はじめに
MiniMax H3 Spicy の画像から動画は、無検閲の開始フレームを動かします。終了フレームと動きの指示はどちらも任意です。
MiniMax H3 Spicy は MiniMax H3 を LoRA で検閲なしに調整したビルドで、画像から動画と video-extend のエンドポイントとして公開しています。このページでは画像から動画を扱います。用意した開始フレームが被写体を、任意の終了フレームが締めくくりを決め、その間の 3〜15 秒をプロンプトが導きます。解像度は 480p、540p、768p、1080p です。
主な機能とハイライト
内容を決めるのはテキストフィルターではなくフレーム
入力は開始フレームだけなので、求めたものとテキストのプロンプトが描こうとするものの間によくあるずれがありません。衣装、体、ポーズ、構図など、静止画にあるものがそのまま動きます。プロンプトはその上で動き、カメラ、音を担当します。
静止画だけでも完結したリクエスト
ここではプロンプトは必須ではありません。画像を送ればモデルがそこから自然な小さい動きを推測し、ループならそれで足りることがよくあります。カメラへ振り向く、髪をかき上げる、表情が変わるなど特定の瞬間がほしいときだけテキストを足し、枠を描き直すのではなく、起きることだけを書いてください。
無検閲の画像モデルと組み合わせる
実用的な流れは 2 回の呼び出しです。静止画を検閲なしの画像モデルで作り、ここで動かします。こうすると問題が半分に分かれます。構図と内容はすぐにやり直せる安い画像のパスで決まり、動画のパスでは動きだけを合わせれば済みます。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
image_url | はい | 必須です。動くのはこの静止画で、内容もここで決まります。 |
last_image_url | いいえ | 任意で、 |
prompt | いいえ | 任意です。拍、カメラ、音を書いてください。 |
duration_seconds | いいえ | 3〜15 の整数秒。3 秒なら変化形をまとめて作れる安さです。 |
resolution | いいえ | 480p、540p、768p、1080p です。既定は 4 段階でいちばん安い 480p です。 |
seed | いいえ | 任意で、0 から 2147483647 まで指定できます。プロンプトや長さなど 1 つの項目だけを変えて比べるときは同じシードを使うと公平に比較できますが、同じシードでも同一のクリップになるとは限りません。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.038 / 秒 |
| $0.057 / 秒 |
| $0.084 / 秒 |
| $0.152 / 秒 |
ユースケース
他の API が拒否する検閲なしのシーン
手持ちの開始フレームも受け付けられ、送ったとおりに動きます。ほかの動画 API がプロンプトフィルターで拒否するクリップもここでは動き、内容はテキストではなくフレームにあるので、結果は和らげて解釈し直したものではなく承認したものと一致します。
コンパニオン・ロールプレイのクリップ
キャラクターの静止画 1 枚が、見上げる、微笑む、肩を返す、髪をかき上げるといった短いリアクションの一式になります。開始フレームを同じにしてプロンプトだけを変えれば、セット内のどのクリップでもキャラクターが一貫します。
手持ちの写真セットを動かす
すでにある撮影素材を、撮り直しなしで動画にできます。各フレームは 3〜15 秒のクリップになり、終了フレームを使えば同じセットの 2 枚で 1 つの動きの始まりと終わりを決められます。
プロンプトガイドと実践のヒント
先に開始フレームを作る
動画にはその静止画がそのまま入るので、衣装、体、ポーズ、構図は画像のパスで決めておきます。すでに整ったフレームなら、あとでプロンプトと折り合いをつける必要はありません。
終わりが決まっているなら終了フレームを使う
last_image_url は image_url と一緒にしか送れず、途中ではなく終わりを制約します。同じセットの 2 枚目のように、決まった構図に着地させる必要があるときだけ加えてください。
付属の例を応用する
公開している例は duration_seconds 5、resolution 768p で、静止画 1 枚を image_url にしています。
She exhales a slow plume of smoke against the rain-streaked glass, the neon sign outside pulses red across her face, and she turns her head toward camera without changing expression. Blind shadows creep, rain runs down the window, distant traffic.
静止画 1 枚と動きのメモです。煙、ネオンの明滅、首の向きは文章で書き、人物を特定するものはすべてフレームから来ています。
安く試して、仕上げは 1 回
解像度の既定は 4 段階で最も安い 480p です。480p で 3 秒のバリエーションをいくつか作って 1 つを選び、768p か 1080p で長めに作り直します。比較に意味を持たせるため、プロンプトと開始フレームは同じにしておいてください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。
