Introduction
MiniMax H3 Image vers vidéo part d’une image d’ouverture fournie dans image_url et génère ce qui se passe ensuite : 4 à 15 secondes entières en 768p ou 2k, avec un son généré dans la même passe. Un last_image_url facultatif donne au clip une image de fin vers laquelle se résoudre. Il n’y a pas de champ de format d’image : c’est l’image d’ouverture qui fixe la forme de la sortie.
Choisir le mode selon le matériau de départ
| Matériau de départ | Mode |
|---|---|
| une scène écrite ou un script | MiniMax H3 Texte vers vidéo |
| une image d’ouverture validée | MiniMax H3 Image vers vidéo |
| une à neuf images de référence | MiniMax H3 Références vers vidéo |
Fonctionnalités et points forts
L’image d’ouverture décide du sujet
Le modèle suit de près l’image fournie : c’est la façon la plus littérale d’obtenir le sujet, la tenue et le décor que vous avez conçus. Dans l'exemple windowsill-turn, tout ce qui identifie, du visage à la tenue en passant par la fenêtre striée de pluie, vient de l'image ; le prompt ne demande qu'une expiration, une pulsation de néon et un mouvement de tête. Une image d’ouverture qui montre déjà la scène se rapproche bien davantage du brief que les mêmes mots tapés dans text-to-video.
Une image de fin facultative
last_image_url fixe le point d’arrivée du plan. L'exemple de la porte utilise les deux extrémités : huit secondes qui commencent dans la pièce et finissent sur une composition de porte fournie. L’image de fin ne resserre que la fin. Le milieu du clip reste généré librement, et plus le clip est long, plus le mouvement peut s’éloigner de l’image de fin.
Durée, résolution et limites d’entrée
La durée va de 4 à 15 secondes entières, mais 4 secondes ne sont proposées qu’en 768p ; le 2k exige au moins 5 secondes. Les deux résolutions sont natives. L’image d’ouverture doit mesurer entre 256 et 5 760 px de côté, garder un rapport entre 2:5 et 5:2 et peser moins de 30 Mo.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Décrivez le changement qui suit l’image d’ouverture : action, caméra, son. Ne redécrivez pas l’image. 1 caractères minimum · 7000 caractères maximum |
image_url | Oui | L’image de départ. Elle fixe le sujet, la tenue et la composition — le modèle la suit de près. |
last_image_url | Non | Image de clôture facultative. Elle ne resserre que la fin ; le milieu du clip reste libre. |
resolution | Non | 768p ou 2k, tous deux natifs. Brouillonnez en 768p, livrez en 2k. |
duration_seconds | Non | Secondes entières, de 4 à 15. Quatre secondes n’est disponible qu’en 768p. |
Tarification
| Spécification | Prix |
|---|---|
| $0.037 / seconde |
| $0.058 / seconde |
Cas d’utilisation
Animer une image déjà validée
Quand une image existe, qu’il s’agisse d’un visuel généré ou d’une photo dont les droits sont réglés, ce point de terminaison la met en mouvement sans la redécrire. Le prompt ne porte que le changement (action, caméra, son), et chaque mot reste disponible pour ce que l’image seule ne dit pas.
Révéler ce que l’image ne montre pas
L’exemple cup-then-two-in-one-shirt s’ouvre sur une nature morte. Une main sort la tasse du cadre, la caméra bascule et fait la mise au point plus loin, et une seconde silhouette apparaît au fond de la pièce : trois changements, tous temporels, dont aucun n’est présent dans l’image d’entrée. Il a été généré sur six secondes, une durée d’esquisse raisonnable avant une génération en 2k.
Prolonger une scène au-delà de 15 secondes
Pour poursuivre une scène, utilisez MiniMax H3 Prolongation vidéo : elle ouvre le segment suivant sur la dernière image du clip validé et renvoie les deux réunis dans un seul fichier, si bien que chaque prompt n’a qu’à décrire la suite. Pour piloter vous-même le plan suivant image par image, prenez cette dernière image et envoyez-la ici comme image_url suivant.
Guide de prompt et conseils pratiques
Ne pas redécrire l’image
Décrivez le changement qui suit l’image d’ouverture et laissez l’apparence à l’image. Un test rapide : chaque proposition doit nommer quelque chose qui bouge ou qui produit un son. Le prompt de windowsill-turn, « she turns her head toward camera without changing expression. Rain runs down the window, distant traffic », suffit parce que l’image montre déjà qui elle est et où elle se trouve.
Préparer les deux images comme une paire continue
Quand vous envoyez last_image_url, préparez-la avec l’image d’ouverture comme une paire : même sujet, même tenue, même lumière et un changement de cadrage plausible. Deux images qui se contredisent obligent le milieu du clip à négocier entre elles. Décrivez ensuite l'action physique qui relie les deux, comme dans l'exemple de la porte (« se lève du bord du lit… s'arrête dans l'encadrement de la porte en se retournant »), et accordez-lui assez de secondes pour qu'elle se produise.
Préparer l’image pour la sortie
Comme l’image fixe la forme de la sortie, recadrez-la au format de livraison avant l’envoi et vérifiez les limites de taille. Esquissez en 768p, puis relancez la prise retenue en 2k avec au moins cinq secondes. Attendez-vous à une nouvelle prise plutôt qu’à un agrandissement image par image, car le point de terminaison n’accepte pas de seed.
Démarrage rapide de l’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/image-to-video",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
