Wprowadzenie
MiniMax H3 Singularity LoRA Referencje na wideo buduje jedno ujęcie z twojego materiału referencyjnego w Singularity – wersji MiniMax H3 z otwartymi wagami, którą społeczność dostroiła na materiale HDR – z maksymalnie trzema własnymi LoRA dla H3. Wyślij do dziewięciu obrazów, trzech klipów i trzech klipów audio, nazwij je po numerach w prompcie i odbierz od 3 do 15 sekund w 480p–1080p ze stereofoniczną ścieżką dźwiękową, w jednej z siedmiu proporcji obrazu.
Wybierz tryb według materiału wyjściowego
| Co masz | Tryb |
|---|---|
| obraz startowy | MiniMax H3 Singularity LoRA Obraz na wideo |
| obrazy, klipy lub audio jako referencje | MiniMax H3 Singularity LoRA Referencje na wideo |
| tylko opisaną scenę | MiniMax H3 LoRA Tekst na wideo |
Najważniejsze funkcje
Choreografia z klipu, tożsamość ze zdjęć
Klip referencyjny przekazuje ruch i pracę kamery, a zdjęcia ustalają twarz i kostium. Trening Singularity na szybkiej akcji o wysokim zakresie dynamiki utrzymuje ten zapożyczony ruch ostrym, zamiast go rozmazać.
Standardowe LoRA dla H3 na ostrzejszej bazie
Każda LoRA wytrenowana pod MiniMax H3 ładuje się tu bez zmian. Połącz LoRA postaci ze zdjęciami tej samej osoby, żeby tożsamość trzymała się najpewniej.
Referencje i wynik bez cenzury
Referencje są przyjmowane takie, jakie są, cokolwiek pokazują. Z pasującym LoRA i naszym najmocniejszym promptem treściowym ujęcie wyrenderowało się zgodnie z zapisem z przywołaną postacią, a ścieżka dźwiękowa wróciła w tym samym pliku.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Najpierw przypisz każdemu wejściu jedno zadanie (<Picture 1> to zawodnik, <Video 1> to ruch), potem opisz akcję w taktach i zakończ dźwiękiem. od 1 znaków · do 7000 znaków |
reference_image_urls | Nie | Do dziewięciu obrazów; każdy dolicza opłatę za referencję. Używaj ich do twarzy, stroju i lokacji. od 1 elementów · do 9 elementów |
reference_video_urls | Nie | Do trzech klipów dla choreografii lub kamery. Rozliczane jak sekundy wyniku, łącznie maksymalnie 15; ich dźwięk jest wykorzystywany automatycznie. od 1 elementów · do 3 elementów |
reference_audio_urls | Nie | Do trzech klipów audio na rytm, głos lub uderzenia. Każdy dolicza opłatę za referencję. od 1 elementów · do 3 elementów |
aspect_ratio | Nie | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 lub 9:21. Nie wpływa na cenę. |
resolution | Nie | 480p, 540p, 768p lub 1080p. Stawka za sekundę rośnie z każdym stopniem. |
duration_seconds | Nie | Długość wyniku od 3 do 15 sekund; przy rozliczeniu doliczane są sekundy klipów referencyjnych. |
loras | Nie | Do trzech wpisów {path, scale} wytrenowanych pod MiniMax H3; scale od 0 do 4. Domyślnie: |
seed | Nie | Utrzymuje porównywalność dubli, gdy wymieniasz referencje. |
Cennik
Rozliczane za sekundę w wybranej rozdzielczości; sekundy klipów referencyjnych liczą się jako rozliczane sekundy (łącznie do 15), a każdy obraz lub klip audio w referencjach dolicza opłatę za referencję. LoRA nie generują osobnej opłaty.
| Specyfikacja | Cena |
|---|---|
| $0.06 / sekundę |
| $0.09 / sekundę |
| $0.12 / sekundę |
| $0.24 / sekundę |
Zastosowania
Nowy wykonawca w tym samym układzie
Wyślij układ jako Video 1, a nowego wykonawcę jako Picture 1, potem opisz miejsce. Ruch zostaje przeniesiony; osoba i miejsce są twoje.
Spójni zawodnicy w całej sekwencji
Zachowaj stałe zdjęcia i LoRA każdego zawodnika i zmieniaj tylko opisywany takt. Szerokie plany trzymają twarze w tym dostrojeniu lepiej niż w zwykłym modelu.
Cięcia w rytm muzyki
Dodaj utwór jako Audio 1 i poproś o ruch do rytmu. W połączeniu z klipem referencyjnym tańca wynik podąża zarówno za rytmem, jak i za choreografią.
Wskazówki
Klipy referencyjne krótkie i czyste
Klip o długości dwóch–czterech sekund z dokładnie tym ruchem, o który ci chodzi, działa lepiej niż długie ujęcie i kosztuje mniej: sekundy klipów są rozliczane jak sekundy wyniku, łącznie do 15. Wytnij rozbieg i lądowanie, których nie potrzebujesz, i wybieraj w referencji kamerę na statywie, żeby model czytał ruch ciała, a nie operatora.
Jedno zadanie na zdjęcie
Jeden obraz na twarz, jeden na strój, jeden na pomieszczenie. Nakładające się zdjęcia tej samej postaci z podobnych kątów podnoszą koszt, nie dając więcej kontroli. Potem napisz prompt w taktach: Picture 1 wchodzi, powtarza obrót z Video 1 i ląduje twarzą do kamery, z uderzeniem bębna z Audio 1 w chwili lądowania.
Zaplanuj czas renderu
Singularity renderuje wolniej niż zwykła rodzina MiniMax H3 LoRA; nasze pięciosekundowe ujęcie referencyjne w 480p zajęło około 80 sekund. Dopracuj choreografię w 480p, zanim przejdziesz na 1080p.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-singularity-lora/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
