MiniMax H3 API

MiniMax H3 Texte vers vidéo génère un clip à partir du seul prompt, sans image ni jeu de références. Vous choisissez une durée de 5 à 15 secondes entières, une résolution de 768p ou 2k et l’un des six formats d’image ; le son est généré dans la même passe que l’image. Le champ de prompt accepte jusqu’à 7 000 caractères, de quoi décrire un plan complet plutôt qu’une simple légende.

Choisir le mode selon le matériau de départ

Six formats, choisis à chaque requête

aspect_ratio accepte 16:9 (par défaut), 9:16, 1:1, 4:3, 3:4 et 21:9. Le 21:9 produit un letterbox anamorphique ; c’est ainsi qu’a été réalisé l’exemple publié noir-window : néon rouge qui pulse, ombres de stores vénitiens et lente rotation de la tête, le tout écrit en un paragraphe pour le cadre large. Fixez le format avant d’écrire, pour que le brief place le sujet dans ce cadre précis.

Le son dirigé dans le même brief

L’audio est généré avec l’image et non ajouté après coup, si bien que la bande-son s’écrit elle aussi dans le prompt : ambiance, bruitages, musique ou réplique. Dans l’exemple thunder-wheat-field, le tonnerre arrive dans le même fichier que les éclairs : il tombe sur les impacts sans qu’il faille le recaler au montage.

768p et 2k, toutes deux natives

Les deux résolutions sont des sorties natives, et le 480p comme le 720p n’existent pas : le schéma les refuse. La durée et la résolution influent toutes deux sur le prix. La méthode courante consiste donc à esquisser en 768p jusqu’à ce que l’action et le cadrage fonctionnent, puis à générer la prise retenue en 2k. Le point de terminaison n’accepte pas de seed : ce passage en 2k est une nouvelle prise du même brief, pas une copie plus nette de l’esquisse.

Partir d’une simple idée

text-to-video est le point de terminaison H3 qui ne demande aucune image. L’exemple curtain-silhouette illustre le type de brief qui tient le mieux d’une génération à l’autre : caméra fixe, rideau de gaze, une lampe chaude derrière et une silhouette dont seul le contour se lit. Moins le brief laisse de choses ouvertes, plus les prises successives se ressemblent.

Tester une idée de lumière ou de rythme

Une lumière qui évolue dans le temps s’écrit entièrement dans le prompt. Le brief de thunder-wheat-field demande un dévoilement intermittent : chaque éclair imprime en blanc une chemise trempée pendant un instant avant de la rendre à l’obscurité, sur six secondes en 768p et en 16:9. Ces esquisses courtes montrent si un effet se lit avant d’y consacrer une génération en 2k.

Ouvrir une séquence qui se poursuit ailleurs

H3 n’a pas de point de terminaison d’édition, et une requête s’arrête au plus tard à 15 secondes. Pour une scène plus longue, générez ici le premier plan, puis poursuivez-le avec MiniMax H3 Prolongation vidéo : elle ouvre le plan suivant sur la dernière image du clip validé et renvoie les deux réunis dans un seul fichier. Quand le sujet doit ressembler exactement au design, passez plutôt à image-to-video : la prose laisse la tenue, le corps et le cadrage au modèle, et les générations successives dérivent.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false
  }
}'

# 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.