はじめに
MiniMax H3 HighSpeed の参照からの動画は、渡したファイルを軸に、音声付きの 4〜15 秒の 768p クリップを組み立てます。人物や場所は画像、動きは動画、声は音声で指定します。参照中心の作り方は日常コンテンツ向けの階層に合っており、顔、衣装、場所を投稿ごとに揃えたいときはまずここから試してください。
素材に応じてモードを選ぶ
| 手元にあるもの | モード |
|---|---|
| アイデアだけ | MiniMax H3 HighSpeed テキストからの動画 |
| 動かしたいフレーム（任意で終了フレーム） | MiniMax H3 HighSpeed 画像からの動画 |
| 人物、衣装、場所、動きのクリップ、または声 | MiniMax H3 HighSpeed 参照からの動画 |
主な機能とハイライト
参照は最大 15 件
1 回のリクエストで、画像 9 枚、動画 3 本、音声 3 本を渡せます。ファイルごとに役割を変えられ、人物、衣装、部屋、動き、声などをそれぞれ別に指定できます。
プロンプトで名前を付ける
プロンプトでは各ファイルを Image 1、Video 1、Audio 1 のように呼びます。たとえば「Image 1 の女性が Video 1 の動きをする」と書きます。番号は送ったリストの順に対応します。
入力に応じた料金
参照動画の秒数は出力と同じ単価で数えられ、6 枚目以降の画像にはわずかな料金がかかり、音声は無料です。それ以外はいつもの秒単価です。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 必須です。1〜7,000 文字を受け付け、それより長いものは拒否されます。 1 文字以上 · 7000 文字以内 |
reference_image_urls | いいえ | 最大 9 枚で、リストの順に Image 1、Image 2 … と番号が付き、プロンプトから呼べます。5 枚までは料金に含まれ、6 枚目以降の各画像にはわずかな料金がかかります。 1 件以上 · 9 件以内 |
reference_video_urls | いいえ | 最大 3 本で、各 2〜15 秒、合計 15 秒までです。Video 1、Video 2、Video 3 と呼べます。 1 件以上 · 3 件以内 |
reference_audio_urls | いいえ | 声や音のガイドとなる WAV または MP3 ファイルを最大 3 つまで、無料で使えます。必ず画像か動画を最低 1 つ組み合わせ、話させる言葉はプロンプトに書いてください。 1 件以上 · 3 件以内 |
aspect_ratio | いいえ | フレームの形です。既定は 16:9 で、9:16、1:1、4:3、3:4、21:9 も選べます。 |
resolution | いいえ |
|
duration_seconds | いいえ | 4〜15 の整数（既定は 5）で、1 秒ごとに 768p の単価で課金されます。4 秒のリクエストは 3.75 秒のクリップで返りました。 |
料金
料金は完成したクリップの 1 秒ごとに 768p の単価で発生します。参照動画はその秒数が同じ単価で加算され、最初の 5 枚の参照画像は含まれ、6 枚目以降の画像にはわずかな料金がかかり、音声は無料です。最新の単価はモデルページでご確認ください。
| 仕様 | 料金 |
|---|---|
| $0.072 / 秒 |
ユースケース
別々のファイルから組み立てるシーン
ポートレート、衣装の写真、部屋の写真を 3 枚の画像として送り、人物が話すなら声のクリップを Audio 1 として加えます。結果には、その人がその服でその場所にいる場面が描かれます。
複数のクリップで同じキャラクター
毎回のリクエストで同じポートレートを Image 1 にすれば、場面が変わっても顔と衣装は投稿をまたいで引き継がれます。こうして、繰り返し登場するキャラクターやバーチャルな案内役の見た目を保てます。
動きをコピーする
短いクリップを Video 1 として渡し、Image 1 の人物でその動きを再現するよう頼めば、ダンス、しぐさ、カメラワークを借りられます。秒数が課金されるので、クリップは短くすっきりしたものにしてください。
プロンプトガイドと実践のヒント
参照ごとに役割は 1 つ
各ファイルが人物、場所、カメラの動き、声のどれを担うかを決め、種類と番号で呼びます。まず被写体 1 つと動作 1 つから始め、そのあとで他の参照を加えましょう。
音声には画像が必要
音声クリップには必ず画像か動画を最低 1 つ添えて送ってください。正確なセリフは二重引用符で囲み、話し手を明記し、結果では声、タイミング、動きをまとめて確認しましょう。
先に参照動画を切り詰める
必要な動きが映る最短の部分までクリップを切り詰めてください。合計 15 秒まで受け付けられ、その全部が課金されます。前置きの部分を除き、プロンプトでどの動作を引き継ぐかを書きましょう。
料金は完成したクリップの 1 秒ごとに 768p の単価で発生します。参照動画はその秒数が同じ単価で加算され、最初の 5 枚の参照画像は含まれ、6 枚目以降の画像にはわずかな料金がかかり、音声は無料です。最新の単価はモデルページでご確認ください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
