MiniMax H3 Max API

MiniMax H3 Max Obraz na wideo animuje klatkę początkową podaną w image_url, tworząc klip od 5 do 15 pełnych sekund w 480p lub 768p, z dźwiękiem z tego samego przebiegu. Opcjonalne last_image_url ustala dodatkowo klatkę końcową. Kształt wyniku wyznacza klatka początkowa, a żądanie bez podanej długości trwa 8 sekund.

Wybierz tryb według materiału początkowego

Obraz ustala postać, strój i kształt

Ten endpoint nie ma pola formatu kadru: ramę klipu wyznacza przekazany kadr. W przykładzie laundromat-spin nie zapisano nic o wnętrzu, stroju ani płaskim świetle świetlówek, bo klatka początkowa już to wszystko rozstrzygnęła. Prompt opisuje tylko to, jak pralka wchodzi w wirowanie, i reakcję bohaterki.

Oba końce ujęcia przypięte

last_image_url dodaje klatkę końcową i można je wysłać wyłącznie razem z image_url. Przykład frame-to-frame zaczyna się od jednej kompozycji i w osiem sekund dochodzi do drugiej, więc klip czysto wchodzi w montaż. Klatka końcowa wiąże zakończenie, nie środek, a dwie klatki różniące się światłem lub strojem dają widoczne negocjowanie między nimi.

Minimum pięć sekund, dwie rozdzielczości

Długość wynosi od 5 do 15 pełnych sekund, domyślnie 8. resolution przyjmuje 480p lub 768p, domyślnie 768p; 480p kosztuje mniej za sekundę i nadaje się na szkice. Już najkrótsze żądanie daje pełny moment: klip laundromat-spin mieści w pięciu sekundach wirowanie, śmiech, machnięcie nogami i spojrzenie na bęben.

Odchył kamery od przedmiotu do osoby

Jeden nieprzerwany ruch kamery sprawia, że kolejność odsłaniania staje się całym briefem. Przykład grimoire-to-bare-shoulder zaczyna się od otwartej księgi i przez osiem sekund unosi się ku czytelniczce w fotelu z wysokim oparciem, a światło pieczęci bijące ze stron przesuwa się po jej ramieniu. Obraz ustala kompozycję początkową, więc prompt wydaje słowa na to, co kamera odnajduje i kiedy.

Zakończenie klipu na znanej kompozycji

Gdy montaż wymaga, żeby klip skończył się na konkretnej klatce, podaj obie. Przygotuj obraz końcowy jako ciąg dalszy początkowego i opisz akcję, która je łączy. W frame-to-frame jest to przejście w stronę kamery marmurowym korytarzem, zakończone spojrzeniem prosto w obiektyw, z twardym światłem konturowym, wentylatorem planowym i niskim dronem syntezatora.

Ożywienie sceny ze statyczną kamerą

Statyczny plan ogólny może nieść kilka drobnych ruchów naraz. Prompt laundromat-spin prosi o nieruchomą kamerę, bęben kręcący się za szybą i świetlówkę, która raz mruga, do tego o reakcję postaci, a w dźwięku słychać cichy szum mechanizmu.

# 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-max/image-to-video",
  "input": {
    "duration_seconds": 8,
    "enable_prompt_expansion": false,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p"
  }
}'

# 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.