Introduction
L’API MiniMax H3 X associe une version ajustée de H3 au contrôle des images et aux références multimodales, dès $0.022/s sur SpicyAPI ; X n’est pas une version officielle de MiniMax.
Une scène H3 X accepte au maximum 9 images, 2 vidéos totalisant 15 secondes et 3 extraits audio ; indiquez leur rôle par Image 1, Video 1 et Audio 1. Pour une scène produit H3 X, attribuez le portrait à l’interprète, une autre image au vêtement et une autre au décor, puis décrivez leurs interactions.
Pour une séquence H3 X, choisissez 2 à 15 secondes entières, avec 5 par défaut et une sortie à 24 images/s. H3 X propose 480p, 720p par défaut et 1080p ; les recadrages SpicyAPI ne montrent pas de gain visible de détail dans le fichier 1920 x 1088. H3 X propose pour le texte et les références 16:9 par défaut, puis 9:16, 1:1, 4:3, 3:4 ou 21:9 ; une image initiale impose plutôt ses proportions. H3 X livre une vidéo H.264 MP4 avec son stéréo AAC ; encadrez les répliques de guillemets doubles et décrivez séparément les sons du décor.
Les trois points de terminaison H3 X sont classés vidéo NSFW sans censure ; SpicyAPI n’a relevé aucun refus, mais certains résultats issus du texte ou d’une image étaient atténués. Pour H3 X, obtenez l’accord des personnes dont vous utilisez l’apparence ou la voix et ne représentez que des adultes.
L’ordre des références H3 X détermine Image 1 à Image 9 ; répartissez identité, vêtements et décor, sachant que seules les 5 premières images sont comprises dans le prix initial. H3 X peut reprendre le mouvement de 2 vidéos au plus, totalisant 15 secondes ; leur durée est facturée comme celle de la sortie. Jusqu’à 3 références audio peuvent guider la voix H3 X ; le fichier donne le timbre, le prompt donne toujours les mots et la référence audio n’ajoute aucun coût. H3 X se facture selon les secondes produites et la résolution ; les secondes vidéo de référence s’ajoutent, 5 images sont incluses, les suivantes sont payantes et l’audio de référence reste gratuit.
Sur SpicyAPI, H3 X avec références a livré les 5 demandes sur 5 avec sujets masculins ; la catégorie de test Very strong a été atteinte dans 6 cas sur 8.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Vidéo |
| Éditeur | SpicyAPI / MiniMax H3 X |
| Modèle | MiniMax H3 X |
| Date de sortie | 26 octobre 2026 |
| Points de terminaison | MiniMax H3 X — Texte vers vidéo / Image vers vidéo / Références vers vidéo |
| Durée | Pour une séquence H3 X, choisissez 2 à 15 secondes entières, avec 5 par défaut et une sortie à 24 images/s. |
| Résolution | 480p, 720p (par défaut), 1080p |
| Format d’image | H3 X propose pour le texte et les références 16:9 par défaut, puis 9:16, 1:1, 4:3, 3:4 ou 21:9 ; une image initiale impose plutôt ses proportions. |
| Longueur du prompt | 1 à 7 000 caractères |
| Références | Une scène H3 X accepte au maximum 9 images, 2 vidéos totalisant 15 secondes et 3 extraits audio ; indiquez leur rôle par Image 1, Video 1 et Audio 1. |
| Politique de contenu | Les trois points de terminaison H3 X sont classés vidéo NSFW sans censure ; SpicyAPI n’a relevé aucun refus, mais certains résultats issus du texte ou d’une image étaient atténués. |
| Exécution | H3 X se facture selon les secondes produites et la résolution ; les secondes vidéo de référence s’ajoutent, 5 images sont incluses, les suivantes sont payantes et l’audio de référence reste gratuit. |
Fonctionnalités et points forts
Une réplique citée sous la pluie
Un couple danse un tango lent sur un toit détrempé. Il la penche en arrière, puis, en gros plan, elle le ramène par le col de sa chemise et dit "Not yet." Le prompt énumère aussi la pluie, la circulation et le bandonéon. Dans le clip, la réplique s’entend sur une musique lente et mélancolique. Les répliques citées ont été prononcées mot pour mot lors de nos vérifications par reconnaissance vocale.
Trois plans dans un clip de 12 secondes
Un seul prompt énumère trois plans avec leurs heures de début : une marche dans un couloir en plan large, une main qui tourne une clé dans une serrure à 4 secondes, un plan moyen dans la chambre à 8 secondes. Dans le clip, les coupes sont tombées vers 3,9 et 8,3 secondes, avec la même femme du début à la fin.
Une image qui murmure
Une femme aux cheveux bruns ondulés, en robe de velours noir derrière un bar en noyer, entre comme image de départ. Le prompt ne dit que la suite : elle pose son verre, se penche vers la caméra et dit "Last call." Dans le clip, une musique discrète accompagne la réplique.
Trois références, une scène
Un portrait, une photo produit d’un trench et une cabine d’essayage vide entrent comme Image 1, 2 et 3. Le prompt les désigne par leur position et demande une seule scène avec les trois. Dans le clip, le visage, la tenue, le manteau et la pièce correspondent aux références.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | H3 X exige un prompt de 1 à 7 000 caractères pour l’action, la caméra et le son ; les répliques se placent entre guillemets doubles. 1 caractères minimum · 7000 caractères maximum |
reference_image_urls | Non | L’ordre des références H3 X détermine Image 1 à Image 9 ; répartissez identité, vêtements et décor, sachant que seules les 5 premières images sont comprises dans le prix initial. 1 éléments minimum · 9 éléments maximum |
reference_video_urls | Non | H3 X peut reprendre le mouvement de 2 vidéos au plus, totalisant 15 secondes ; leur durée est facturée comme celle de la sortie. 1 éléments minimum · 2 éléments maximum |
reference_audio_urls | Non | Jusqu’à 3 références audio peuvent guider la voix H3 X ; le fichier donne le timbre, le prompt donne toujours les mots et la référence audio n’ajoute aucun coût. 1 éléments minimum · 3 éléments maximum |
aspect_ratio | Non | H3 X propose pour le texte et les références 16:9 par défaut, puis 9:16, 1:1, 4:3, 3:4 ou 21:9 ; une image initiale impose plutôt ses proportions. |
resolution | Non | H3 X propose 480p, 720p par défaut et 1080p ; les recadrages SpicyAPI ne montrent pas de gain visible de détail dans le fichier 1920 x 1088. |
duration_seconds | Non | Pour une séquence H3 X, choisissez 2 à 15 secondes entières, avec 5 par défaut et une sortie à 24 images/s. |
enable_prompt_expansion | Non | L’extension de prompt H3 X est désactivée au départ ; son activation reformule les consignes avant génération sans modifier le prix. Valeur par défaut: |
Tarification
H3 X se facture selon les secondes produites et la résolution ; les secondes vidéo de référence s’ajoutent, 5 images sont incluses, les suivantes sont payantes et l’audio de référence reste gratuit.
| Spécification | Prix |
|---|---|
| $0.022 / seconde |
| $0.032 / seconde |
| $0.045 / seconde |
Cas d’utilisation
Scènes de dialogue
Un plan parlé H3 X peut associer le regard vers la caméra à une courte réplique citée et à l’ambiance du lieu.
Séquences à plans multiples
Pour H3 X, attribuez une durée à chaque plan et répétez la description du personnage lors des changements d’angle.
Un produit H3 X dans son décor
Pour une scène produit H3 X, attribuez le portrait à l’interprète, une autre image au vêtement et une autre au décor, puis décrivez leurs interactions.
Copie de mouvement
H3 X peut reprendre le mouvement de 2 vidéos au plus, totalisant 15 secondes ; leur durée est facturée comme celle de la sortie.
Applications sans filtre de contenu
Pour H3 X, obtenez l’accord des personnes dont vous utilisez l’apparence ou la voix et ne représentez que des adultes.
Guide de prompt et conseils pratiques
Mettez les répliques entre guillemets doubles
Un plan parlé H3 X peut associer le regard vers la caméra à une courte réplique citée et à l’ambiance du lieu.
Minutez vos plans
Pour H3 X, attribuez une durée à chaque plan et répétez la description du personnage lors des changements d’angle.
Attribuez les rôles des références H3 X
Une scène H3 X accepte au maximum 9 images, 2 vidéos totalisant 15 secondes et 3 extraits audio ; indiquez leur rôle par Image 1, Video 1 et Audio 1.
Limites observées
Pour H3 X, obtenez l’accord des personnes dont vous utilisez l’apparence ou la voix et ne représentez que des adultes.
Direction de scène
Dans une scène H3 X issue d’une image, consacrez le prompt au geste, au mouvement de caméra ou à la réponse qui suit le cadre fourni.
MiniMax H3 X
L’API MiniMax H3 X associe une version ajustée de H3 au contrôle des images et aux références multimodales, dès $0.022/s sur SpicyAPI ; X n’est pas une version officielle de MiniMax.
Direction de scène
Une scène H3 X accepte au maximum 9 images, 2 vidéos totalisant 15 secondes et 3 extraits audio ; indiquez leur rôle par Image 1, Video 1 et Audio 1. Pour une scène produit H3 X, attribuez le portrait à l’interprète, une autre image au vêtement et une autre au décor, puis décrivez leurs interactions. Un plan parlé H3 X peut associer le regard vers la caméra à une courte réplique citée et à l’ambiance du lieu.
Image et son
Pour une séquence H3 X, choisissez 2 à 15 secondes entières, avec 5 par défaut et une sortie à 24 images/s. H3 X propose 480p, 720p par défaut et 1080p ; les recadrages SpicyAPI ne montrent pas de gain visible de détail dans le fichier 1920 x 1088. H3 X livre une vidéo H.264 MP4 avec son stéréo AAC ; encadrez les répliques de guillemets doubles et décrivez séparément les sons du décor.
Facturation
H3 X se facture selon les secondes produites et la résolution ; les secondes vidéo de référence s’ajoutent, 5 images sont incluses, les suivantes sont payantes et l’audio de référence reste gratuit.
Limites observées
Les trois points de terminaison H3 X sont classés vidéo NSFW sans censure ; SpicyAPI n’a relevé aucun refus, mais certains résultats issus du texte ou d’une image étaient atténués. Pour H3 X, obtenez l’accord des personnes dont vous utilisez l’apparence ou la voix et ne représentez que des adultes.
| seulement une idée | MiniMax H3 X Texte vers vidéo | | une image à animer, avec une image de fin en option | MiniMax H3 X Image vers vidéo | | des personnes, des tenues, des lieux, des clips de mouvement ou des voix | MiniMax H3 X Référence vers vidéo |
Sur SpicyAPI, H3 X avec références a livré les 5 demandes sur 5 avec sujets masculins ; la catégorie de test Very strong a été atteinte dans 6 cas sur 8.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-x/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
