MiniMax H3 Image LoRA vs Video LoRA: które zadanie tworzy pierwszą klatkę?

MiniMax H3 Image LoRA tworzy klatkę still; MiniMax H3 LoRA tworzy wideo. Oba uruchamiają ten sam model H3 z otwartymi wagami i przyjmują te same pliki LoRA, więc możesz ustalić postać lub wygląd na tanich stillach i przenieść identyczne ustawienie loras do klipu. Z kroku ze stillem skorzystaj, gdy musisz stworzyć lub poprawić pierwszą klatkę; jeśli już ją masz, od razu przejdź do trybu obraz na wideo. Na podstawie naszych testów z września 2026 obie trasy są bez cenzury, z jedną różnicą w trybie obraz na wideo, którą omawiamy niżej.

Porównanie czterech rodzin wideo H3 (zwykłe H3, Spicy, LoRA, Singularity) znajdziesz w przewodniku po wersjach H3. Ta strona wyjaśnia, jak still i klip do siebie pasują.

Które zadanie do czego

Zarówno oba zadania ze stillami, jak i wszystkie trzy zadania wideo przyjmują do trzech wpisów LoRA, każdy z linkiem .safetensors i siłą od 0 do 4, bez dodatkowej opłaty za ich wczytanie. Jeśli w ogóle nie używasz LoRA, podstawowe H3 obraz na wideo kosztuje mniej (0,037 $ na sekundę przy 768p), ale nie ma pola loras.

Wypróbuj w Playground. Zostań na karcie Playground, w widoku Form, i zaloguj się, aby uruchomić.

1. Otwórz stronę H3 Image LoRA tekst na obraz, wpisz Prompt (słowo wyzwalające najpierw, jeśli LoRA je ma) i wybierz 1k w polu Resolution.
2. W sekcji Style LoRAs wklej bezpośredni link do pliku w LoRA file, ustaw Strength i naciśnij Add item maksymalnie trzy razy. Ustaw Seed, żeby móc porównywać siły. Zacznij od jednego LoRA i zapisz jego link oraz siłę razem z klatką.
3. Naciśnij Run model i powtarzaj, dopóki klatka nie będzie właściwa.
4. Otwórz stronę H3 LoRA obraz na wideo, dodaj zatwierdzony still w Input image, wklej te same wpisy LoRA, ustaw Resolution na 480p, a Duration na 3 sekundy i opisz akcję w Prompt. Sprawdź szacunkową cenę, a potem uruchom.

Potem uruchom to z kodu

Zainstaluj SDK Pythona (pip install spicyapi) i ustaw SPICY_API_KEY. To tworzy still; link do LoRA jest tym samym bezpośrednim linkiem do pliku co w Playgroundzie.

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY
loras = [{"path": "https://huggingface.co/KennethFal/vh5tape-vhs-lora-minimax-h3/resolve/d25a4ab75aba899aa508220321525c8465ac11af/vh5tape.safetensors", "scale": 0.8}]
still = client.create_task(
    model="minimax/h3-image-lora/text-to-image",
    input_data={"prompt": "vh5tape, a woman in a red coat on a rainy city street at night, neon reflections", "resolution": "1k", "seed": 42, "loras": loras},
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)
print(output_assets(client.wait_for_terminal(still["taskId"]))[0]["url"])

Dla klipu wyślij zatwierdzony still jako image_url z tymi samymi loras do minimax/h3-lora/image-to-video (resolution 480p, duration_seconds 3). Pełne użycie SDK znajdziesz w dokumentacji SDK Pythona.

Albo niech uruchomi to Agent. Przy użyciu CLI umieść to samo input w input.json i uruchom spicyapi tasks create --model minimax/h3-image-lora/text-to-image --input-file input.json --wait. Przy serwerze MCP asystent wywołuje spicyapi_task_create i prosi cię o potwierdzenie ceny. npx skills add spicyapi-ai/spicy-skill instaluje Agent Skill, dzięki czemu asystent programistyczny czyta aktualny schemat, zamiast zgadywać nazwy pól.

Ilustracja koncepcyjna: najpierw zatwierdź klatkę na stillach; ruch pojawia się później.

Co przechodzi ze stillu do klipu

Ten sam plik LoRA i ta sama siła działają w obu przypadkach. LoRA postaci i stylu wyraźnie widać na pojedynczej klatce, więc still mówi ci, czy masz właściwą twarz lub wygląd. LoRA ruchu i kamery nie da się ocenić na stillu, bo klatka nie ma ruchu; przetestuj je na krótkim klipie.

Skala różni się zależnie od etapu. Na stillach zaczynaj LoRA stylu od 0,7 do 1 i trzymaj je umiarkowanie, gdy tożsamość jest ważna, bo silne LoRA stylu może ciągnąć twarze w stronę swoich danych treningowych. W trybie obraz na wideo zaczynaj LoRA konceptu od 0,6 do 0,8: przy 1 mogą odciągnąć klip od twojej klatki. Jeśli klip dryfuje, najpierw zmniejsz najsilniejsze LoRA, zanim przepiszesz prompt.

Dwie reguły dotyczące plików ratują nieudane przebiegi. Używaj bezpośredniego linku …/resolve/… do pliku wag, a nie strony …/blob/… na Hugging Face. Link …/resolve/main/… podąża za tym, co autor wgra następnym razem, więc zamień main na hash commita, jeśli klip z przyszłego miesiąca ma pasować do tego. Używaj wag udokumentowanych dla MiniMax H3 i dla zadania, które uruchamiasz; pliki z innej rodziny modeli mogą zostać odrzucone jako niekompatybilne, zamiast zostać po cichu wczytane.

Opublikowany przykład H3 Image LoRA: jeden still z oświetleniem filmowym.

Przygotuj still do ruchu

• Proporcje. Obraz na wideo nie ma pola proporcji; klip zachowuje kształt twojej klatki. Proporcje docelowe wybierz przy tworzeniu stilla. Referencja na wideo przyjmuje tylko 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 i 9:21, więc trzymaj się tej listy, jeśli zamierzasz mieszać trasy.
• Rozdzielczość. Still 1k to około jeden megapiksel, mniej więcej jedna klatka wideo 768p, co wystarcza do szkiców i dostarczania w 768p. Użyj 2k, gdy klip ma kończyć się w 1080p albo gdy sam still jest materiałem do dostarczenia.
• Przestrzeń do ruchu. Postać przycięta krawędzią albo dłoń ukryta za rekwizytem zostawiają klipowi niewiele do pracy. Jeśli akcja wymaga drugiej osoby, umieść ją w klatce, zamiast wprowadzać ją tekstem.
• Prompt na to, co dzieje się dalej. W trybie obraz na wideo opisz akcję, kamerę i dźwięk, a nie przedstawiaj obrazu ponownie. Prompt, który przenosi postać do innej sceny, gryzie się z pierwszą klatką, zwłaszcza przy silnym LoRA.
• Klatka końcowa. Dla zaplanowanego efektu odsłonięcia lub pozy końcowej dodaj ostatnią klatkę; klip przechodzi od pierwszego obrazu właśnie do niej.
• Referencje. Dwie lub trzy czyste referencje o różnych rolach, na przykład portret i strój, lepiej utrzymują tożsamość niż dziewięć nałożonych na siebie, a każda referencja po pierwszej podnosi cenę edycji.

Treści dla dorosłych: still a obraz na wideo

Na skali treści (L1 Sugestywny, L2 Tematy dojrzałe, L3 Silny, L4 Intensywny, bardziej intensywna scena intymna między dorosłymi, a także testy L5a z ograniczeniem ruchu i L5b z gorem), H3 Image LoRA oddał każdą klasę dokładnie tak, jak zapisano, zarówno w trybie tekst na obraz, jak i w edycji, bez wczytanego LoRA, po trzy przebiegi. H3 LoRA tekst na wideo i referencja na wideo postąpiły tak samo. Obraz na wideo okazał się tym, który się cofnął: na poziomie L4 dwa z trzech przebiegów bez LoRA zasugerowały scenę zamiast ją pokazać.

Z wczytanym LoRA dla dorosłych test L4 wyrenderował się dokładnie tak, jak zapisano, w trybie tekst na wideo, obraz na wideo i referencja na wideo, a także na obu trasach ze stillami. Jeśli chcesz zanimować intensywną klatkę, wczytaj LoRA dla dorosłych w żądaniu obraz na wideo albo zbuduj ujęcie w trybie referencja na wideo lub tekst na wideo. Dobrze wyglądający zatwierdzony still nie gwarantuje, że klip zachowa treść, więc sprawdź sam klip.

Tańsza kolejność pracy

Still jest rozliczany za obraz; klip za sekundę. Pięć stilli 1k kosztuje 0,21 $: mniej niż 5-sekundowy klip w 480p (0,25 $) i mniej niż połowa ceny tego samego klipu w 768p (0,50 $).

1. Szkic w 1k ze stałym ziarnem. Ustal twarz, strój i światło, zmieniając po jednej skali LoRA. Uruchom ponownie najlepszy wariant w 2k tylko wtedy, gdy jest potrzebny.
2. Przetestuj ruch na najmniejszym klipie. Wyślij zatwierdzoną klatkę i tę samą tablicę loras do trybu obraz na wideo w 480p i 3 sekundy. Sprawdź początek, środek i koniec pod kątem dryfu twarzy, zmian stroju, dodatkowych osób i tego, czy żądana akcja się kończy.
3. Wykończ w rozdzielczości docelowej. Przy przejściu na 768p lub 1080p zachowaj tę samą klatkę, ziarno i prompt.
4. Debuguj stosy przez usuwanie. Jeśli klip z trzema LoRA pójdzie nie tak, utrzymaj ziarno i prompt i usuwaj po jednym wpisie; przebieg, który wraca do normy, wskazuje ten adapter albo jego interakcję z resztą stosu.

Co wybrać

Nowa klatka: tekst na obraz. Zachować osobę z referencji: edycja. Następnie wyślij zatwierdzony obraz do H3 LoRA obraz na wideo. Użyj trybu referencja na wideo, gdy postać ma pochodzić z referencji, a nie z jednej klatki otwierającej. Pomiń krok ze stillem, gdy masz już klatkę z właściwym tematem, kompozycją i prawami, gdy nie używasz żadnego LoRA (podstawowe H3 obraz na wideo jest tańsze) albo gdy obraz jest plakatem, który nigdy się nie poruszy. Pełne testy treści znajdziesz w recenzjach H3 Image LoRA i H3 LoRA.