MiniMax H3 LoRA API

MiniMax H3 LoRA 参照から動画 は、参照素材と自前の LoRA ファイル最大 3 つから、オープンウェイト版の MiniMax H3 で 1 つのショットを組み立てます。画像 9 枚、動画 3 本、音声 3 本まで送り、プロンプトで番号を使って呼び分ければ、480p、540p、768p、1080p、7 種類のアスペクト比のいずれかで、ステレオ音声付きの 3〜15 秒の MP4 が返ります。

手元の素材からモードを選ぶ

3 種類の参照を 1 リクエストで

画像は顔、衣装、部屋を固定します。動画は動き、テンポ、カメラワークを運び、その音声も自動的に使われます。音声は、声、ビート、室内の空気感の手本になります。Picture 1、Video 1、Audio 1 のように呼び分け、各入力に明確な役割を 1 つずつ与えてください。

LoRA と参照を一緒に

キャラクター LoRA と同じ人物の参照静止画を組み合わせると、どちらか一方だけより同一性がよく保たれます。スタイル LoRA を低めの強度で加えれば、被写体を失わずにショット全体があなたのルックになります。

すべての入力で規制なし

参照画像は、何が写っていてもそのまま受け付けられます。最も強いコンテンツ向けに作られた LoRA と当社の最も強いプロンプトを使うと、ショットは参照された被写体とともに書いたとおりに描かれ、サウンドトラックも同じファイルの中で返りました。

おなじみのキャラクターを新しい場面に

キャラクターの静止画 2〜3 枚を固定し、その LoRA を加え、ショットごとに舞台と動作の行だけを変えます。どの新しい場面も、毎回引き直すのではなく同じ同一性から始まります。

動画から動きを写す

欲しいダンス、殺陣の一手、カメラワークの短い動画に新しい演者の静止画を添えて送り、新しい舞台を書きます。人物は画像から、動きだけを動画から取ることをはっきり書いてください。当社のテストでは、この一文を省くと、動きと一緒に動画のダンサーまで持ち込まれました。動画は短くしてください。その秒数は出力の秒数と同じように課金されます。

映像に声をのせる

声や音楽を Audio 1 として加え、誰が話すのか、場面が何に合わせて動くのかを伝えます。手持ちの声でひと言セリフを入れたいとき、いちばん手早い方法です。

# 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-lora/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": "480p",
    "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。