Introduzione
L’API da riferimenti a video di MiniMax H3 Lite crea clip con audio da 4 a 15 secondi a 480p o 768p, guidate da immagini, video e audio. Nomina nel prompt ogni immagine, clip e voce e verifica che il cast regga prima di pianificare una serie. La versione leggera è adatta a sperimentare idee e produrre più varianti. Ogni richiesta produce un solo MP4 in cui immagine e audio nascono insieme.
Quale modalità aprire in base al punto di partenza
| Cosa hai | Modalità |
|---|---|
| solo un’idea | MiniMax H3 Lite da testo a video |
| un fotogramma da animare, con un eventuale fotogramma finale | MiniMax H3 Lite da immagine a video |
| persone, outfit, luoghi, clip di movimento o voci | MiniMax H3 Lite da riferimenti a video |
Caratteristiche principali
Fino a 15 riferimenti
MiniMax H3 Lite accetta in una sola richiesta fino a 9 immagini, 3 clip video (15 secondi in totale) e 3 clip audio. Ogni file può fornire un contributo diverso: una persona, un outfit, una stanza, un movimento o una voce.
Nominali nel prompt
Richiamali con «la donna in Image 1», «il movimento di Video 1» e «la voce da Audio 1». L’ordine degli elenchi è l’ordine dei numeri.
Fatturazione che segue gli input
Le prime 5 immagini sono incluse e ogni immagine oltre la quinta aggiunge un piccolo costo; i secondi dei video di riferimento sono fatturati come i secondi di output e l’audio è gratuito.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Obbligatorio, da 1 a 7.000 caratteri, dialoghi inclusi; oltre tale limite la richiesta viene rifiutata. Metti le battute parlate tra virgolette doppie. almeno 1 caratteri · al massimo 7000 caratteri |
reference_image_urls | No | Fino a 9 immagini, numerate nell'ordine in cui le usa il prompt (Image 1, Image 2...). Le prime 5 sono gratuite; ogni immagine dalla sesta in poi aggiunge un piccolo costo. almeno 1 elementi · al massimo 9 elementi |
reference_video_urls | No | Fino a 3 clip da 2 a 15 secondi ciascuna, 15 secondi in tutto. I loro secondi contano come secondi di output. almeno 1 elementi · al massimo 3 elementi |
reference_audio_urls | No | Fino a 3 clip WAV o MP3 che fissano una voce o un suono, senza costi. Inviane insieme almeno un'immagine o un video. almeno 1 elementi · al massimo 3 elementi |
aspect_ratio | No | Uno tra 16:9 (predefinito), 9:16, 1:1, 4:3, 3:4 o 21:9. Non cambia il prezzo. |
resolution | No |
|
duration_seconds | No | Numero intero di secondi, tra 4 e 15, con 5 come valore predefinito. Fatturato per secondo insieme alla risoluzione. |
Prezzi
Ogni secondo di output viene addebitato alla tariffa della risoluzione scelta, 480p o 768p. I secondi del video di riferimento contano come secondi di output, le prime 5 immagini di riferimento sono incluse, ogni immagine in più aggiunge un piccolo costo e l'audio non costa nulla. La tariffa attuale è sempre mostrata nella pagina del modello.
| Specifiche | Prezzo |
|---|---|
| $0.025 / secondo |
| $0.04 / secondo |
Casi d’uso
Scene composte da file separati
Un ritratto, la foto di un outfit e l’immagine di una stanza possono essere inviati come tre immagini, e MiniMax H3 Lite inserisce quella persona con quei vestiti in quel luogo, con una clip vocale come Audio 1 se il personaggio parla.
Lo stesso personaggio in più clip
Invia lo stesso ritratto come Image 1 in ogni richiesta e MiniMax H3 Lite mantiene volto e outfit mentre la scena cambia intorno, così un personaggio ricorrente o un presentatore virtuale resta riconoscibile in una serie di clip.
Copiare un movimento
Invia una breve clip come Video 1 e chiedi a MiniMax H3 Lite di ricreare il suo movimento con la persona di Image 1, per danza, gesti o movimenti di camera. Una clip di riferimento breve e pulita rende il movimento leggibile e tiene bassa la spesa, perché i suoi secondi vengono addebitati.
Consigli avanzati
Un ruolo per ogni riferimento
Dai a ogni file un ruolo chiaro: un volto, un outfit, una stanza, un movimento o una voce, e dichiara quel ruolo nel prompt. Se più ruoli si mescolano in un’immagine, il risultato diventa meno prevedibile; un volto ritagliato funziona meglio di una foto di gruppo.
L’audio ha bisogno di un’immagine
Le clip audio non possono essere l’unico riferimento; invia almeno un’immagine o un video, e scrivi le parole pronunciate nel prompt tra virgolette doppie. L’audio fissa il timbro della voce, il prompt decide cosa viene detto e da chi.
Taglia prima il video di riferimento
Le clip vengono adattate a 2–15 secondi ciascuna e 15 secondi in totale, e questi secondi sono fatturati come output: ritaglia il riferimento sulla parte che mostra il movimento desiderato prima di inviarlo.
Ogni secondo di output viene addebitato alla tariffa della risoluzione scelta, 480p o 768p. I secondi del video di riferimento contano come secondi di output, le prime 5 immagini di riferimento sono incluse, ogni immagine in più aggiunge un piccolo costo e l'audio non costa nulla. La tariffa attuale è sempre mostrata 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-lite/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
