tâche de références de H3 peut les combiner dans un nouveau plan. Expliquez explicitement leurs rôles : « Image 1 defines the potter and indigo apron; Image 2 defines the blue cup and handle; Image 3 defines the studio. Compose a medium-wide view of the potter at the workbench, then perform the turn, tap and rest sequence. »

Cela reste utile sans gagnant de comparaison. Vous évitez de demander au modèle d’inventer l’objet à partir du texte et de forcer tous les éléments dans une première image déjà approuvée. Vérifiez qu’il préserve réellement chaque rôle. Si une composition initiale précise est indispensable, composez d’abord cette image fixe, puis utilisez la génération à partir d’une image initiale.

Évaluer le résultat sans transformer chaque essai en laboratoire

Regardez le clip complet à sa vitesse prévue avant d’examiner les images une par une. Une bonne première image ne montre pas si l’anse disparaît à mi-parcours ni si le plan coupe avant le contact.

En génération texte, les deux modèles peuvent inventer des visages différents. Ce seul fait n’est pas un échec. Évaluez la continuité de chaque personnage inventé. En entrée image, comparez aussi le personnage rendu à la source.

Vérifiez les dimensions réelles, la durée et le flux audio. Les cinq secondes demandées peuvent ne pas correspondre exactement à la durée encodée. Conservez l’original avant de couper, redimensionner ou remplacer le son. Si un plan visuellement retenu nécessite seulement une retouche sonore, consignez-le comme réussite visuelle avec réparation audio ; ne présentez pas le son de remplacement comme une sortie native.

Un potier, une tasse bleue sans anse et un tableau avec des croquis de rotation et de tapotement. La tasse à anse demandée dans le prompt apparaît dans l’illustration finale.

Corriger l’échec qui compte pour le brief

Modifiez l’instruction liée au problème visible plutôt que de réécrire tout le prompt après chaque tentative.

Pour la création destinée aux adultes, incluez la tenue et l’état final voulu dans la source ou le brief approuvé. Si la scène devient plus intense que demandé, comptez cela comme un problème de fidélité plutôt que comme une amélioration automatique. L’acceptation du contenu n’est qu’une condition parmi celles d’un plan utilisable.

Un petit budget de comparaison réellement exploitable

Organisez l’essai autour de la décision. Si une prise continue de dix-huit secondes vous impose déjà LTX, ne financez pas des demandes H3 sans rapport pour redémontrer sa limite de durée. Si vous avez besoin de la collection de références H3, comparez les configurations de références au sein de H3. Si la question est le mouvement depuis une image initiale commune, commencez là plutôt que de payer les branches texte et image.

Pour cinq secondes en 2k :

• Une paire depuis une image initiale : $0.95 + $0.29 = $1.24.
• Une paire texte et une paire image : quatre clips, $2.48.
• Deux essais par modèle dans chaque mode : huit clips, $4.96.

Ces sous-totaux excluent la création d’images sources, les références, les révisions supplémentaires et la finition. Une paire montre ce qui s’est passé sur un plan ; elle ne mesure pas un taux stable de plans retenus. Ne répétez que si le premier résultat laisse une décision importante en suspens.

Pour une base stricte, conservez la même source et le même prompt et accordez le même nombre d’essais à chaque modèle. Si vous adaptez la formulation pour l’un, gardez cette branche séparée et donnez la même possibilité à l’autre. Un seed de même valeur ne synchroniserait pas l’aléatoire de modèles différents, même s’ils l’exposaient tous deux ; ici, seul LTX le fait.

Le minimum de quatre clips du diagramme couvre les modes texte et image. Pour une comparaison depuis une image initiale, deux clips coûtent $1.24 ; la préparation de la source s’ajoute, et les variantes ne sont pas cumulatives.

Déploiement local, annonces de vitesse et conditions d’utilisation

La page de comparaison concurrentielle de Lightricks mélange capacités natives et déploiements décrits différemment. Le temps de génération local et le temps d’achèvement d’une API hébergée ne se comparent pas directement. La discussion communautaire sur ce tableau soulève précisément ce problème de périmètre ; ses opinions ne constituent pas un benchmark SpicyAPI à conditions égales.

Pour les tâches hébergées, l’instantané actuel des achèvements sur 30 jours favorise H3 pour des itérations plus rapides :

Ces chiffres glissants mélangent durées, résolutions et tâches de test internes ; ils ne correspondent pas à des essais appariés de cinq secondes. H3 est le point de départ le plus prometteur quand le délai compte, mais une demande réelle peut s’achever hors de ces temps habituels.

Les poids natifs et leur utilisation sous licence relèvent de conditions distinctes. La licence communautaire H3 exclut les États-Unis, l’UE, le Royaume-Uni et la Corée du Sud de son territoire par défaut et traite expressément des services hébergés et des sorties. La licence LTX-2.x impose d’autres conditions commerciales. La présence au catalogue ne suffit pas à établir les autorisations pour un déploiement ou usage précis ; consultez l’accord de service applicable et les conditions du modèle.

Questions fréquentes

Quel modèle choisir pour une vidéo NSFW, LTX 2.5 ou MiniMax H3 ?

Tous deux ont accepté des demandes pour adultes dans les échantillons archivés des tâches de base. LTX a produit un résultat texte atténué ; l’échantillon adulte plus petit de H3 était conforme. Ces échantillons différents ne prouvent pas de gagnant général. Choisissez H3 pour des brouillons courts peu coûteux ou plusieurs images de référence, et LTX pour une prise plus longue ou le niveau 4K ; évaluez ensemble le contenu réel et le mouvement.

MiniMax H3 coûte-t-il moins cher au même niveau de sortie ?

Au niveau portant l’appellation commune 2k, le devis de cinq secondes est de $0.29 sur H3 contre $0.95 sur LTX. Les références ajoutent des frais, et il faut vérifier les dimensions décodées avant de parler d’une comparaison à pixels identiques. Les essais achevés nécessaires au plan final déterminent le coût réel de production.

H3 peut-il produire un clip de vingt secondes ou en 4K avec ces tâches ?

Non. Ces tâches H3 hébergées de base s’arrêtent à quinze secondes et 2k. LTX 2.5 annonce jusqu’à vingt secondes et un niveau 4K. Vous pouvez assembler plusieurs clips H3 dans un logiciel de montage, mais cela produit une séquence, sans garantir une génération ininterrompue de vingt secondes.

Puis-je utiliser les mêmes images de début et de fin avec les deux ?

Oui, avec les deux tâches image vers vidéo. Utilisez des fichiers identiques et des compositions compatibles. Examinez le milieu des clips retournés aussi bien que leurs extrémités : atteindre une dernière image similaire ne prouve pas que mains et objets sont restés cohérents pendant la transition.

Les deux génèrent-ils du son, et lequel est plus rapide ?

Les deux produisent de l’audio-vidéo. H3 a la médiane hébergée la plus courte dans la comparaison ci-dessus : environ une demi-minute contre près d’une minute et demie pour LTX. Cela favorise H3 pour des brouillons rapides, mais des temps issus de charges mélangées ne classent pas la qualité des dialogues ni la synchronisation.

La décision

Pour une scène courte sans contrainte particulière de livraison, H3 est le candidat de départ le moins coûteux. Pour une longue prise continue, une sortie 4K annoncée ou des itérations contrôlées par seed, LTX possède les commandes adaptées. Choisissez les références H3 quand des images distinctes doivent définir une nouvelle composition. Choisissez la génération depuis une image initiale sur l’un ou l’autre si la composition est déjà approuvée.

La tasse à anse et les trois actions après l’approche des mains : quart de tour, un seul tapotement sur le bord et repos.

Quand les deux tâches conviennent, utilisez la paire de cinq secondes en 2k à $1.24 pour résoudre la question réelle du mouvement plutôt que d’acheter par défaut un vaste benchmark. Évaluez ensemble l’action, la préservation de la source, le son et les frais, puis gardez le modèle qui livre le plan nécessaire à votre projet.