Introduzione
MiniMax H3 Immagine in video parte da un fotogramma iniziale fornito in image_url e genera ciò che accade dopo: da 4 a 15 secondi interi a 768p o 2k, con l’audio generato nello stesso passaggio. Un last_image_url facoltativo dà alla clip un fotogramma finale verso cui chiudersi. Non c’è un campo per il formato: è il fotogramma iniziale a stabilire la forma dell’uscita.
Scegli il metodo in base al materiale di partenza
| Materiale di partenza | Metodo |
|---|---|
| una scena scritta o una sceneggiatura | MiniMax H3 Testo in video |
| un’immagine iniziale approvata | MiniMax H3 Immagine in video |
| da una a nove immagini di riferimento | MiniMax H3 Riferimenti in video |
Caratteristiche principali
È il fotogramma iniziale a decidere il soggetto
Il modello segue da vicino il fotogramma ricevuto, ed è quindi il modo più letterale per ottenere il soggetto, il costume e l’ambiente che hai progettato. Nell'esempio windowsill-turn tutto ciò che identifica, dal volto al vestito fino alla finestra con la pioggia, viene dall'immagine; il prompt chiede solo un'espirazione, un pulsare di neon e un giro della testa. Un fotogramma iniziale che mostra già la scena si avvicina al brief molto più delle stesse parole scritte in text-to-video.
Un fotogramma finale facoltativo
last_image_url fissa il punto d’arrivo dell’inquadratura. L'esempio della porta usa entrambe le estremità: otto secondi che iniziano dentro la stanza e finiscono su una composizione di porta fornita. Il fotogramma finale stringe solo la chiusura. La parte centrale della clip resta generata liberamente e, più la clip è lunga, più il movimento può allontanarsi dal fotogramma finale.
Durata, risoluzione e limiti di ingresso
La durata va da 4 a 15 secondi interi, ma 4 secondi sono disponibili solo a 768p; il 2k richiede almeno 5 secondi. Entrambe le risoluzioni sono native. Il fotogramma iniziale deve misurare tra 256 e 5.760 px per lato, avere un rapporto tra 2:5 e 5:2 e pesare meno di 30 MB.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Descrivi il cambiamento dopo il fotogramma iniziale: azione, macchina, suono. Non ridescrivere il fotogramma. almeno 1 caratteri · al massimo 7000 caratteri |
image_url | Sì | Il fotogramma iniziale. Fissa soggetto, guardaroba e composizione, e il modello lo segue da vicino. |
last_image_url | No | Fotogramma finale facoltativo. Stringe solo la chiusura; il centro della clip resta libero. |
resolution | No | 768p o 2k, entrambe native. Bozza a 768p, consegna a 2k. |
duration_seconds | No | Secondi interi, da 4 a 15. I quattro secondi sono disponibili solo a 768p. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.037 / secondo |
| $0.058 / secondo |
Casi d’uso
Animare un’immagine già approvata
Se il fotogramma esiste già, che sia un’immagine generata o una foto con i diritti in regola, questo endpoint la trasforma in movimento senza descriverla di nuovo. Il prompt porta solo il cambiamento (azione, camera, suono), e ogni parola resta per ciò che l’immagine da sola non può dire.
Rivelare ciò che il fotogramma non mostra
L’esempio cup-then-two-in-one-shirt si apre su una natura morta. Una mano porta la tazza fuori campo, la camera si inclina e sposta il fuoco, e una seconda figura compare in fondo alla stanza: tre cambiamenti, tutti temporali, nessuno presente nell’immagine d’ingresso. È stato generato per sei secondi, una durata di bozza sensata prima di un’esecuzione in 2k.
Proseguire una scena oltre i 15 secondi
Per proseguire una scena, usa MiniMax H3 Estensione video: apre il segmento successivo sull’ultimo fotogramma della clip approvata e restituisce i due uniti in un solo file, così ogni prompt deve descrivere solo ciò che viene dopo. Se preferisci guidare tu l’inquadratura successiva fotogramma per fotogramma, prendi quell’ultimo fotogramma e invialo qui come image_url successivo.
Consigli avanzati
Non descrivere di nuovo il fotogramma
Descrivi il cambiamento dopo il fotogramma iniziale e lascia l’aspetto all’immagine. Una verifica rapida: ogni frase deve nominare qualcosa che si muove o che produce un suono. Il prompt di windowsill-turn, «she turns her head toward camera without changing expression. Rain runs down the window, distant traffic», basta perché il fotogramma mostra già chi è e dove si trova.
Prepara i due fotogrammi come una coppia continua
Quando invii last_image_url, preparalo insieme al fotogramma iniziale come una coppia: stesso soggetto, stesso costume, stessa luce e un cambio d’inquadratura plausibile. Due fotogrammi che si contraddicono costringono la parte centrale della clip a mediare tra loro. Poi descrivi l'azione fisica che li collega, come fa l'esempio della porta («si alza dal bordo del letto… si ferma incorniciata dalla porta guardando indietro»), e dai a quell'azione abbastanza secondi perché accada.
Prepara il fotogramma per l’uscita
Poiché il fotogramma stabilisce la forma dell’uscita, ritaglialo nel formato di consegna prima del caricamento e controlla i limiti di dimensione. Fai bozze a 768p, poi ripeti in 2k la ripresa scelta con almeno cinque secondi di durata. Aspettati una nuova ripresa e non un upscaling fotogramma per fotogramma, perché l’endpoint non accetta seed.
Avvio rapido dell’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/image-to-video",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
