H3 Max は MiniMax H3 と何が違いますか？

MiniMax は H3 Max を H3 の高速生成版と説明しています。このプラットフォームでは、ベースファミリーが reference-to-video も持つのに対し、公開エンドポイントはテキスト、画像、動画延長です。解像度は 480p と 768p で、ベースファミリーはテキストと画像のエンドポイントで 2k も選べます。長さはどちらのファミリーも 5〜15 秒です。

SpicyAPI は送ったプロンプトをフィルタリングしますか？

しません。SpicyAPI 側でコンテンツフィルタを足すことはなく、立てるべきフラグも別エンドポイントもありません。どのエンドポイントでも、書いた文言はそのままモデルに届きます。そこから何を生成するかを決めるのはモデル自身なので、指示が通ったと決めつけず、返ってきたクリップで確かめてください。image-to-video の開始フレームは、同じ内容をテキストで書くよりずっと忠実に追われます。

既定のアスペクト比は？

text-to-video では 1:1 です。ワイドを期待していると驚くので、aspect_ratio は明示的に設定してください。選べるのは 21:9、16:9、4:3、1:1、3:4、9:16 です。image-to-video には aspect_ratio フィールド自体がなく、開始フレームが形を決めます。

終了フレームだけを送れますか？

送れません。last_image_url は image_url に添える形でのみ有効です。最終構図しか手元にないなら、それを逆方向の動きの開始フレームにするか、対応する開始用の静止画を先に作ってください。

使える解像度は？

480p と 768p で、既定は 768p です。ここに 720p、1080p、4K の選択肢はなく、指定するとリクエストがキューに届く前にスキーマで拒否されます。

モデルはプロンプトを書き換えますか？

頼んだときだけです。enable_prompt_expansion は既定でオフなので、プロンプトは書いたとおりに使われます。オンにすると MiniMax がまずプロンプトをショット、音、音楽を含むより詳しい記述へ展開するため、書いていない細部が加わることがあり、そのリクエストはプロンプト拡張料金で課金されます。どちらの場合も、こだわりたい点はすべてプロンプトに明記し、1 回の実行で変えるのは 1 か所だけにしてください。

音は出ますか？

出ます。音声は映像と同じ工程で生成されるので、部屋の空気感、効果音、劇伴もプロンプトに書いてください。どのエンドポイントにも音声の別トグルはありません。

課金はどうなりますか？

出力の尺に応じて課金され、解像度も加味されます。送信前の実額の見積もりは、リクエストの尺と解像度をそのまま反映します。

MiniMax H3 Max API — 音声付きの画像から動画

minimax/h3-max/video-extend

MiniMax H3 Max でクリップを続きから生成します。動画の最後のフレームから 5〜15 秒の新しいセグメントが始まり、元の動画と続きがつながった 1 つのファイルが 480p または 768p で返ります。

エンドポイントごとにフィルタリングの扱いが異なります：画像から動画 — 置き換え, 動画延長 — 置き換え, テキストから動画 — フィルターあり。

最低価格 $0.05/秒

モデルを実行 API を見る

入力

動画延長

1
続きを作るクリップを選ぶ
動画を1本選ぶと、その最後のフレームから続きを作ります。
2
この先の展開
ステップ 1 でクリップを選ぶと、ここが開きます。
モデル
プロンプト0/7000
必須です。次に起きること、つまり続く動作、カメラの動き、音を書いてください。被写体や場所は開始フレームですでに決まっているので、言葉は動きに使います。 1 文字以上 · 7000 文字以内
長さ料金に影響
新しいセグメントの長さ（整数の秒）で、5〜15 秒、既定は 8 秒です。元のクリップはその前に加わり、課金されません。 5 以上 · 15 以下
解像度料金に影響
新しいセグメントの解像度で、480p または 768p（既定は 768p）です。どちらもネイティブ生成です。解像度が決めるのは新しい区間の精細さだけなので、元のクリップに合わせてください。低く設定すると新しい部分が元より甘く見えます。480p は 1 秒あたりの料金が安くなります。料金はこの設定で決まります。
プロンプト自動拡張料金に影響
既定ではオフで、プロンプトは書いたとおりに使われます。オンにすると、MiniMax がまずプロンプトをショット、音、音楽を含む詳しい記述に拡張し、それをもとに生成します。オンのリクエストには、秒単価に加えてリクエストごとに定額の拡張料金が加算されます。送信前に表示される見積もりにはすでに含まれています。
末尾フレーム0/1
素材 URL
ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 1 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF
0 / 1 ファイル
任意の終了フレームです。新しいセグメントはこの画像で終わります。効くのは終わり方だけで、途中は自由に動きます。空のままなら終わり方は自由です。

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

必須項目が 2 件未入力です：プロンプト · 入力動画

出力

実行待ち

結果はここに表示されます。

入力を設定し、概算料金を確認してからモデルを実行します。

はじめに

MiniMax H3 Max によるビデオ延長です。続けたいクリップを送り、次に起きることを書くと、クリップの最後のフレームが MiniMax H3 Max の新しい image-to-video ショットの開始フレームになり、元の動画と新しいセグメントが 1 つの MP4 につながって返ります。課金されるのは新しい秒数だけです。

MiniMax H3 Max · Video Extend の仕様
項目	値
入力	動画
出力	動画
出品元	MiniMax
エンドポイント	text-to-video、image-to-video、video-extend
尺	5〜15 秒、整数秒、既定 8
解像度	480p、768p（既定）
アスペクト比	21:9、16:9、4:3、1:1、3:4、9:16（text-to-video。既定 1:1）
フレーム制御	image-to-video では開始フレームが必須、終了フレームは任意
音声	映像と一緒に生成
実行方式	非同期タスク。課金は出力 1 秒単位

主な機能とハイライト

ブリーフを素早く形にするための版

MiniMax は H3 Max を、速度を重視して最適化した H3 の高速生成版と位置づけています。このプラットフォームでは 480p または 768p で、音声も同じパスで生成されるので、書いて、レンダリングして、直すという反復に向いています。クリップは 5 秒から始まるため、最短のリクエストでもテスト用のコマではなく使えるひと区切りになります。

どこから始まり、どこに着地するかを書きます

image-to-video は開始フレームを取り、任意で終了フレームも取ります。両端が固定され、生成されるのはそのあいだの動きだけです。クリップが編集にきれいに繋がる必要があるときに効きます。2 枚のフレームは被写体、衣装、光で連続させてください。そうしないとクリップの中間が目に見えて折り合いをつけ始めます。

テイクを評価する前に画面の形を決める

text-to-video の既定は 1:1 なので、aspect_ratio を指定しないとワイドのつもりのブリーフも正方形で返ります。テイクを比べる前に 21:9、16:9、4:3、3:4、9:16 のいずれかに設定してください。image-to-video には aspect_ratio フィールドがなく、開始フレームが形を決めるので、送る前に静止画をトリミングしてください。

リクエストパラメーター

MiniMax H3 Max · Video Extend のリクエストパラメーター
パラメーター	必須	説明
`last_image_url`	いいえ	任意の終了フレームです。新しいセグメントはこの画像で終わります。
`prompt`	はい	必須です。次に起きること、つまり続く動作、カメラの動き、音を書いてください。 1 文字以上 · 7000 文字以内
`duration_seconds`	いいえ	新しいセグメントの長さ（整数の秒）で、5〜15 秒、既定は 8 秒です。元のクリップはその前に加わり、課金されません。 `≥ 5` · `≤ 15` · デフォルト値: `8`
`resolution`	いいえ	新しいセグメントの解像度で、480p または 768p（既定は 768p）です。どちらもネイティブ生成です。 `480p` · `768p` · デフォルト値: `768p`
`enable_prompt_expansion`	いいえ	既定ではオフで、プロンプトは書いたとおりに使われます。オンにすると、MiniMax がまずプロンプトをショット、音、音楽を含む詳しい記述に拡張し、それをもとに生成します。デフォルト値: `false`
`video_url`	はい	続きを生成するクリップです。MP4、MOV、WebM で最大 60 秒。 1 文字以上

料金

選んだ解像度で、新しいセグメントの秒数に応じて課金されます。送信した元のクリップは課金されません。生成に失敗した場合や、つなぎ合わせを作れなかった場合は全額返金されます。プロンプト拡張をオンにすると、リクエストごとに定額の料金が加算されます。

料金
仕様	料金
`480p`	$0.05 / 秒
`768p`	$0.08 / 秒

ユースケース

開始フレームを固めてからのヒーローカット

シーンが固まったら、まず開始フレームを生成して image-to-video に渡してください。設計した衣装、体つき、顔が、実行のたびに作り直されずにそのまま出てきます。

アナモルフィックのキャンペーンフィルム

21:9 で、カメラへゆっくり歩き、硬いリムライト、風を送る。このティアが得意なファッションフィルムの文法です。15 秒のリクエスト 1 回で、近づいて止まるまでのひと拍が丸ごと収まるので、編集で隠す継ぎ目がありません。

同じ指示から縦位置も書き出す

同じ文章のカットを、フィード向けに 9:16、正方形の枠向けに 1:1 で回し直せます。プロンプトと長さは変えずにアスペクト比だけを変え、フレーミングの変化がどう効くかを確かめてから、納品物一式に取りかかってください。

タイムラインに繋ぐカット

あるボードから始まり、別のボードで終わらなければならないカットでは、両方を image_url と last_image_url に渡します。生成された動きが終了構図に着地するので、出ていくフレームがタイムラインの次のカットと合います。

プロンプトガイドと実践のヒント

テキストか、開始フレームかを選ぶ

文章のアイデアは text-to-video へ、承認済みの静止画は image-to-video へ。後者のほうがずっと文字どおりに従います。2 つはフィールドセットを共有していません。image-to-video に aspect_ratio がないのは、開始フレームが形を決めるからです。
カットを書いてから、画面を設定する

被写体、動き、光、音を起こる順に書き、既定が 1:1 なので aspect_ratio は自分で設定してください。実用的なブリーフはこうなります。"High-fashion campaign film. An adult model in a liquid-silver slip gown walks slowly toward camera down a black marble corridor, the fabric catching hard rim light and rippling with each step, hair moving in a wind machine, she stops and looks straight down the lens. Anamorphic 2.39:1, deep blacks, glossy specular highlights, low synth drone."
一度に 1 か所ずつ詰める

1 回の実行で変えるのは 1 か所だけにして、結果に表れるのが編集した部分だけになるようにします。こだわりたい細部はモデルに補わせず、プロンプトに書き込んでください。音は映像と一緒に生成されるので、音楽や部屋の響きの指示も同じプロンプトに入れます。

はじめに

MiniMax H3 Max ビデオ延長は、すでにあるクリップの続きを生成します。クリップを video_url として、次に起きることを書いたプロンプトとともに送ってください。クリップの最後のフレームが MiniMax H3 Max の新しい image-to-video ショット（5〜15 秒）の開始フレームになり、両者が 1 つの MP4 につながります。先に元の動画、続いて新しい部分が並び、つなぎ目で重なるフレームは取り除かれます。新しいセグメントは単独のファイルとしても返るので、さらに延長したり、パーツを別々に編集したりできます。

主な特長とハイライト

連続性は最後のフレームから生まれます

新しいセグメントは文字どおり最後のフレームから始まるため、衣装、セット、光、全員の立ち位置が引き継がれます。一方、動きは同じようには引き継がれません。モデルが見るのはクリップ全体ではなく 1 枚の静止画だからです。速度や向きが保たれると決めつけず、続けたい動きを書いてください。

つないだ 1 本に加え、新しい部分も単独で

つないだ MP4 は元のクリップのフレームレートと構図を保ち、黒帯は入りません。つなぎ目を合わせるため、画面の端が数パーセント程度切り取られたり調整されたりすることがあります。モデルが返した映像の縦横比が大きく異なる場合は、新しいセグメントを画面いっぱいに拡大して中央に合わせ、はみ出した部分を切り取ります。新しいセグメントには同じ処理で生成された音が付き、元の動画の音もそのまま残ります。つなぎ目は 1 秒に満たない時間で自然にブレンドされます。片方が無音の場合は、もう片方が無音で補われます。出力の 2 つ目のアセットは、role が segment の新しいセグメントだけで、さらなる延長や編集ソフトにそのまま使えます。

任意の終了フレーム

last_image_url は任意です。画像を送ると新しいセグメントがその画像で落ち着き、省略すると終わり方は自由になります。終了フレームが効くのは終わり方だけで、セグメントが長いほど途中は離れやすくなります。

それ以外は MiniMax H3 Max の image-to-video と同じです

新しいセグメントは image-to-video エンドポイントと同じルート、同じコンテンツ範囲、同じ秒単価で動き、生成に失敗した場合の返金も同じです。生成は成功してもつなぎ合わせを作れなかった場合は、タスクが失敗となり課金は返金されます。

ユースケース

早く終わってしまったショットを延ばす

ラベルがカメラを向く前に止まる商品のターンテーブルや、被写体がドアに着く前に切れてしまう歩きのシーンなど。数秒延長して、残りの動きだけを書きます。

長いシーケンスを一歩ずつ作る

1 回のリクエストで生成できるのは最長 15 秒です。それ以上にするには、最初のショットを作って延長し、つないだ結果をさらに延長します。各ステップで課金されるのは足した秒数だけです。各ステップは 1 枚のフレームから始まるので、次を重ねる前につなぎ目を確認してください。

プロンプトガイドと実践のヒント

シーン全体ではなく、次の一拍を書く

誰がどこにいるかはフレームですでに決まっているので、プロンプトは続く動作、カメラの動き、音に使います。クリップが終わったときのカメラの言葉（ゆっくりした寄り、固定ショットなど）を繰り返すと、つなぎ目がひと続きのテイクに見えます。

延長する前にトリミングする

モデルが見るのは最後のフレームだけなので、ぼやけた終わり、動きの途中での終わり、強く圧縮された終わりはそのまま続きに引き継がれます。先に、鮮明なフレームでクリップを切ってください。60 秒までのクリップを MP4、MOV、WebM で受け付けます。

解像度をそろえる

解像度が決めるのは新しい区間をどれだけ精細に生成するかだけなので、低く設定すると新しい部分が元より甘く見えます。元のクリップに解像度を合わせ、duration_seconds は本当に必要な長さにしてください。課金は新しい区間だけに対して行われます。

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-max/video-extend",
  "input": {
    "duration_seconds": 8,
    "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"

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。

MiniMax H3 の Max ティア。480p か 768p で 5〜15 秒、音付き。

主なスペック

エンドポイント: 3; text-to-video、image-to-video、video-extend。それぞれ固有のフィールドを持ちます。
クリップ尺: 5-15秒; 5〜15 の整数秒。何も指定しないリクエストは 8 秒で走ります。
解像度: 480/768P; 480p または 768p、既定は 768p。スキーマに 720p の選択肢はありません。
アスペクト比: 6; 21:9、16:9、4:3、1:1、3:4、9:16。既定は 1:1 です。
始点と終点: 前後 2 枚; 1 回の image-to-video で、開始と終了の構図を固定できます。
同時生成の音声: 音声あり; 部屋の空気感、効果音、劇伴が映像と同じ工程で出てきます。

課金前に知っておくこと

text-to-video

文章で書くと衣装、体つき、画面の取り方をモデルに委ねることになり、文言を変えていなくても続けて回すうちにずれていきます。既定の画面は 16:9 ではなく 1:1 です。aspect_ratio を明示的に設定しないと、ワイドのつもりの指示が正方形で返ってきます。

image-to-video

開始フレームは忠実に追われ、文字どおりの結果を得る確実なやり方です。終了フレームが縛るのは終わり方だけです。15 秒のクリップでは中間が彷徨いえますし、光や衣装が食い違う 2 枚は目に見える折り合いを生みます。last_image_url は単独では送れません。

all

クリップは 5〜15 秒、解像度は 480p または 768p で、720p、1080p、4K はありません。すべてのエンドポイントが非同期です。タスクを作成し、ポーリングするかコールバックを受け取ってください。アップロードしたフレームの権利はあなたにあり、出力の使い方についてもあなたが責任を負います。