Introduzione
Riferimenti in video su MiniMax H3 HighSpeed costruisce una clip a 768p da 4 a 15 secondi con audio attorno ai file che fornisci: immagini per persone e luoghi, clip video per il movimento, audio per una voce. Il lavoro guidato dai riferimenti si adatta a un livello pensato per i contenuti quotidiani, quindi provalo per primo quando un volto, un outfit o un luogo deve restare coerente da un post all'altro.
Scegli la modalità in base a ciò che hai già
| Cosa hai | Modalità |
|---|---|
| solo un’idea | MiniMax H3 HighSpeed da testo a video |
| un fotogramma da animare, con un eventuale fotogramma finale | MiniMax H3 HighSpeed da immagine a video |
| persone, outfit, luoghi, clip di movimento o voci | MiniMax H3 HighSpeed da riferimenti a video |
Caratteristiche principali
Fino a 15 riferimenti
Una richiesta accetta 9 immagini, 3 clip video e 3 clip audio. Ogni file può portare qualcosa di diverso: una persona, un outfit, una stanza, un movimento o una voce.
Nominali nel prompt
Indica ogni file nel prompt come Image 1, Video 1 o Audio 1, per esempio “la donna di Image 1 che fa il movimento di Video 1”. I numeri seguono l'ordine degli elenchi che invii.
Fatturazione che segue gli input
I secondi di video di riferimento contano alla tariffa di output, le immagini dopo la quinta aggiungono un piccolo costo e l'audio è gratuito. Tutto il resto segue la solita tariffa al secondo.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Obbligatorio. Accetta da 1 a 7.000 caratteri e rifiuta ciò che è più lungo. almeno 1 caratteri · al massimo 7000 caratteri |
reference_image_urls | No | Fino a 9 immagini, numerate nell'ordine dell'elenco per il prompt (Image 1, Image 2 e così via). almeno 1 elementi · al massimo 9 elementi |
reference_video_urls | No | Fino a 3 clip da 2 a 15 secondi ciascuna, 15 secondi combinati, citabili come Video 1, Video 2 e Video 3. I loro secondi sono fatturati alla tariffa di output. almeno 1 elementi · al massimo 3 elementi |
reference_audio_urls | No | Fino a 3 file WAV o MP3 che guidano una voce o un suono, senza costi. Abbinali sempre ad almeno un'immagine o un video e lascia nel prompt le parole da pronunciare. almeno 1 elementi · al massimo 3 elementi |
aspect_ratio | No | Forma dell'inquadratura: 16:9 per impostazione predefinita, oppure 9:16, 1:1, 4:3, 3:4 o 21:9. Non incide sul prezzo. |
resolution | No |
|
duration_seconds | No | Un numero intero da 4 a 15 (predefinito 5); ogni secondo è fatturato alla tariffa 768p. Una richiesta da 4 secondi è tornata come clip da 3,75 secondi. |
Prezzi
Paghi ogni secondo della clip finita a 768p. Il video di riferimento aggiunge i suoi secondi alla stessa tariffa, le prime 5 immagini di riferimento sono incluse, le successive aggiungono un piccolo costo e l'audio è gratuito. La tariffa aggiornata è nella pagina del modello.
| Specifiche | Prezzo |
|---|---|
| $0.072 / secondo |
Casi d’uso
Scene composte da file separati
Invia un ritratto, una foto di outfit e un'immagine di una stanza come tre immagini e aggiungi una clip vocale come Audio 1 se il personaggio parla. Il risultato mette quella persona in quei vestiti in quel luogo.
Lo stesso personaggio in più clip
Usa lo stesso ritratto come Image 1 in ogni richiesta e volto e outfit si mantengono da un post all'altro mentre la scena cambia. Così personaggi ricorrenti e presentatori virtuali restano riconoscibili.
Copiare un movimento
Fornisci una clip breve come Video 1 e chiedi il suo movimento con la persona di Image 1, per un ballo, un gesto o un movimento di camera. Tieni la clip breve e pulita, perché i suoi secondi vengono fatturati.
Consigli avanzati
Un ruolo per ogni riferimento
Decidi se ogni file fornisce identità, luogo, movimento di camera o voce e indicalo per tipo e numero. Parti da un soggetto e un'azione, poi aggiungi gli altri riferimenti.
L’audio ha bisogno di un’immagine
Invia sempre almeno un'immagine o un video insieme a una clip audio. Metti ogni battuta esatta tra virgolette doppie, indica chi parla e controlla insieme voce, tempi e azione nel risultato.
Taglia prima il video di riferimento
Taglia la clip fino all'estratto più breve che mostra il movimento che ti serve; sono accettati fino a 15 secondi in totale e tutti vengono fatturati. Elimina le introduzioni e indica nel prompt quale azione trasferire.
Paghi ogni secondo della clip finita a 768p. Il video di riferimento aggiunge i suoi secondi alla stessa tariffa, le prime 5 immagini di riferimento sono incluse, le successive aggiungono un piccolo costo e l'audio è gratuito. La tariffa aggiornata è nella pagina del modello.
Avvio rapido dell’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-highspeed/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
