Wprowadzenie
Tekst na wideo w MiniMax H3 HighSpeed zamienia jeden prompt w plik MP4 o długości 4–15 sekund w 768p, a dźwięk powstaje w tym samym przebiegu. Nie wybierasz rozdzielczości, więc przy każdym klipie decydujesz tylko o pomyśle, kształcie kadru i długości.
Wybierz tryb według materiału wyjściowego
| Co masz | Tryb |
|---|---|
| tylko pomysł | MiniMax H3 HighSpeed – tekst na wideo |
| klatkę do animacji, opcjonalnie z klatką końcową | MiniMax H3 HighSpeed – obraz na wideo |
| osoby, stroje, miejsca, klipy ruchu lub głosy | MiniMax H3 HighSpeed – referencje na wideo |
Najważniejsze funkcje
Dźwięk i dialogi w jednym przebiegu
Każdy klip przychodzi z dźwiękiem. Słowa w podwójnym cudzysłowie wypowiada wskazana postać, a otoczenie i muzyka podążają za opisem, więc krótka scena nie wymaga późniejszej obróbki dźwięku.
Sześć proporcji
W każdym żądaniu wybierz 16:9, 9:16, 1:1, 4:3, 3:4 lub 21:9. Stawka się nie zmienia, więc jeden prompt może dać szeroką wersję do feedu i pionową do Reels lub Shorts.
Jedna stała stawka
Przy $0.072 za sekundę klip 6-sekundowy kosztuje $0.432, a 10-sekundowy $0.72. Przy jednej rozdzielczości koszt całej dziennej kolejki policzysz przed startem.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagane. Przyjmuje od 1 do 7 000 znaków i odrzuca dłuższy tekst. od 1 znaków · do 7000 znaków |
aspect_ratio | Nie | Kształt kadru: domyślnie 16:9, a także 9:16, 1:1, 4:3, 3:4 lub 21:9. Nie wpływa na cenę. |
resolution | Nie |
|
duration_seconds | Nie | Liczba całkowita od 4 do 15 (domyślnie 5); każda sekunda jest rozliczana według stawki 768p. Żądanie na 4 sekundy wróciło jako klip 3,75-sekundowy. |
Cennik
Płacisz za każdą sekundę gotowego klipu w 768p; aktualna stawka jest na stronie modelu.
| Specyfikacja | Cena |
|---|---|
| $0.072 / sekundę |
Zastosowania
Codzienne posty w social mediach
Klip 9:16 o długości 5–8 sekund z krótką kwestią i odrobiną otoczenia nadaje się od razu do posta. Zachowaj miejsce akcji z dnia na dzień i zmieniaj tylko akcję oraz kwestię.
Warianty produktów i reklam
Opisz tę samą scenę produktową z innym ruchem kamery, nastrojem lub kwestią w każdym prompcie i opublikuj ujęcia, które sprawdzają się najlepiej. Każde to gotowy plik 768p.
Szybka realizacja dla klientów
Gdy klient lub trend nie poczeka, klip w ok. 22–35 sekund (nasze testowe klipy 4-sekundowe) pozwala kilka razy sprawdzić i poprawić wynik podczas jednej sesji.
Wskazówki
Opisz scenę po kolei
Napisz, kto jest w kadrze, co robi najpierw i potem, gdzie stoi kamera, i dodaj wiersz Audio: dla dźwięku. Jasna sekwencja daje lepszy ruch niż lista przymiotników; nazwanie światła, na przykład złotej godziny czy neonu, szybko ustawia nastrój.
Trzymaj dialog krótko
W klipie na 5–8 sekund mieszczą się jedna lub dwie kwestie w cudzysłowie. Przy każdej wskaż, kto mówi, a dłuższą wypowiedź rozłóż na kilka klipów zamiast ją upychać.
Dopasuj długość do akcji
Pojedynczy gest dobrze wypada w 4–6 sekund; w dłuższych klipach dodaj drugi moment, żeby scena nie stawała. W naszym teście żądanie na 4 sekundy wróciło jako 3,75 sekundy.
Płacisz za każdą sekundę gotowego klipu w 768p; aktualna stawka jest na stronie modelu.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-highspeed/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
