MiniMax H3 reference-to-video は、番号付きの参照画像 9 枚までから 1 ショットを作り、キャラクター・衣装・ロケーションを保ちます。768p・2k で、音声付きの 4〜15 秒のクリップです。
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- 出力5 秒
character-continuity-named-refs 参照画像 3 枚に 3 つの役割を割り振った例です。<Picture 1> は顔、<Picture 2> は衣装、<Picture 3> は部屋。番号で呼び分けることで、一つの場面に混ざり合うのを防ぎます。`prompt` が担うのは `duration_seconds` `5` での動作だけ、座る、脚を組む、カメラを見上げる、そして手持ちの揺れは映像ではなく指示として書かれています。顔はそのままに、場面だけが変わります。
- 768p
- 5s
- 出力5 秒
red-dress-theatre-three-angles 既に存在するセットアップに対する三つ目のアングルです。参照とはそのためにあります。`reference_image_urls` は最大九枚の静止画を取り、それらが演者と衣装と舞台を固定するので、新しいカメラ位置が知らぬ間に新しい別作品になってしまうことがありません。プロンプトはこのアングルのためだけに書けば済みます — 歩き、追いかけるスポット、動きに応じた衣装の挙動。それ以外は画像として供給済みだからです。
- 768p
- 3:4
- 5s
- 出力7 秒
character-continuity 参照画像 3 枚に 3 つの役割を割り振った例です。Picture 1 は顔、Picture 2 は衣装、Picture 3 は部屋。番号で呼び分けることで、一つの場面に混ざり合うのを防ぎます。`prompt` が担うのは `duration_seconds` `6` での動作だけ、座る、脚を組む、カメラを見上げる、そして手持ちの揺れは映像ではなく指示として書かれています。顔はそのままに、場面だけが変わります。
- 768p
- 6s
- 出力5 秒
voice-and-room 参照画像 2 枚は、静止画で示せるものだけを担います。Picture 1 は顔、Picture 2 はスポットライトのリグです。`prompt` が足すのは写真では示せないもの、小さなクラブ、暖かい残響、観客のざわめきです。`duration_seconds` `5` あれば、微笑む前にマイクへ一言届ける時間があり、ポーズが実際のセリフへと変わります。部屋を変えても、参照画像は顔と光を固定し続けます。
- 768p
- 5s
この例は 出力秒 あたり $0.037 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。