MiniMax H3 Max API

MiniMax H3 Max Tekst na wideo zamienia napisany prompt w klip od 5 do 15 pełnych sekund w 480p lub 768p, a ambient, efekty foley i muzyka powstają w tym samym przebiegu. MiniMax opisuje H3 Max jako wariant H3 nastawiony na szybkie generowanie. Przed pierwszym przebiegiem liczą się dwie wartości domyślne: format kadru to 1:1, a długość to 8 sekund, więc jeśli masz na myśli konkretny format dostawy, ustaw obie wprost.

Wybierz tryb według materiału początkowego

Sześć formatów kadru, domyślnie kwadrat

aspect_ratio przyjmuje 21:9, 16:9, 4:3, 1:1, 3:4 i 9:16, domyślnie 1:1 – panoramiczny brief wysłany bez tego pola wraca jako kwadrat. Przykład snow-train-window-hands zbudowano pod 21:9: pociąg przecina całą szerokość kadru, a dwie dłonie spotykają się po obu stronach szyby wagonu – taka kompozycja nie przetrwa przycięcia do bardziej kwadratowego formatu.

480p na szkice, 768p na ostateczny dubel

resolution przyjmuje 480p lub 768p, domyślnie 768p. Nie ma opcji 720p, 1080p ani 4K, a schemat odrzuca te wartości, zanim żądanie trafi do kolejki. 480p kosztuje mniej za sekundę, więc nadaje się do sprawdzania treści, długości i kadrowania; dubel, który zostaje, wyrenderuj w 768p.

Rozwijanie promptu tylko na życzenie

enable_prompt_expansion jest domyślnie wyłączone, więc prompt jest renderowany tak, jak go napisano. Po włączeniu MiniMax najpierw rozwija krótki brief w pełniejszy opis ujęcia, dźwięku i muzyki, więc mogą pojawić się szczegóły, których nie napisano, a żądanie jest rozliczane według stawki za rozwijanie promptu. Opublikowane przykłady odpowiadają na to konkretem: prompt night-train-beckon wymienia zielony aksamit, polerowany mosiądz, czeczotę orzecha, jedną lampkę do czytania i dokładny gest, za którym ma podążać kamera.

Moda i filmy kampanijne

Przykład silver-corridor to ujęcie kampanijne zbudowane z jednego akapitu: suknia z płynnego srebra łapie twarde światło konturowe, włosy rozwiewa wentylator planowy, a na końcu pada spojrzenie prosto w obiektyw – w 21:9 przez pięć sekund, z niskim dronem syntezatora w dźwięku. Ruch tkaniny, światło i końcowe spojrzenie są napisane; nic z tego nie dostarczono jako obrazu.

Stylistyka epoki nazwana wprost

Charakter taśmy filmowej można zamówić bezpośrednio. Przykład roller-rink prosi o wygląd lat 70. z mocną halacją, wyblakłymi kolorami, grubym ziarnem i lekkim drżeniem obrazu, a w pięciu sekundach mieści dwuczęściową akcję: powolne okrążenie lodowiska dla wrotkarzy, potem ślizg tyłem w stronę kamery z rozłożonymi ramionami.

Studia materiału i światła

Sceny, w których kilka powierzchni reaguje na ruchome światło, dobrze pasują do pisanego briefu. W night-train-beckon światła peronu przeciągają pasy po twarzy, satynie i nogach, podczas gdy kamera najeżdża z ekstremalnie małą głębią ostrości. Sprawdź takim briefem, czy pomysł na światło jest czytelny, zanim przygotujesz klatki początkowe do image-to-video.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "aspect_ratio": "1:1",
    "duration_seconds": 8,
    "enable_prompt_expansion": false
  }
}'

# 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.