Introduction
Référence vers vidéo avec MiniMax H3 HighSpeed construit un clip 768p de 4 à 15 secondes avec son autour des fichiers que vous fournissez : des images pour les personnes et les lieux, des clips vidéo pour le mouvement, de l’audio pour une voix. Le travail par références convient à un niveau pensé pour le contenu quotidien : essayez-le en premier quand un visage, une tenue ou un lieu doit rester cohérent d’une publication à l’autre.
Quel mode HighSpeed choisir pour votre point de départ
| Ce que vous avez | Mode |
|---|---|
| seulement une idée | MiniMax H3 HighSpeed texte vers vidéo |
| une image à animer, avec une image de fin facultative | MiniMax H3 HighSpeed image vers vidéo |
| des personnes, des tenues, des lieux, des clips de mouvement ou des voix | MiniMax H3 HighSpeed référence vers vidéo |
Fonctionnalités et points forts
Jusqu’à 15 références
Une requête accepte 9 images, 3 clips vidéo et 3 clips audio. Chaque fichier peut apporter quelque chose de différent : une personne, une tenue, une pièce, un mouvement ou une voix.
Les nommer dans le prompt
Désignez chaque fichier dans le prompt par Image 1, Video 1 ou Audio 1, par exemple « la femme de Image 1 faisant le mouvement de Video 1 ». Les numéros suivent l’ordre des listes envoyées.
Facturation selon les entrées
Les secondes de vidéo de référence comptent au tarif de sortie, les images au-delà de la cinquième ajoutent une petite somme et l’audio est gratuit. Tout le reste suit le tarif habituel à la seconde.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Obligatoire. Accepte de 1 à 7 000 caractères et refuse tout ce qui dépasse. 1 caractères minimum · 7000 caractères maximum |
reference_image_urls | Non | Jusqu’à 9 images, numérotées dans l’ordre de la liste pour le prompt (Image 1, Image 2, etc.). 1 éléments minimum · 9 éléments maximum |
reference_video_urls | Non | Jusqu’à 3 clips de 2 à 15 secondes chacun, 15 secondes cumulées, désignés par Video 1, Video 2 et Video 3. Leurs secondes sont facturées au tarif de sortie. 1 éléments minimum · 3 éléments maximum |
reference_audio_urls | Non | Jusqu’à 3 fichiers WAV ou MP3 qui guident une voix ou un son, sans frais. Associez-les toujours à au moins une image ou une vidéo, et gardez les mots à prononcer dans le prompt. 1 éléments minimum · 3 éléments maximum |
aspect_ratio | Non | Forme du cadre : 16:9 par défaut, ou 9:16, 1:1, 4:3, 3:4, 21:9. Sans effet sur le prix. |
resolution | Non |
|
duration_seconds | Non | Un nombre entier de 4 à 15 (5 par défaut), chaque seconde étant facturée au tarif 768p. Une demande de 4 secondes est revenue sous la forme d’un clip de 3,75 secondes. |
Tarification
Vous payez chaque seconde du clip terminé en 768p. La vidéo de référence ajoute ses propres secondes au même tarif, les 5 premières images de référence sont incluses, les suivantes ajoutent une petite somme et l’audio est gratuit. Le tarif en direct figure sur la page du modèle.
| Spécification | Prix |
|---|---|
| $0.072 / seconde |
Cas d’utilisation
Scènes assemblées à partir de fichiers séparés
Envoyez un portrait, une photo de tenue et une image d’une pièce comme trois images, et ajoutez un clip de voix en Audio 1 si le personnage parle. Le résultat place cette personne dans ces vêtements à cet endroit.
Le même personnage sur plusieurs clips
Utilisez le même portrait comme Image 1 dans chaque requête : le visage et la tenue se retrouvent d’une publication à l’autre pendant que la scène change. Les personnages récurrents et les présentateurs virtuels restent ainsi reconnaissables.
Reprendre un mouvement
Fournissez un court clip comme Video 1 et demandez son mouvement avec la personne de Image 1, pour une danse, un geste ou un mouvement de caméra. Gardez le clip court et net, car ses secondes sont facturées.
Guide de prompt et conseils pratiques
Un rôle par référence
Décidez si un fichier apporte l’identité, le lieu, le mouvement de caméra ou la voix, et désignez-le par son type et son numéro. Commencez par un sujet et une action, puis ajoutez les autres références.
L’audio a besoin d’une image
Envoyez toujours au moins une image ou une vidéo avec un clip audio. Mettez chaque réplique exacte entre guillemets doubles, nommez celui qui parle, puis vérifiez ensemble la voix, le rythme et l’action dans le résultat.
Couper d’abord la vidéo de référence
Réduisez le clip à l’extrait le plus court qui montre le mouvement voulu ; jusqu’à 15 secondes au total sont acceptées et toutes sont facturées. Retirez les amorces, puis dites dans le prompt quelle action reprendre.
Vous payez chaque seconde du clip terminé en 768p. La vidéo de référence ajoute ses propres secondes au même tarif, les 5 premières images de référence sont incluses, les suivantes ajoutent une petite somme et l’audio est gratuit. Le tarif en direct figure sur la page du modèle.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-highspeed/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
