Introduzione
MiniMax H3 Testo in video genera una clip dal solo prompt, senza immagini né set di riferimenti. Scegli una durata da 5 a 15 secondi interi, una risoluzione tra 768p e 2k e uno dei sei formati; l’audio viene generato nello stesso passaggio dell’immagine. Il campo del prompt accetta fino a 7.000 caratteri, abbastanza per descrivere un’intera inquadratura e non solo una didascalia.
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
Sei formati, scelti a ogni richiesta
aspect_ratio accetta 16:9 (predefinito), 9:16, 1:1, 4:3, 3:4 e 21:9. Il 21:9 produce un letterbox anamorfico, ed è così che è stato realizzato l’esempio pubblicato noir-window: un neon rosso che pulsa, le ombre delle veneziane e una lenta rotazione della testa, tutto scritto in un paragrafo per il quadro largo. Decidi il formato prima di scrivere, così il brief colloca il soggetto pensando a quel quadro.
Il suono si dirige nello stesso brief
L’audio nasce insieme all’immagine e non viene aggiunto dopo, quindi anche la colonna sonora si scrive nel prompt: ambiente, foley, musica o una battuta. Nell’esempio thunder-wheat-field il tuono arriva nello stesso file dei lampi e cade sui bagliori senza doverlo sincronizzare in montaggio.
768p e 2k, entrambe native
Le due risoluzioni sono uscite native e il 480p e il 720p non esistono: lo schema li rifiuta. Durata e risoluzione incidono entrambe sul prezzo, perciò di solito si fanno bozze a 768p finché azione e inquadratura funzionano, poi si genera in 2k la ripresa scelta. L’endpoint non accetta seed, quindi il passaggio in 2k è una nuova ripresa dello stesso brief, non una copia più nitida della bozza.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Scrivilo come un'inquadratura: soggetto, azione, movimento di macchina, luce, suono. Le formulazioni senza censura sono accettate. almeno 1 caratteri · al massimo 7000 caratteri |
aspect_ratio | No | 16:9, 9:16, 1:1, 4:3, 3:4 oppure 21:9. Il 21:9 dà il formato anamorfico. |
resolution | No | 768p o 2k, entrambe native. Bozza a 768p, consegna a 2k. |
duration_seconds | No | Secondi interi, da 5 a 15. Determina il prezzo. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.037 / secondo |
| $0.058 / secondo |
Casi d’uso
Partire da una semplice idea
text-to-video è l’endpoint di H3 che non richiede immagini in ingresso. L’esempio curtain-silhouette mostra il tipo di brief che regge meglio da un’esecuzione all’altra: camera fissa, una tenda di garza, una lampada calda dietro e una silhouette di cui si legge solo il contorno. Meno dettagli il brief lascia aperti, più le riprese successive si somigliano.
Provare un’idea di luce o di ritmo
La luce che cambia nel tempo si scrive per intero nel prompt. Il brief di thunder-wheat-field chiede una rivelazione intermittente: ogni fulmine stampa di bianco per un istante una camicia fradicia e la restituisce al buio, per sei secondi a 768p in 16:9. Bozze brevi come questa ti dicono se un effetto si legge prima di spendere un’esecuzione in 2k.
Aprire una sequenza che prosegue altrove
H3 non ha un endpoint di modifica, e una richiesta arriva al massimo a 15 secondi. Per una scena più lunga, genera qui la prima inquadratura e continuala con MiniMax H3 Estensione video: apre l’inquadratura successiva sull’ultimo fotogramma della clip approvata e restituisce i due uniti in un solo file. Quando il soggetto deve apparire esattamente come progettato, passa invece a image-to-video: la prosa lascia al modello costume, corpo e inquadratura, e le esecuzioni consecutive divergono.
Consigli avanzati
Scrivi l’inquadratura nell’ordine in cui accade
Costruisci il prompt con soggetto, azione, camera, luce e suono. Il prompt di noir-window è un buon modello: chi è sul davanzale e cosa indossa, cosa fa (espira il fumo e gira lentamente la testa verso la camera), poi il look (ombre delle veneziane, neri profondi, grana anni Settanta) e infine il suono (pioggia e traffico lontano).
Un solo movimento di camera per due soggetti
Quando un quadro deve reggere due cose insieme, dai alla camera un unico movimento che serva a entrambe. L’esempio mirror-two-views tiene leggibili insieme la schiena di una donna e il suo riflesso in uno specchio antico chiedendo un lento arco verso destra. Lo stesso prompt dice chiaramente che gli abiti restano addosso e che non si toglie nulla. Se un’inquadratura dipende dal fatto che il costume resti al suo posto, scrivilo invece di darlo per scontato.
Cambia una sola variabile per esecuzione
Senza seed, due esecuzioni con le stesse impostazioni restituiscono due riprese diverse. Tieni fisso il testo mentre confronti le riprese e, quando una non funziona, cambia un solo elemento, come l’indicazione di camera o la riga sulla luce, invece di riscrivere tutto il brief. Se soggetto e inquadratura devono restare identici in ogni ripresa, fissali con un fotogramma iniziale in image-to-video.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"aspect_ratio": "16:9",
"duration_seconds": 5,
"enable_prompt_expansion": false
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
