Vai al contenuto principale

Senza censura — Questo modello dichiara di non applicare alcun filtro sui contenuti. SpicyAPI inoltra la richiesta senza aggiungere controlli di piattaforma; gli obblighi di legge e la verifica del consenso restano a carico del cliente.Vedi tutti i modelli con questo livello di filtraggio
minimax/h3-x/reference-to-video

Una scena H3 X accetta fino a 9 immagini, 2 video per 15 secondi complessivi e 3 clip audio; assegna i ruoli con Image 1, Video 1 e Audio 1. Per una sequenza H3 X scegli da 2 a 15 secondi interi; il valore iniziale è 5 e l’uscita è a 24 fps.

Da $0.022/s
Esegui il modello

Playground

Input

Da riferimento a video
340/7000

Riordinare aggiorna i riferimenti nel prompt. Rimuovendo un media spariscono anche i suoi riferimenti: ricontrolla il prompt.

H3 X richiede un prompt da 1 a 7.000 caratteri per azione, camera e suono; metti le battute tra virgolette doppie. almeno 1 caratteri · al massimo 7000 caratteri
Indica almeno uno di questiRequisito soddisfatto
incide sul prezzo3/9

Trascina file o link ai media, incolla oppure sfoglia · Fino a 9 file · Max 10 MB · JPG · PNG · WEBP · GIF

  • Image 1
  • Image 2
  • Image 3
3 / 9 file
In H3 X l’ordine determina Image 1 fino a Image 9; separa identità, abiti e ambiente, considerando che solo le prime 5 immagini rientrano nel costo base. almeno 1 elementi · al massimo 9 elementi
incide sul prezzo0/2

Trascina qui un video, oppure sfoglia · Fino a 2 file · Max 90 MB · MP4 · WEBM

0 / 2 file
H3 X può riprendere il movimento da un massimo di 2 video per 15 secondi complessivi; la loro durata si fattura come quella dell’uscita. almeno 1 elementi · al massimo 2 elementi
0/3

Trascina qui un file audio, oppure sfoglia · Fino a 3 file · Max 90 MB · MP3 · WAV

0 / 3 file
Fino a 3 riferimenti audio possono guidare la voce H3 X; il file fornisce il timbro, il prompt fornisce le parole e il riferimento audio non ha supplementi. almeno 1 elementi · al massimo 3 elementi
Per testo e riferimenti H3 X offre 16:9 predefinito, 9:16, 1:1, 4:3, 3:4 e 21:9; con un’immagine iniziale le proporzioni seguono invece il fotogramma.
incide sul prezzo
H3 X offre 480p, 720p predefinito e 1080p; i ritagli SpicyAPI non hanno mostrato un aumento visibile dei dettagli nel file 1920 x 1088.
Durataincide sul prezzo
Per una sequenza H3 X scegli da 2 a 15 secondi interi; il valore iniziale è 5 e l’uscita è a 24 fps. non meno di 2 · non più di 15
Espansione del prompt
L’espansione del prompt H3 X parte disattivata; attivandola, le istruzioni vengono riscritte prima della generazione senza cambiare il prezzo.
Controllo di sicurezzaDisattivato

SpicyAPI non applica nessun controllo di sicurezza a questo modello. Il tuo prompt e i tuoi media arrivano al modello così come li hai scritti, ed è il modello stesso a decidere che cosa torna indietro.

Controllo del tuo account prima di abilitare invio e prezzi.

Output

Pronto per una nuova esecuzione
Risultato di esempio
Estendi
Traduzione video
Editing video

Modelli correlati e attività successive

Manca il modello che ti serve?

Dicci cosa aggiungere e dove lo useresti. Le richieste arrivano a chi decide quali modelli integrare per primi.

Video MiniMax H3 a prezzo accessibile, con battute parlate, inquadrature a tempo e fino a 9 riferimenti

MiniMax H3 X è una versione ottimizzata e più economica di MiniMax H3, disponibile solo su SpicyAPI, da $0.022 al secondo di video. Non è una release ufficiale di MiniMax. Tre endpoint generano clip da 2 a 15 secondi a 480p, 720p o 1080p con audio stereo: da testo a video, da immagine a video a partire da un fotogramma iniziale con fotogramma finale facoltativo, e da riferimenti a video con fino a 9 immagini, 2 clip video e 3 clip vocali. Una battuta scritta tra virgolette doppie viene pronunciata, e tutti e tre gli endpoint sono senza censura. I limiti sui contenuti sono un po’ più stretti di quelli di MiniMax H3, ma ogni secondo costa meno.

Apri il playground
Video MiniMax H3 a prezzo accessibile, con battute parlate, inquadrature a tempo e fino a 9 riferimenti
Modello
Una versione ottimizzata di MiniMax H3, solo su SpicyAPI dal 26 ottobre 2026; non è una release ufficiale di MiniMax
Endpoint
Da testo a video; da immagine a video a partire da un fotogramma iniziale e da un fotogramma finale facoltativo; da riferimenti a video con fino a 9 immagini, 2 clip video e 3 clip vocali
Durata
Da 2 a 15 secondi interi a 24 fps, 5 di default
Risoluzione
480p, 720p (default) o 1080p; da testo e da riferimenti a video in 16:9, 9:16, 1:1, 4:3, 3:4 o 21:9
Audio
Audio stereo in ogni clip; una battuta tra virgolette doppie viene pronunciata
Prezzo di partenza
Da $0.022 per secondo generato a 480p; 720p e 1080p costano di più
Prezzo
MiniMax H3 spendendo menoH3 X parte da $0.022 per secondo generato a 480p, e il prezzo aggiornato di ogni risoluzione è nella pagina del modello. Audio ed espansione del prompt sono inclusi nel prezzo al secondo. Per le bozze c’è H3 X Turbo, una versione distillata di questo modello a circa metà prezzo.
Dialoghi
Le battute tra virgolette tornano parola per parolaScrivi quello che dice una persona tra virgolette doppie. Nelle nostre verifiche con trascrizione automatica la battuta è tornata parola per parola, con il labiale sincronizzato, anche in una prova con una clip vocale di riferimento. Pioggia, respiro e musica seguono anch’essi il prompt.
Contenuti
Senza censura su tutti e tre gli endpointNei nostri test nessuna richiesta è stata rifiutata. Da immagine e da riferimenti a video hanno restituito una scena intima tra due adulti. I limiti sui contenuti sono un po’ più stretti di quelli di MiniMax H3: da testo a video attenua alcune scene NSFW con una sola persona o con soggetti maschili, quindi in questi casi parti da un’immagine o da riferimenti.

Lavorare con MiniMax H3 X

Parti da un fotogramma e scrivi cosa succede dopo

Parti da un fotogramma e scrivi cosa succede dopo

Il nostro fotogramma iniziale mostrava una barista con un abito di velluto nero dalla schiena scoperta, dietro un bancone in noce in un lounge di vinili in penombra. Il prompt descriveva solo il seguito: posa il bicchiere, si sporge sul bancone, appoggia il mento sulla mano e sussurra "Last call.", con il fruscio del disco e musica soul sotto. La clip a 720p ha mantenuto il suo volto, l’abito e la luce ambrata. In alto a sinistra c’è il fotogramma iniziale, gli altri tre riquadri sono momenti della clip.

Chiama ogni riferimento per posizione

Chiama ogni riferimento per posizione

Abbiamo inviato il ritratto di una donna con un caschetto platino, la foto prodotto di un trench color cammello e un camerino art déco vuoto come Image 1, 2 e 3, e abbiamo scritto "the woman from Image 1", "the trench coat from Image 2" e "the fitting room from Image 3" nel prompt. Il suo volto, il cappotto e lo specchio dalla cornice dorata sono tornati in un’unica scena a 720p. La colonna di sinistra mostra i tre riferimenti.

  • Dai a ogni battuta le sue virgolette

    Su un tetto bagnato di pioggia, di notte, una coppia balla un tango lento e lei dice "Not yet." Il prompt nomina anche il suono: la pioggia che batte sulle piastrelle, il traffico in lontananza, un bandoneón. Immagine, voce ed effetti escono in un solo passaggio, senza una fase audio a parte. Tieni ogni battuta abbastanza breve da essere detta con calma nella durata che chiedi.

  • Copia un movimento da una clip di riferimento

    Un video di riferimento può fare da modello di movimento. Abbiamo inviato il ritratto di un uomo in canotta bianca come Image 1 e una breve clip di danza come Video 1, chiedendo la stessa piroetta e lo stesso roll di spalle in un loft soleggiato, con volto e canotta da Image 1 e solo il movimento da Video 1. I secondi di video di riferimento si pagano come secondi generati, quindi taglia la clip ai soli movimenti che ti servono.

  • Scegli il 1080p per la dimensione dell’inquadratura, non per il dettaglio

    Il 720p è il default. Il 1080p restituisce un vero file da 1920 x 1088, ma con un bitrate più basso del 720p, circa 3,3 contro circa 10 Mbps, e nei nostri ritagli non sembrava più nitido. Una clip da 5 secondi ha richiesto circa 50-110 secondi a 480p, 100-130 a 720p e circa 171 a 1080p: fai le bozze a 480p, dove il secondo costa meno, e completa la ripresa che ti piace a 720p.

Chi usa MiniMax H3 X

  • Tre inquadrature da un solo prompt

    Autori di serie e microdrama

    Tre inquadrature da un solo prompt

    Dai a ogni inquadratura un tempo d’inizio e mantieni le stesse persone in ogni riga del prompt. La nostra clip da 12 secondi chiedeva un campo lungo in un corridoio d’albergo, uno stacco a 4 secondi su una chiave che gira in una serratura d’ottone e uno stacco a 8 secondi nella stanza, ed è tornata con quelle tre inquadrature e la stessa donna. In un test da 15 secondi gli stacchi sono caduti intorno ai 5 e ai 10 secondi.

  • Clip verticali direttamente dal testo

    Team social e short-form

    Clip verticali direttamente dal testo

    Da testo e da riferimenti a video accettano il 9:16 oltre a 16:9, 1:1, 4:3, 3:4 e 21:9, e una clip 9:16 a 720p torna a 736 x 1312. Il nostro bagnino, appoggiato alla ringhiera di una torretta bianca all’ora dorata, ha alzato gli occhiali da sole e ha sorriso a una camera dal basso. Nell’immagine: due momenti di quella clip da 5 secondi.

  • Parti dai fotogrammi dei tuoi utenti

    Piattaforme per adulti

    Parti dai fotogrammi dei tuoi utenti

    Nei nostri test l’endpoint da immagine a video ha accettato fotogrammi iniziali NSFW e ha restituito una scena intima tra due adulti, con il contatto vero e proprio fuori campo. Alcune scene con soggetti maschili sono state attenuate; per queste usa l’endpoint da riferimenti a video. Tutte le persone in scena devono essere maggiorenni. Nell’immagine: due donne che si scambiano un bacio delicato su un balcone di Parigi all’alba, da un fotogramma iniziale in cui sono vestite.

  • Due persone da due ritratti

    Creatori di personaggi e serie

    Due persone da due ritratti

    Invia un ritratto per persona e chiama ciascuna per posizione, per esempio "the man from Image 1" e "the man from Image 2". Due ritratti di due uomini in giacca e cravatta sono tornati in un ascensore d’albergo in ottone e specchi, uno che allenta la cravatta all’altro, con entrambi i volti conservati. Riusa gli stessi ritratti nello stesso ordine per ogni inquadratura di una sequenza.

Dal primo prompt alla ripresa finale con MiniMax H3 X

  1. Scegli l’endpoint in base a ciò che hai

    Solo parole: da testo a video. Un fotogramma della scena: da immagine a video, con un fotogramma finale facoltativo. Foto separate di persone, abiti, prodotti o luoghi, una clip di movimento o una voce: da riferimenti a video. Fotogrammi e riferimenti non si mescolano nella stessa richiesta.

  2. Scrivi azione, camera e suono

    Descrivi in ordine cosa succede, cosa fa la camera e cosa si sente, e metti ogni battuta tra virgolette doppie. Con l’endpoint da immagine a video descrivi quello che segue il fotogramma, non il fotogramma stesso. Lascia spenta l’espansione del prompt se vuoi che il tuo testo venga usato così com’è.

  3. Fai le bozze a 480p

    Lancia qualche ripresa da 5 secondi a 480p, dove il secondo costa meno, e controlla volti, mani e la battuta prima di allungare.

  4. Completa a 720p, solo per la durata che serve

    Rigenera la ripresa che ti piace a 720p e con la durata che la scena richiede, fino a 15 secondi; ogni clip si paga per secondo generato. Scegli il 1080p solo quando ti serve l’inquadratura più grande.

  5. Per le scene NSFW con una sola persona o con soggetti maschili, parti da un’immagine

    Da testo a video attenua alcune scene NSFW con una sola persona o con soggetti maschili. Usa l’endpoint da immagine a video con un fotogramma delle persone, oppure quello da riferimenti a video. Tutte le persone in scena devono essere maggiorenni.

Prompt di MiniMax H3 X da copiare

  • Un tango con una battuta tra virgolette

    Per l’endpoint da testo a video in 16:9. Abiti, movimento, battuta tra virgolette e suono compaiono una volta ciascuno.

    Night, a rain-soaked rooftop above a glittering city. A couple dances a slow tango in the downpour: she wears a clinging crimson satin slip dress, he wears a soaked white shirt open at the collar. He dips her low, she pulls him back up by the collar, their faces an inch apart, and she says, "Not yet." Rain hissing on the tiles, distant traffic, a bandoneon playing a slow tango. Cinematic, shallow depth of field, wet reflections, warm city glow against blue night.

  • Un fotogramma che sussurra

    Per l’endpoint da immagine a video a partire dal fotogramma di un adulto vestito. Descrivi solo cosa succede dopo il fotogramma.

    She sets the glass down slowly, leans across the bar toward the camera, rests her chin on her hand and whispers, "Last call." A record crackles on the turntable, low soul music, ice clinking. The camera pushes in slowly. Warm amber light, shallow depth of field.

  • Tre riferimenti, una prova d’abito

    Per l’endpoint da riferimenti a video con un ritratto, una foto del capo e una foto del luogo, in quest’ordine. Chiama ogni immagine per posizione.

    The woman from Image 1, in her black slip dress, tries on the trench coat from Image 2 in the fitting room from Image 3. She belts it, turns to the gold mirror, then lets the coat slide off one shoulder and glances back at the camera over that shoulder. Soft spotlight, rustle of wool, quiet lounge music. Cinematic, shallow depth of field.

Altre domande su MiniMax H3 X

Usalo quando la scena ha bisogno di una voce e il budget è stretto

Scegli da testo a video quando bastano le parole, da immagine a video quando hai già il fotogramma, e da riferimenti a video quando persone, abiti, luoghi o un movimento devono corrispondere.

Metti ogni battuta tra virgolette, dai i tempi alle inquadrature, fai le bozze a 480p e completa a 720p. Per le scene NSFW con una sola persona o con soggetti maschili, parti da un’immagine o da riferimenti.

Tutti i modelli MiniMax17

Modelli video12

Modelli audio3

Modelli di testo1

Modelli di immagine1