MiniMax H3 Edit API

MiniMax H3 Édition vidéo prend un clip que vous avez déjà, envoyé comme video_url, et un prompt qui décrit une modification. Il renvoie une nouvelle version du même plan : de 3 à 15 secondes en 480p, 540p ou 768p, avec une nouvelle bande sonore générée par défaut. Votre séquence continue de déterminer qui est dans le cadre, la composition et le mouvement ; le prompt réécrit l’éclairage, la météo, le style, l’environnement ou des éléments précis. Jusqu’à neuf images de référence et jusqu’à trois extraits audio de référence peuvent guider l’identité, le style ou le son.

Choisir le mode selon le matériau de départ

Votre clip continue de piloter les personnes et le mouvement

La séquence source détermine qui est dans le plan, son cadrage et la façon dont chacun bouge. Le prompt décide de l’aspect du monde qui l’entoure. C’est cette répartition qui distingue une édition d’une génération de nouveau plan : vous ne redécrivez pas la scène, seulement la modification. Le clip source peut durer jusqu’à 15 secondes ; un clip plus long est refusé avant toute facturation, découpez-le donc d’abord.

Une terrasse ensoleillée transformée en tempête

Notre essai a utilisé un clip de cinq secondes en 1280x720, tiré de nos exemples OmniHuman 2.0 : une femme en trench-coat de satin crème sur une terrasse ensoleillée au bord de la mer. Le prompt demandait un crépuscule orageux avec des nuages sombres, de la pluie, des cheveux et un manteau mouillés et ébouriffés par le vent, et un éclair lointain, et se terminait par « Keep her face, pose and movement. » Avec 768p, duration_seconds à 5 et le son activé, le résultat est un clip de 1344x768 à 24 fps, d’environ 5,2 secondes, avec une nouvelle bande sonore, après environ trois minutes de traitement.

Ce qui a changé : le ciel ensoleillé est devenu un crépuscule sombre et nuageux, avec un éclair au-dessus de la mer, et la pierre paraissait mouillée. Ce qui est resté : son visage, son manteau et son sourire. Deux choses à prévoir, en toute franchise. La pluie elle-même était légère en 768p ; un essai en 480p du même prompt montrait des traînées de pluie plus marquées. Et elle a levé la main vers ses cheveux ébouriffés par le vent, un geste absent du clip source. Le prompt demandait des cheveux ébouriffés par le vent, donc décrire un mouvement peut y ajouter de petits changements de mouvement.

Les références sont nommées par leur numéro

reference_image_urls accepte jusqu’à neuf images, désignées dans le prompt par <Picture 1> à <Picture 9>, et reference_audio_urls accepte jusqu’à trois extraits audio, désignés par <Audio 1> à <Audio 3>. Associez une image à un style ou à une identité, et un extrait audio au son souhaité. Chaque référence ajoute un petit supplément. Nous n’avons pas encore testé ce point de terminaison avec des références : considérez donc votre première prise avec références comme un test, en commençant par une image ou un seul extrait et en observant ce qu’il change.

Son, durée et format

generate_audio est activé par défaut, ce qui donne à l’édition une nouvelle bande sonore. Désactivez-le pour conserver la piste audio du clip source. Le son ne change jamais le prix. duration_seconds va de 3 à 15 et vaut 5 par défaut ; réglez-le sur la durée de votre source pour éditer le clip en entier. Ne renseignez pas aspect_ratio pour que l’édition conserve le format de la source ; réglez-le sur 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 ou 9:21 pour recadrer.

Trois résolutions

768p est la valeur par défaut et le cadre natif de H3. 540p et 480p coûtent moins par seconde et se terminent plus tôt. Nous avons utilisé 768p et un essai en 480p ; nous n’avons pas encore testé 540p. Vous payez les secondes de l’édition plus les secondes de la source, au tarif de la résolution choisie. Une source plus courte coûte donc moins cher.

Changer la météo, la lumière ou l’heure de la journée

Faites passer un après-midi lumineux au crépuscule, ajoutez de la pluie ou remplacez le plein soleil de midi par une lumière douce du matin, comme dans l’exemple de la terrasse. Comme les personnes et le mouvement viennent de votre clip, vous pouvez essayer plusieurs ambiances sur une même prise au lieu de tourner à nouveau.

Restyler ou repenser un clip terminé

Demandez un autre style, une autre saison ou un autre décor, et gardez la performance. Précisez ce qui doit rester, comme le visage, la pose et le mouvement. Jusqu’à présent, nous avons testé la météo et la lumière ; les changements de style et de décor sont ce pour quoi le point de terminaison est conçu, mais vérifiez un brouillon avant de vous y fier.

Changer un seul élément

Visez dans le prompt un élément précis, comme la couleur d’un manteau ou un objet de la scène, et indiquez que tout le reste reste inchangé. Lancez d’abord un brouillon et vérifiez les parties que vous n’avez pas demandé à modifier.

# 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-edit/video-edit",
  "input": {
    "duration_seconds": 5,
    "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"

La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.