Introduzione
Estensione video con MiniMax H3. Invia la clip che vuoi continuare e descrivi cosa succede dopo: l'ultimo fotogramma della tua clip diventa il fotogramma iniziale di una nuova inquadratura image-to-video di MiniMax H3, e l'originale e il nuovo segmento tornano uniti in un unico MP4. Vengono fatturati solo i secondi nuovi.
| Campo | Valore |
|---|---|
| Input | Video |
| Output | Video |
| Produttore del modello | MiniMax |
| Endpoint | text-to-video, image-to-video, reference-to-video, video-extend |
| Durata | 4-15 secondi, 5-15 su text-to-video |
| Risoluzione | 768p, 2k |
| Proporzioni | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 (testo e riferimenti) |
| Riferimenti | Fino a 9 immagini |
| Audio | Generato insieme alle immagini su ogni endpoint |
| Esecuzione | Attività asincrona, addebito al secondo prodotto |
Caratteristiche principali
Un’inquadratura finita da un paragrafo
Di’ chi c’è in scena, cosa succede, dove va la camera e cosa si sente. H3 restituisce luce, grana, movimento e una colonna sonora coerente in un’unica clip. Questa scena noir alla finestra sono quattro frasi e nient’altro.
La tua immagine, messa in movimento
Parti da un fermo immagine e descrivi solo cosa succede dopo. Qui l’immagine iniziale era una tazza di caffè sul bancone; la mano, la panoramica verso la camicia e l’uomo che si sveglia dietro di lei sono venuti tutti dal prompt.
Stessa donna, stesso outfit, una nuova scena
Dagli un volto, un outfit e una stanza come foto separate e li mette insieme in un’inquadratura che non hai mai girato. È così che un personaggio resta riconoscibile da una clip all’altra.
La colonna sonora nasce insieme all’immagine
Dialoghi, suono d’ambiente e musica vengono generati nello stesso passaggio. La frase cantata, il riverbero del locale e il brusio del pubblico in questa clip erano tutti scritti nel prompt, senza un passaggio audio a parte.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Obbligatorio. Cosa succede dopo: l'azione che segue, il movimento di camera e il suono. almeno 1 caratteri · al massimo 7000 caratteri |
video_url | Sì | La clip da continuare: MP4, MOV o WebM, fino a 60 secondi. almeno 1 caratteri |
last_image_url | No | Fotogramma finale di destinazione facoltativo: il nuovo segmento si chiude su questa immagine. Guida solo il finale; la parte centrale resta libera. |
resolution | No | Risoluzione del nuovo segmento: 768p o 2k, predefinita 768p. Entrambe sono rendering nativi. |
duration_seconds | No | Durata del nuovo segmento: secondi interi, da 4 a 15; predefinito 5. Un segmento da 4 secondi è disponibile solo a 768p, e 2k richiede almeno 5 secondi. |
Prezzi
Si paga al secondo del nuovo segmento nella risoluzione scelta; la clip sorgente che invii non viene fatturata. Una generazione fallita, o un'unione che non può essere costruita, viene rimborsata per intero.
| Specifiche | Prezzo |
|---|---|
| $0.037 / secondo |
| $0.058 / secondo |
Casi d’uso
Scene senza censura che altre API video rifiutano
Le scene che altre API bloccano passano al primo tentativo invece di rimbalzare su un filtro dei prompt. Scrivi la scena per il testo a video, oppure genera prima la persona esatta e anima quell’immagine quando il look deve essere preciso.
Clip verticali con audio per i social
Clip 9:16 che hanno già il loro audio: un teaser di dieci secondi, un loop d’atmosfera, un momento di reazione. Fai le bozze a 768p finché il ritmo funziona, poi rigenera la ripresa migliore in 2K.
Un personaggio ricorrente lungo una serie
Tieni stabili un volto, un outfit e una stanza da un episodio all’altro con le foto di riferimento, e scrivi solo cosa cambia in ogni nuova inquadratura.
Scene più lunghe, un’inquadratura alla volta
Concatena clip da 15 secondi in una scena completa: l’ultima immagine di ogni clip approvata diventa la prima della successiva, così abiti, set e luce attraversano lo stacco.
Consigli avanzati
Provalo nel playground
Scegli una modalità qui sopra (una frase, la tua immagine iniziale o qualche foto di riferimento), incolla uno dei prompt di questa pagina e avvialo. Il prezzo esatto compare prima di qualsiasi addebito.
Ottieni una chiave API
Registrati, ricarica con carta o cripto e crea una chiave nella console. Nessun abbonamento: paghi i secondi di video che generi.
Invia la stessa richiesta dal tuo codice
Copia la richiesta dalla scheda API: è lo stesso body che il playground ha appena eseguito. La clip finita arriva al tuo webhook, oppure la recuperi con l’ID del task.
Introduzione
MiniMax H3 Estensione video continua una clip che hai già. Inviala come video_url con un prompt su cosa succede dopo. L'ultimo fotogramma della tua clip diventa il fotogramma iniziale di una nuova inquadratura image-to-video di MiniMax H3 di da 4 a 15 secondi, e i due vengono uniti in un unico MP4: prima il tuo originale, poi la continuazione, senza il fotogramma ripetuto della giuntura. Il nuovo segmento torna anche come file a sé, così puoi continuare a estendere o modificare i pezzi separatamente.
Caratteristiche principali e punti di forza
La continuità nasce dall'ultimo fotogramma
Costumi, ambiente, luce e posizione di ciascuno restano, perché il nuovo segmento parte letteralmente dal tuo ultimo fotogramma. Il movimento non si trasmette allo stesso modo: il modello vede un'immagine fissa, non l'intera clip, quindi descrivi il movimento che vuoi continuare invece di supporre che mantenga velocità o direzione.
Un file di ritorno, più il pezzo nuovo da solo
Il MP4 unito mantiene la frequenza dei fotogrammi e l’inquadratura della tua clip, senza bande nere. Per allineare la giuntura, l’immagine può essere ritagliata o regolata di qualche punto percentuale ai bordi. Se il modello restituisce proporzioni nettamente diverse, il nuovo segmento viene ridimensionato per riempire la tua inquadratura e centrato, e ciò che sporge viene ritagliato. Il nuovo segmento arriva con l'audio generato nello stesso passaggio; l'audio della sorgente resta e la giuntura viene sfumata in una frazione di secondo. Se un lato è muto, l'altro viene completato con silenzio. Il secondo asset dell'output è il nuovo segmento da solo, con il ruolo segment, pronto per un'altra estensione o per un editor.
Un fotogramma finale facoltativo
last_image_url è facoltativo. Invia un'immagine e il nuovo segmento si ferma su di essa; se lo ometti, il finale è libero. Il fotogramma finale stringe solo la conclusione, e più il segmento è lungo, più la parte centrale può allontanarsene. Un segmento da 4 secondi è disponibile solo a 768p, e 2k richiede almeno 5 secondi.
Tutto il resto è MiniMax H3 image-to-video
Il nuovo segmento gira sulle stesse rotte, con lo stesso intervallo di contenuti e lo stesso prezzo al secondo dell'endpoint image-to-video, e una generazione fallita viene rimborsata allo stesso modo. Se la generazione riesce ma l'unione non può essere costruita, l'attività fallisce e l'addebito viene rimborsato.
Casi d'uso
Allungare un'inquadratura finita troppo presto
Un piatto girevole per prodotti che si ferma prima che l'etichetta guardi in camera, o una camminata che stacca prima che il soggetto raggiunga la porta. Estendila di qualche secondo e descrivi solo il movimento che manca.
Costruire una sequenza più lunga passo dopo passo
Una richiesta produce al massimo 15 secondi. Per andare oltre, genera una prima inquadratura, estendila, poi estendi di nuovo il risultato unito; ogni passo fattura solo i secondi che aggiunge. Poiché ogni passo parte da un singolo fotogramma, controlla ogni giuntura prima di impilare la successiva.
Guida ai prompt e consigli pratici
Descrivi il tempo successivo, non l'intera scena
Il fotogramma fissa già chi e dove, quindi dedica il prompt all'azione che segue, al movimento di camera e al suono. Ripeti il linguaggio di camera con cui finiva la tua clip, come un lento avvicinamento o un'inquadratura fissa, perché la giuntura si legga come un'unica ripresa.
Taglia prima di estendere
L'ultimo fotogramma è l'unica cosa che il modello vede, quindi un finale sfocato, tagliato a metà movimento o molto compresso passa direttamente nella continuazione. Taglia prima la sorgente su un fotogramma pulito e nitido. Sono accettate sorgenti fino a 60 secondi in MP4, MOV o WebM.
Mantieni coerente la risoluzione
La risoluzione decide solo la nitidezza con cui viene generato il nuovo segmento, quindi un’impostazione più bassa rende la parte nuova più morbida dell’originale. Allinea la risoluzione alla sorgente e imposta duration_seconds sulla durata che ti serve davvero: l’addebito segue solo il nuovo segmento.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/video-extend",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
