Una ripresa continua di diciotto secondi, un’animazione quadrata di un prodotto e una scena con un personaggio costruita da più fotografie sono tutti lavori video. Non sono lo stesso acquisto. LTX 2.5 e MiniMax H3 si sovrappongono per brevi video da testo e animazioni del fotogramma iniziale, ma opzioni di consegna, riferimenti e prezzi possono decidere la scelta prima del confronto visivo.
Scegli LTX 2.5 per un livello di uscita 4K dichiarato, una ripresa continua oltre quindici secondi o iterazioni controllate tramite seed. Scegli MiniMax H3 per costi di generazione inferiori, inquadrature quadrate o larghe, o un piano composto da più immagini di riferimento. Per la stessa richiesta di cinque secondi in 2k, LTX costa $0.95 e H3 $0.29. I test esistenti mostrano che entrambi accettano richieste per adulti; non stabiliscono un vincitore per movimento o audio a parità di condizioni.
Tabella per decidere rapidamente
| La tua esigenza | Parti da | Perché | Cosa resta da valutare |
|---|---|---|---|
| Una ripresa ininterrotta di 18–20 secondi | LTX 2.5 | La durata ospitata arriva a venti secondi; H3 base si ferma a quindici | Se azione e identità reggono la ripresa più lunga |
| Consegna 4K dichiarata | LTX 2.5 | Il menu ospitato offre 4K; H3 base si ferma a 2k | Dimensioni e dettagli reali del file, oltre al nome del livello |
| Riferimenti separati per persona, oggetto e ambiente | MiniMax H3 reference-to-video | Accetta da una a nove immagini di riferimento | Quanto bene il risultato combina i loro ruoli |
| Composizione quadrata o 21:9 da testo | MiniMax H3 | Sei inquadrature rispetto al menu testo orizzontale/verticale di LTX | Composizione e dettagli importanti nel formato scelto |
| Diverse bozze economiche da un fotogramma iniziale | MiniMax H3 image-to-video | Cinque secondi partono da $0.185 a 768p | Se l’uscita più economica è utilizzabile, non solo completata |
| Lo stesso piano di cinque secondi in 2k da un fotogramma iniziale | Entrambi | Entrambi accettano sorgente e durata | Movimento dell’intera clip, conservazione della sorgente e suono |
| Iterazioni del prompt ripetibili all’interno dello stesso modello | LTX 2.5 | È disponibile un campo seed | Il seed migliora la tracciabilità; non garantisce fotogrammi identici |
Un fotogramma iniziale e una raccolta di riferimenti risolvono problemi diversi. Se hai già approvato persona, posa e composizione, invia quel fermo immagine alla generazione da immagine a video. Se hai immagini separate degli elementi e vuoi una nuova composizione, il compito con riferimenti di H3 è il percorso pertinente. Confrontarlo con la generazione LTX da testo senza condizionamento significherebbe confrontare flussi con informazioni diverse.
Idoneità del compito: scegli prima l’input e la consegna richiesti, poi valuta il piano generato.
Input e controlli che influenzano il piano
La famiglia LTX 2.5 offre compiti ospitati da testo e immagine. La famiglia MiniMax H3 aggiunge la generazione da immagini di riferimento. Si tratta di H3 base e LTX 2.5, non di H3 Max, di una variante Spicy o di LTX 2.3.
| Controllo | LTX 2.5 | MiniMax H3 base |
|---|---|---|
| Durata da testo a video | 5–20 secondi interi | 5–15 secondi interi |
| Durata da immagine a video | 5–20 secondi interi | 4–15 secondi interi |
| Fotogramma finale facoltativo | Sì, da immagine a video | Sì, da immagine a video |
| Compito con immagini di riferimento | Non esposto in questa famiglia ospitata | 1–9 immagini, 4–15 secondi |
| Livelli di risoluzione | 720p, 1080p, 2k, 4k | 768p, 2k |
| Inquadratura da testo | 16:9 o 9:16 | 16:9, 9:16, 1:1, 4:3, 3:4 o 21:9 |
| Seed | Facoltativo | Non esposto in questi compiti base |
| Espansione del prompt | Nessun interruttore | Nessun interruttore (rimossa il 9 ottobre 2026) |
| Suono | Uscita audio-video generata | Uscita audio-video generata |
Da immagine a video, è il fotogramma sorgente a determinare la composizione iniziale, anziché un selettore indipendente del rapporto d’aspetto. L’immagine finale dovrebbe rappresentare un seguito fisicamente plausibile: stesso personaggio, direzione della camera e ambiente, con un cambiamento significativo di stato. È una destinazione desiderata, non la prova che ogni fotogramma intermedio conserverà la sorgente.
In un piano con mani e oggetto, preparare la sorgente vale più di aggiungere aggettivi. Mantieni visibili l’intero oggetto, la superficie di contatto prevista e abbastanza spazio per l’azione. Una mano ritagliata strettamente accanto a una tazza invisibile chiede al modello video di inventare la relazione mancante. Un’inquadratura approvata più ampia definisce quella relazione prima del movimento.
La scheda del modello LTX nativo e il repository MiniMax H3 descrivono strumenti e flussi con riferimenti più ampi. Questo compito ospitato di H3 accetta immagini, non array nativi di riferimenti video/audio. Anche le capacità locali di LoRA e runtime non vanno inviate come campi API inventati.
Prezzo: una differenza che può influenzare le iterazioni
Queste sono le tariffe di uscita SpicyAPI per la generazione da testo e da fotogramma iniziale.
| Uscita di cinque secondi | LTX 2.5 | MiniMax H3 |
|---|---|---|
| Livello dichiarato più basso | 720p: $0.45 | 768p: $0.185 |
| Livello intermedio | 1080p: $0.65 | Non offerto |
| Etichetta 2k comune | $0.95 | $0.29 |
| Livello 4K dichiarato | $1.50 | Non esposto |
I prezzi del livello 2k comune sono stati confermati da preventivi gratuiti per richieste esatte. I $0.29 di H3 sono circa il 69% meno dei $0.95 di LTX per la stessa durata richiesta e la stessa etichetta di livello. È una differenza d’acquisto, non un miglioramento misurato del 69% dell’efficienza produttiva. Quattro proposte H3 costano $1.16; due proposte LTX costano $1.90. Se quelle più economiche sbagliano ripetutamente il movimento richiesto, il vantaggio di prezzo potrebbe non produrre un piano finito.
Un calcolo utile comprende tutti gli addebiti di generazione necessari per ottenere il piano accettato, oltre al lavoro di finitura significativo. Per esempio, due bozze H3 2k completate ma inutilizzabili e una terza valida costano in totale $0.87. Un solo piano LTX valido costerebbe $0.95. Un compito fallito e uno completato ma creativamente inadatto hanno esiti di fatturazione diversi; usa i registri dei compiti contabilizzati per calcolare il totale reale.
I riferimenti H3 aggiungono un altro costo. Un preventivo gratuito per cinque secondi a 768p con un riferimento ha restituito $0.1918, invece del subtotale di $0.185 senza riferimenti. Richiedi il preventivo per il numero effettivo di riferimenti, senza considerarli input gratuiti. Inoltre H3 base non offre più l’espansione del prompt (rimossa il 9 ottobre 2026), quindi non esistono né un interruttore di espansione né un costo di espansione da mettere a budget. Non mettere a budget un’opzione solo perché il suo campo appare nello schema.
Il confronto dei livelli più bassi risponde a una domanda diversa. LTX 720p e H3 768p hanno dimensioni di consegna diverse. Per una piccola bozza può essere un risparmio sensato; per una valutazione a pari risoluzione non sostituisce il livello comune.
L’etichetta 2k comune identifica un’intersezione di configurazioni. Confronta le dimensioni decodificate e guarda i file completi a una dimensione di visualizzazione costante.
Cosa dicono i test esistenti su NSFW e qualità
In base ai nostri test di settembre 2026, entrambe le famiglie possono generare video per adulti senza censura:
- LTX 2.5: ventiquattro richieste di contenuti per adulti tra compiti testo e immagine hanno prodotto ventitré corrispondenze di contenuto e un risultato da testo attenuato. Le categorie e i conteggi differiscono; non sono ventiquattro test della stessa scena.
- MiniMax H3 base: dodici richieste di contenuti per adulti sono state soddisfatte nel campione archiviato dei compiti testo, immagine e riferimenti. Due ulteriori prove sulla violenza sono separate da quel campione per adulti.
- Nessuno dei campioni è un confronto appaiato. Prompt, date e ripetizioni diversi impediscono ai totali di dimostrare che H3 sia generalmente più affidabile o LTX meno capace.
La recensione di LTX 2.5 descrive risultati visivi variabili, tra cui una buona scena in un locale e gravi artefatti in alcuni movimenti complessi. La recensione di H3 documenta i suoi risultati storici su contenuti e compiti. L’accettazione del contenuto conta per un flusso per adulti, ma non valuta geometria delle mani, controllo della camera o identità durante la scena.
È già disponibile una verifica concreta della consegna: l’archivio delle capacità di settembre registra una richiesta LTX 2.5 in 2k di undici secondi che ha consegnato 2560×1408 pixel, 11.04 secondi e una traccia audio significativa. Questo dimostra un’uscita audio-video reale, lunga e ad alta risoluzione in quella configurazione. Non dimostra precisione della sincronizzazione labiale, un tempo di rendering fisso o un confronto con una clip H3.
Per un piano editoriale per adulti, prepara personaggio e abbigliamento nell’immagine iniziale, poi dirigi un movimento visibile. Valuta sia il contenuto desiderato sia il risultato cinematografico. Una clip con il contenuto corretto ma mani instabili resta inadatta quando il loro contatto è centrale nel brief.
Un piano comune pratico: una tazza, un movimento, un suono
Per confrontare i due percorsi su qualcosa di osservabile, usa una scena di ceramica di cinque secondi: un ceramista adulto ruota una tazza blu di un quarto di giro, ne tocca leggermente il bordo una volta e posa entrambe le mani accanto. La camera resta ferma. Il contatto visibile e il suono rendono facili da descrivere gli errori.
Lo storyboard e le illustrazioni mostrano l’azione prevista, non risultati di uno dei modelli.
Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron stands behind a wooden workbench. One small blue glazed cup with a single handle rests on the bench. The potter brings both hands to the cup, gently turns the cup a quarter-turn with both hands, taps its rim once with one finger, then rests both hands beside it. Keep the cup intact and continuously visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.
Questo prompt assegna un compito a ogni istruzione:
- Soggetto e ambiente: definiscono chi agisce e dove, anziché un lungo inventario di stili.
- Oggetto: una tazza blu con un solo manico rende visibili duplicazioni o cambiamenti di design.
- Ordine delle azioni: avvicinarsi, ruotare, picchiettare e riposare dà un finale alla scena invece di un movimento senza conclusione.
- Camera: una composizione statica facilita la valutazione del movimento.
- Suono: un breve contatto permette di controllare la tempistica; non verifica dialoghi o canto.
Per una generazione da fotogramma iniziale, usa lo stesso file approvato in entrambi i percorsi. Sostituisci le prime frasi descrittive con: «Use the supplied image as the character, cup and studio design. Preserve their appearance and composition.» Mantieni le istruzioni su azione, camera e suono. Due immagini sorgenti generate separatamente introdurrebbero una differenza aggiuntiva prima ancora dell’inizio dei compiti video.
Quattro momenti: le mani si avvicinano, la tazza ruota, un dito picchietta il bordo, poi le mani si riposano.
Input API da testo a video
Salva una di queste richieste come request.json e inviala con il flusso SDK della guida all’API video. Il programma legge l’ID del modello scelto e l’input, per impostazione predefinita calcola il preventivo senza creare il compito e usa un ID di compito salvato per il recupero.
{
"model": "lightricks/ltx-2.5/text-to-video",
"input": {
"prompt": "Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron brings both hands to the cup, gently turns one blue handled cup a quarter-turn on a wooden workbench, taps its rim once, then rests both hands beside it. Keep the cup intact and visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.",
"duration_seconds": 5,
"resolution": "2k",
"aspect_ratio": "16:9",
"seed": 42017
}
}Per la richiesta H3 corrispondente, mantieni prompt, durata, livello e inquadratura. Rimuovi seed, perché il compito H3 base non lo espone:
{
"model": "minimax/h3/text-to-video",
"input": {
"prompt": "Static medium-wide shot in a quiet ceramics studio. An adult potter in an indigo apron brings both hands to the cup, gently turns one blue handled cup a quarter-turn on a wooden workbench, taps its rim once, then rests both hands beside it. Keep the cup intact and visible. No cuts or camera movement. Quiet room tone and one light ceramic tap, no dialogue or music.",
"duration_seconds": 5,
"resolution": "2k",
"aspect_ratio": "16:9"
}
}Da immagine a video, seleziona il compito immagine di ciascuna famiglia, fornisci la sorgente come image_url, ometti aspect_ratio e conserva il prompt di movimento. Non inserire l’immagine finale al primo tentativo, a meno che raggiungere quel fotogramma specifico sia la domanda. Se il controllo finale conta, aggiungi la stessa immagine finale compatibile a entrambi in una prova separata.
Quando i riferimenti H3 sono il flusso migliore
Supponi che ceramista, tazza e laboratorio esistano come tre immagini separate approvate. Il compito con riferimenti di H3 può combinarle in un nuovo piano. Spiega esplicitamente i ruoli: «Image 1 defines the potter and indigo apron; Image 2 defines the blue cup and handle; Image 3 defines the studio. Compose a medium-wide view of the potter at the workbench, then perform the turn, tap and rest sequence.»
È utile anche senza un vincitore nel confronto. Evita di chiedere al modello di inventare l’oggetto dal testo e di forzare tutti gli elementi in un primo fotogramma già approvato. Verifica che conservi davvero ogni ruolo. Se una composizione iniziale precisa è essenziale, componi prima quel fermo immagine e usa invece la generazione da fotogramma iniziale.
Valuta il risultato senza trasformare ogni prova in un laboratorio
Guarda la clip completa alla velocità prevista prima di esaminare i singoli fotogrammi. Un buon primo fotogramma non mostra se il manico scompare a metà o se il piano cambia prima del colpetto.
| Cosa controllare | Risultato utile | Errore da registrare |
|---|---|---|
| Tazza e manico | Un unico oggetto continuo con geometria coerente | Tazza aggiuntiva, manico che cambia, bordo che si scioglie |
| Contatto delle mani | Le mani ruotano visibilmente la tazza; il dito raggiunge il bordo | Dita sospese, mano duplicata, movimento senza contatto |
| Sequenza | Le mani si avvicinano, ruotano, danno un colpetto e riposano | Azioni invertite, colpetti ripetuti o nessun finale |
| Personaggio | Stesso aspetto nella clip; sorgente mantenuta con input immagine | Volto o abbigliamento ridisegnati durante il movimento |
| Camera | Un’inquadratura fissa | Avvicinamento, taglio o cambio d’angolo non richiesti |
| Suono | Un colpetto vicino al contatto visibile, ambiente quieto | Musica aggiunta, colpetto mancante o evidente errore di sincronizzazione |
Nella generazione da testo i modelli possono inventare volti diversi. Questo da solo non è un errore. Valuta la continuità di ciascun personaggio inventato. Con input immagine, confronta anche il personaggio restituito con la sorgente.
Esamina dimensioni reali, durata e flusso audio. I cinque secondi richiesti possono non coincidere esattamente con la durata codificata. Conserva l’originale prima di tagliare, ridimensionare o sostituire il suono. Se un piano visivamente valido richiede solo un ritocco sonoro, registralo come successo visivo con correzione audio; non presentare il suono sostituito come uscita nativa.
Un ceramista, una tazza blu senza manico e una lavagna con schizzi di rotazione e colpetto. La tazza con manico richiesta dal prompt appare nell’illustrazione finale.
Correggi l’errore che conta per il brief
Modifica l’istruzione collegata al problema visibile, invece di riscrivere tutto il prompt dopo ogni tentativo.
| Problema | Modifica successiva | Perché |
|---|---|---|
| Forma o manico della tazza cambiano | Migliora la vista sorgente e semplifica la rotazione | Definisce l’oggetto prima di richiedere movimenti complessi |
| Le mani attraversano la tazza | Inizia con le mani già vicine al contatto previsto; riduci il movimento | Elimina una difficile transizione di avvicinamento e presa |
| Il colpetto precede la rotazione | Mantieni l’ordine delle azioni in una frase breve | Chiarisce la sequenza desiderata |
| Troppe azioni in cinque secondi | Prova solo rotazione e riposo, poi aggiungi il colpetto | Distingue il tempo insufficiente dall’errore di controllo dell’oggetto |
| La camera cambia nonostante il brief | Usa un’immagine iniziale composta e un’istruzione di ripresa continua | Dà all’inquadratura un riferimento visivo |
| Ripresa visiva corretta, suono fastidioso | Conserva la ripresa e modifica la traccia sonora se il progetto lo consente | Evita di acquistare un’altra esecuzione solo per riparare l’audio |
| Identità sbagliata nella composizione con riferimenti | Chiarisci i ruoli delle immagini o prepara un fotogramma iniziale combinato | Distingue la selezione dei riferimenti dall’animazione del primo fotogramma |
Per lavori creativi per adulti, includi abbigliamento e stato finale desiderato nella sorgente o nel brief approvato. Se l’intensità della scena supera quanto richiesto, consideralo un problema di fedeltà, non un miglioramento automatico. L’accettazione del contenuto è solo una condizione per un piano utilizzabile.
Un piccolo budget di confronto davvero utilizzabile
Scegli la prova in funzione della decisione. Se una ripresa continua di diciotto secondi seleziona già LTX, non finanziare richieste H3 non pertinenti per dimostrare di nuovo il limite di durata. Se ti serve la raccolta di riferimenti H3, confronta le disposizioni dei riferimenti all’interno di H3. Se la domanda riguarda il movimento da un fotogramma iniziale comune, parti da lì anziché pagare sia il percorso testo sia quello immagine.
A cinque secondi e 2k:
- Una coppia da fotogramma iniziale: $0.95 + $0.29 = $1.24.
- Una coppia da testo e una da immagine: quattro clip, $2.48.
- Due tentativi per modello in ciascuna modalità: otto clip, $4.96.
Questi subtotali escludono creazione delle immagini sorgenti, riferimenti, ulteriori revisioni e finitura. Una coppia mostra cosa è successo su un piano; non misura una percentuale stabile di risultati validi. Ripeti solo se il primo risultato lascia irrisolta una decisione importante.
Per una base rigorosa, conserva la stessa sorgente e lo stesso prompt e assegna a ogni modello lo stesso numero di tentativi. Se adatti le parole per un modello, tieni quel percorso separato e offri all’altro la stessa possibilità. Un seed con lo stesso numero su modelli diversi non allineerebbe la loro casualità nemmeno se entrambi lo esponessero; qui lo espone solo LTX.
Il minimo di quattro clip del diagramma copre sia testo sia immagine. Per un confronto da fotogramma iniziale, due clip costano $1.24; la preparazione della sorgente è aggiuntiva e le alternative non si sommano.
Distribuzione locale, dichiarazioni di velocità e condizioni d’uso
La pagina di confronto competitivo di Lightricks mescola capacità native e distribuzioni descritte diversamente. Un tempo di generazione locale e un tempo di completamento API ospitato non sono direttamente confrontabili. La discussione della comunità su quella tabella solleva proprio questo problema di ambito; le sue opinioni non sono un benchmark SpicyAPI a parità di condizioni.
Per il lavoro ospitato, l’attuale fotografia dei completamenti su 30 giorni favorisce H3 per iterazioni più rapide:
| Metrica di completamento | LTX 2.5 | MiniMax H3 |
|---|---|---|
| Mediana | 85 secondi | 34 secondi |
| 90° percentile | 3.7 minuti | 1.7 minuti |
| Attesa per secondo di uscita | 10.5 secondi | 3.8 secondi |
Questi dati mobili includono durate, risoluzioni e lavori di test interni diversi; non sono prove appaiate di cinque secondi. H3 è il punto di partenza più promettente quando il tempo conta, ma la richiesta effettiva può completarsi fuori da questi tempi tipici.
I pesi nativi e il loro uso autorizzato hanno condizioni separate. La licenza della comunità H3 esclude USA, UE, Regno Unito e Corea del Sud dal territorio predefinito e tratta esplicitamente servizi ospitati e uscite. La licenza LTX-2.x ha condizioni commerciali diverse. La disponibilità in catalogo non stabilisce da sola i permessi per una distribuzione o un uso specifico; consulta l’accordo di servizio applicabile insieme alle condizioni del modello.
Domande frequenti
Quale è migliore per video NSFW, LTX 2.5 o MiniMax H3?
Entrambi hanno accettato richieste per adulti nei campioni archiviati dei compiti base. LTX ha avuto un risultato da testo attenuato; il campione per adulti più piccolo di H3 ha soddisfatto le richieste. Campioni diversi non dimostrano un vincitore generale. Usa H3 per bozze brevi economiche o più immagini di riferimento, e LTX per la ripresa più lunga o il livello 4K; valuta insieme contenuto e movimento reali.
MiniMax H3 è più economico allo stesso livello di uscita?
Con l’etichetta comune 2k, cinque secondi hanno un preventivo di $0.29 su H3 contro $0.95 su LTX. Gli input di riferimento aggiungono costi e vanno controllate le dimensioni decodificate prima di parlare di un confronto a pixel identici. I tentativi completati necessari al piano finale determinano il costo reale di produzione.
H3 può creare una clip di venti secondi o in 4K con questi compiti?
No. Questi compiti H3 base ospitati si fermano a quindici secondi e 2k. LTX 2.5 elenca fino a venti secondi e un livello 4K. Puoi combinare più clip H3 in un editor, ma ottieni una sequenza, non una generazione garantita e ininterrotta di venti secondi.
Posso usare le stesse immagini iniziali e finali su entrambi?
Sì, nei due compiti da immagine a video. Usa file identici e composizioni compatibili. Esamina la parte centrale delle clip restituite oltre agli estremi: arrivare a un ultimo fotogramma simile non dimostra che mani e oggetti siano rimasti coerenti durante la transizione.
Entrambi generano suono e quale è più veloce?
Entrambi generano audio-video. H3 ha la mediana ospitata più breve nel confronto sopra: circa mezzo minuto contro quasi un minuto e mezzo per LTX. Questo favorisce H3 per bozze rapide, ma tempi di carichi misti non classificano qualità dei dialoghi o sincronizzazione.
La decisione
Per una scena breve senza vincoli speciali di consegna, H3 è il candidato iniziale meno costoso. Per una lunga ripresa continua, un’uscita 4K dichiarata o iterazioni controllate tramite seed, LTX ha i controlli pertinenti. Scegli i riferimenti H3 quando immagini separate degli elementi devono definire una nuova composizione. Scegli la generazione da fotogramma iniziale con uno dei due quando la composizione è già approvata.
La tazza con manico e le tre azioni dopo l’avvicinamento delle mani: quarto di giro, singolo colpetto sul bordo e riposo.
Quando entrambi i compiti sono adatti, usa la coppia di cinque secondi in 2k da $1.24 per risolvere la domanda reale sul movimento, invece di acquistare per impostazione predefinita un benchmark ampio. Valuta insieme azione, conservazione della sorgente, suono e addebito, poi mantieni il modello che consegna il piano necessario al tuo progetto.
