MiniMax H3 Edit API

MiniMax H3 Edycja wideo przyjmuje gotowy klip wysłany jako video_url oraz prompt opisujący zmianę. Zwraca nową wersję tego samego ujęcia: od 3 do 15 sekund w 480p, 540p lub 768p, z nową ścieżką dźwiękową generowaną domyślnie. Materiał źródłowy nadal decyduje o tym, kto jest w kadrze, o kompozycji i ruchu; prompt przepisuje oświetlenie, pogodę, styl, otoczenie lub konkretne elementy. Do dziewięciu obrazów referencyjnych i trzech klipów audio referencyjnych może prowadzić tożsamość, styl lub dźwięk.

Wybierz tryb według materiału początkowego

Twój klip nadal prowadzi ludzi i ruch

Materiał źródłowy decyduje, kto jest w kadrze, jak kadr jest ustawiony i jak wszyscy się poruszają. Prompt decyduje, jak wygląda otaczający świat. To rozdzielenie odróżnia edycję od generowania nowego ujęcia: nie opisujesz sceny od nowa, tylko zmianę. Klip źródłowy może trwać do 15 sekund; dłuższy jest odrzucany, zanim cokolwiek zostanie pobrane, więc najpierw go przytnij.

Słoneczny taras zamieniony w burzę

Nasz test użył pięciosekundowego klipu 1280x720 z przykładów OmniHuman 2.0: kobieta w kremowym satynowym trenczu na słonecznym tarasie nad morzem. Prompt prosił o burzowy zmierzch z ciemnymi chmurami, deszczem, mokrymi, rozwianymi wiatrem włosami i płaszczem oraz odległymi błyskawicami, a kończył się zdaniem „Keep her face, pose and movement.” Przy 768p, z duration_seconds 5 i włączonym dźwiękiem wynikiem był klip 1344x768 przy 24 fps, około 5,2 sekundy długości, z nowym dźwiękiem, po około trzech minutach przetwarzania.

Zmieniło się słoneczne niebo, które stało się ciemnym, pochmurnym zmierzchem z błyskiem nad morzem, a kamień wyglądał na mokry. Zostało to, co miało zostać: jej twarz, płaszcz i uśmiech. Warto mieć na uwadze dwie rzeczy. Deszcz w 768p był lekki; próba w 480p tego samego promptu pokazała mocniejsze smugi. Kobieta uniosła też dłoń do rozwianych wiatrem włosów, gestu, którego nie ma w klipie źródłowym. Prompt wspominał o rozwianych włosach, więc opisując ruch, licz się z drobnymi zmianami ruchu.

Referencje nazwane numerami

reference_image_urls przyjmuje do dziewięciu obrazów, nazywanych w prompcie <Picture 1> do <Picture 9>, a reference_audio_urls do trzech klipów audio, nazywanych <Audio 1> do <Audio 3>. Obraz może wskazać wygląd lub tożsamość, a klip audio dźwięk, który chcesz uzyskać. Każda referencja dolicza niewielką opłatę. Nie testowaliśmy jeszcze tego endpointu z referencjami, więc traktuj pierwsze ujęcie z nimi jako test: zacznij od jednego obrazu lub jednego klipu i sprawdź, co zmienia.

Dźwięk, długość i kształt

generate_audio jest domyślnie włączone, co daje edycji nową ścieżkę dźwiękową. Wyłącz je, aby zachować ścieżkę audio klipu źródłowego. Dźwięk nigdy nie zmienia ceny. duration_seconds przyjmuje wartości od 3 do 15 i domyślnie wynosi 5, więc ustaw je na długość źródła, aby edytować cały klip. Pomiń aspect_ratio, a edycja zachowa kształt źródła; ustaw 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 lub 9:21, aby zmienić kadr.

Trzy rozdzielczości

768p jest domyślne i jest natywną rozdzielczością H3. 540p i 480p kosztują mniej za sekundę i kończą się w krótszym czasie. Testowaliśmy 768p i próbę 480p; 540p jeszcze nie. Płacisz za sekundy edycji plus sekundy źródła, obie według stawki wybranej rozdzielczości, więc krótsze źródło kosztuje mniej.

Zmień pogodę, światło lub porę dnia

Zamień jasne popołudnie w zmierzch, dodaj deszcz albo zamień ostre południowe słońce na miękkie poranne światło, jak w przykładzie z tarasem. Ponieważ ludzie i ruch pochodzą z twojego klipu, możesz wypróbować kilka nastrojów na jednym ujęciu zamiast kręcić od nowa.

Nadaj gotowemu klipowi nowy wygląd

Poproś o inny styl, porę roku lub otoczenie i zachowaj występ. Nazwij, co ma zostać, na przykład twarz, pozę i ruch. Jak dotąd testowaliśmy pogodę i światło; zmiany stylu i otoczenia są tym, do czego endpoint został zbudowany, ale sprawdź szkic, zanim na nim polegasz.

Zmień jeden element

Skieruj prompt na konkretny element, na przykład kolor płaszcza lub przedmiot w scenie, i napisz, że cała reszta zostaje. Najpierw zrób szkic i sprawdź elementy, których nie kazałeś zmieniać.

# 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-edit/video-edit",
  "input": {
    "duration_seconds": 5,
    "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"

Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.