Introduction
L’API référence vers vidéo de MiniMax H3 Lite crée des clips sonores de 4 à 15 secondes en 480p ou 768p, guidés par des images, des vidéos et de l’audio. Nommez dans le prompt chaque image, clip et voix, et vérifiez que la distribution tient avant de planifier une série. Cette version légère convient pour tester des idées et produire plusieurs variantes. Chaque requête produit un seul MP4 où l’image et le son sont générés ensemble.
Quel mode pour quel point de départ
| Votre point de départ | Mode à ouvrir |
|---|---|
| seulement une idée | MiniMax H3 Lite texte vers vidéo |
| une image à animer, avec une image de fin facultative | MiniMax H3 Lite image vers vidéo |
| des personnes, des tenues, des lieux, des clips de mouvement ou des voix | MiniMax H3 Lite référence vers vidéo |
Fonctionnalités et points forts
Jusqu’à 15 références
MiniMax H3 Lite accepte dans une même requête jusqu’à 9 images, 3 clips vidéo (15 secondes au total) et 3 clips audio. Chaque fichier peut apporter autre chose : une personne, une tenue, une pièce, un mouvement ou une voix.
Les nommer dans le prompt
Désignez-les par « la femme dans Image 1 », « le mouvement de Video 1 » et « la voix de Audio 1 ». L’ordre des listes est celui des numéros.
Facturation selon les entrées
Les 5 premières images sont incluses et chaque image au-delà de la cinquième ajoute une petite somme ; les secondes de vidéo de référence sont facturées comme des secondes de sortie, et l’audio est gratuit.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Obligatoire, jusqu’à 7 000 caractères ; un prompt plus long est rejeté. Mettez les répliques entre guillemets. 1 caractères minimum · 7000 caractères maximum |
reference_image_urls | Non | Jusqu’à 9 images, numérotées dans l’ordre où le prompt les utilise (Image 1, Image 2…). Les 5 premières sont offertes ; chaque image à partir de la sixième ajoute une petite somme. 1 éléments minimum · 9 éléments maximum |
reference_video_urls | Non | Jusqu’à 3 clips de 2 à 15 secondes chacun, 15 secondes en tout. Leurs secondes comptent comme des secondes de sortie. 1 éléments minimum · 3 éléments maximum |
reference_audio_urls | Non | Jusqu’à 3 clips WAV ou MP3 qui fixent une voix ou un son, sans supplément. Ajoutez au moins une image ou une vidéo à côté. 1 éléments minimum · 3 éléments maximum |
aspect_ratio | Non | L’un de 16:9 (par défaut), 9:16, 1:1, 4:3, 3:4 ou 21:9. Ne change pas le prix. |
resolution | Non |
|
duration_seconds | Non | Nombre entier de secondes, entre 4 et 15, 5 par défaut. Facturé à la seconde avec la résolution. |
Tarification
Chaque seconde de sortie est facturée au tarif de la résolution choisie, 480p ou 768p. Les secondes de vidéo de référence comptent comme des secondes de sortie, les 5 premières images de référence sont incluses, chaque image en plus ajoute une petite somme et l’audio ne coûte rien. Le tarif en vigueur est toujours affiché sur la page du modèle.
| Spécification | Prix |
|---|---|
| $0.025 / seconde |
| $0.04 / seconde |
Cas d’utilisation
Scènes assemblées à partir de fichiers séparés
Un portrait, une photo de tenue et une image de pièce peuvent être envoyés comme trois images ; MiniMax H3 Lite place alors cette personne dans ces vêtements, dans ce lieu, avec un clip vocal en Audio 1 si le personnage parle.
Le même personnage sur plusieurs clips
Envoyez le même portrait comme Image 1 dans chaque requête et MiniMax H3 Lite conserve le visage et la tenue pendant que la scène change autour ; c’est ainsi qu’un personnage récurrent ou un présentateur virtuel reste reconnaissable sur une série de clips.
Reprendre un mouvement
Envoyez un court clip comme Video 1 et demandez à MiniMax H3 Lite de recréer son mouvement avec la personne de Image 1, pour la danse, un geste ou des mouvements de caméra. Un clip de référence court et propre rend le mouvement lisible et limite la facture, puisque ses secondes sont comptées.
Guide de prompt et conseils pratiques
Un rôle par référence
Donnez à chaque fichier un rôle clair : un visage, une tenue, une pièce, un mouvement ou une voix, et énoncez ce rôle dans le prompt. Si plusieurs rôles se mêlent dans une image, le résultat devient moins prévisible ; un visage recadré marche mieux qu’une photo de groupe.
L’audio a besoin d’une image
Les clips audio ne peuvent pas être la seule référence ; envoyez au moins une image ou une vidéo, et gardez les mots prononcés entre guillemets dans le prompt. L’audio fixe le timbre de la voix, le prompt décide de ce qui est dit et de qui parle.
Couper d’abord la vidéo de référence
Les clips sont ajustés à 2 à 15 secondes chacun et 15 secondes au total, et ces secondes sont facturées comme de la sortie. Découpez donc la référence sur la partie qui montre le mouvement voulu avant de l’envoyer.
Chaque seconde de sortie est facturée au tarif de la résolution choisie, 480p ou 768p. Les secondes de vidéo de référence comptent comme des secondes de sortie, les 5 premières images de référence sont incluses, chaque image en plus ajoute une petite somme et l’audio ne coûte rien. Le tarif en vigueur est toujours affiché 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-lite/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
