はじめに
MiniMax H3 Singularity LoRA 参照から動画 は、参照素材から 1 つのショットを Singularity で組み立てます。Singularity は、コミュニティが HDR で学習させたオープンウェイト版 MiniMax H3 のファインチューンで、自前の H3 用 LoRA を最大 3 つ読み込めます。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〜1080p・3〜15 秒のステレオ音声付きクリップが 7 種類のアスペクト比のいずれかで返ります。
手元の素材からモードを選ぶ
| 手元にあるもの | モード |
|---|---|
| 開始フレームにする画像 | MiniMax H3 Singularity LoRA 画像から動画 |
| 参照画像、参照動画、参照音声 | MiniMax H3 Singularity LoRA 参照から動画 |
| 文章で書いた場面だけ | MiniMax H3 LoRA テキストから動画 |
主な機能とハイライト
振り付けは動画から、同一性は静止画から
参照動画が動きとカメラを引き渡し、静止画が顔と衣装を固定します。速いハイダイナミックレンジのアクションで学習した Singularity は、借りてきた動きをにじませずシャープに保ちます。
よりシャープなベースで標準の H3 用 LoRA を
MiniMax H3 向けに学習した LoRA なら、どれでもここで手を加えずに読み込めます。キャラクター LoRA と同じ人物の静止画を組み合わせると、同一性がいちばんしっかり保たれます。
参照も出力も規制なし
参照は、何が写っていてもそのまま受け付けられます。対応する LoRA と当社の最も強いコンテンツのプロンプトを使うと、参照された被写体とともにショットは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で返りました。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | まずすべての入力に役割を 1 つずつ割り当て（<Picture 1> は格闘家、<Video 1> は動き）、次にアクションをビートで書き、最後に音で締めます。 1 文字以上 · 7000 文字以内 |
reference_image_urls | いいえ | 最大 9 枚で、1 枚ごとに参照料金が加わります。顔、衣装、ロケーションの固定に使ってください。 1 件以上 · 9 件以内 |
reference_video_urls | いいえ | 振り付けやカメラのための動画を最大 3 本。出力の秒数と同じように課金され、合計 15 秒が上限です。 1 件以上 · 3 件以内 |
reference_audio_urls | いいえ | ビート、声、打撃音のための音声を最大 3 本。1 本ごとに参照料金が加わります。 1 件以上 · 3 件以内 |
aspect_ratio | いいえ | 16:9、9:16、1:1、4:3、3:4、21:9、9:21。料金は変わりません。 |
resolution | いいえ | 480p、540p、768p、1080p。段階が上がるごとに 1 秒あたりの単価が上がります。 |
duration_seconds | いいえ | 出力の長さは 3〜15 秒。課金時には参照動画の秒数が加算されます。 |
loras | いいえ | MiniMax H3 向けに学習した {path, scale} を最大 3 つ。scale は 0〜4 です。 デフォルト値: |
seed | いいえ | 参照素材を差し替える間、テイク同士を比べやすくします。 |
料金
選んだ解像度で 1 秒ごとに課金されます。参照動画の秒数も課金対象の秒数に含まれ（合計 15 秒まで）、参照画像と参照音声は 1 つごとに参照料金が加わります。LoRA の追加料金はかかりません。
| 仕様 | 料金 |
|---|---|
| $0.06 / 秒 |
| $0.09 / 秒 |
| $0.12 / 秒 |
| $0.24 / 秒 |
ユースケース
新しい演者でルーティンを再演する
ルーティンを Video 1、新しい演者を Picture 1 として送り、舞台を書きます。動きはそのまま引き継がれ、人物と場所はあなたのものになります。
シーケンスを通して同じ格闘家を
各格闘家の静止画と LoRA を固定し、書くビートだけを変えます。引きのショットでも、このファインチューンは一般的なモデルより顔をよく保ちます。
音楽に合わせたカット
曲を Audio 1 として加え、ビートに合わせた動きを指示します。ダンスの参照動画と組み合わせれば、リズムと振り付けの両方に沿った結果になります。
プロンプトガイドと実践のヒント
参照動画は短く、すっきりと
欲しい動きだけを切り出した 2〜4 秒の動画のほうが、長いテイクよりうまくいき、料金も安く済みます。動画の秒数は合計 15 秒まで出力の秒数と同じように課金されるからです。不要な助走や着地は切り落とし、参照動画はカメラを固定したものを選んでください。そうすればモデルは、撮影者の動きではなく体の動きを読み取ります。
静止画には役割を 1 つずつ
顔に 1 枚、衣装に 1 枚、部屋に 1 枚。同じ被写体を似た角度から撮った静止画を重ねても、料金が増えるだけでコントロールは増えません。そのうえでプロンプトをビートで書きます。Picture 1 が登場し、Video 1 の回転をまね、カメラのほうを向いて着地し、着地の瞬間に Audio 1 のドラムが鳴る、といった具合です。
レンダリング時間を計画に入れる
Singularity は通常の MiniMax H3 LoRA ファミリーよりレンダリングに時間がかかり、当社の 5 秒・480p の参照ショットは約 80 秒でした。1080p に上げる前に、480p で振り付けを固めてください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-singularity-lora/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。
