Wprowadzenie
Przedłużanie wideo w MiniMax H3. Wyślij klip, który chcesz kontynuować, i opisz, co dzieje się dalej: ostatnia klatka klipu staje się klatką początkową nowego ujęcia image-to-video w MiniMax H3, a oryginał i nowy segment wracają połączone w jednym pliku MP4. Rozliczane są tylko nowe sekundy.
| Pole | Wartość |
|---|---|
| Wejście | Wideo |
| Wyjście | Wideo |
| Twórca modelu | MiniMax |
| Endpointy | text-to-video, image-to-video, reference-to-video, video-extend |
| Długość klipu | 4-15 sekund, w text-to-video 5-15 |
| Rozdzielczość | 768p, 2k |
| Proporcje obrazu | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 (tekst i referencje) |
| Referencje | Do 9 obrazów |
| Audio | Generowane razem z obrazem na każdym endpoincie |
| Wykonanie | Zadanie asynchroniczne, rozliczane za sekundę wyniku |
Najważniejsze funkcje
Gotowe ujęcie z jednego akapitu
Napisz, kto jest w kadrze, co się dzieje, dokąd jedzie kamera i co słychać. H3 oddaje światło, ziarno, ruch i pasującą ścieżkę dźwiękową w jednym klipie. Ta scena noir przy oknie to cztery zdania i nic więcej.
Twój kadr w ruchu
Zacznij od nieruchomego kadru i opisz tylko to, co dzieje się dalej. Tutaj kadrem startowym była filiżanka kawy na blacie; dłoń, panorama w górę do koszuli i mężczyzna budzący się za nią wzięły się w całości z promptu.
Ta sama kobieta, ten sam strój, nowa scena
Podaj twarz, strój i pomieszczenie jako osobne zdjęcia, a model złoży je w ujęcie, którego nikt nigdy nie nakręcił. Dzięki temu postać wygląda tak samo od klipu do klipu.
Ścieżka dźwiękowa powstaje razem z obrazem
Dialog, dźwięk otoczenia i muzyka powstają w tym samym przebiegu. Śpiewana fraza, pogłos klubu i szmer publiczności w tym klipie zostały w całości opisane w prompcie – bez osobnego etapu audio.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Pole wymagane. Co dzieje się dalej: kolejna akcja, ruch kamery i dźwięk. od 1 znaków · do 7000 znaków |
video_url | Tak | Klip do kontynuacji: MP4, MOV lub WebM, do 60 sekund. Jego ostatnia klatka staje się klatką początkową nowego segmentu, więc utnij go na czystej, ostrej klatce. od 1 znaków |
last_image_url | Nie | Opcjonalna docelowa klatka końcowa: nowy segment kończy się na tym obrazie. Kieruje tylko zakończeniem; środek pozostaje swobodny. |
resolution | Nie | Rozdzielczość nowego segmentu: 768p lub 2k, domyślnie 768p. Oba to natywne rendery. |
duration_seconds | Nie | Długość nowego segmentu: pełne sekundy, od 4 do 15; domyślnie 5. Segment 4-sekundowy jest dostępny tylko w 768p, a 2k wymaga co najmniej 5 sekund. |
Cennik
Rozliczenie za sekundę nowego segmentu w wybranej rozdzielczości; wysłany klip źródłowy nie jest rozliczany. Nieudana generacja lub połączenie, którego nie da się zbudować, jest zwracane w całości.
| Specyfikacja | Cena |
|---|---|
| $0.037 / sekundę |
| $0.058 / sekundę |
Zastosowania
Sceny bez cenzury, których inne API wideo odmawiają
Sceny blokowane przez inne API przechodzą za pierwszym razem, zamiast odbijać się od filtra promptów. Opisz scenę dla trybu tekst na wideo albo najpierw wygeneruj dokładnie tę osobę i animuj ten kadr, gdy wygląd musi być precyzyjny.
Pionowe klipy z dźwiękiem do social mediów
Klipy 9:16, które mają już swój dźwięk: dziesięciosekundowy teaser, klimatyczna pętla, moment reakcji. Rób szkice w 768p, aż timing zagra, a potem wygeneruj najlepsze ujęcie ponownie w 2K.
Powracająca postać w całej serii
Utrzymuj jedną twarz, jeden strój i jedno pomieszczenie od odcinka do odcinka dzięki zdjęciom referencyjnym i opisuj tylko to, co zmienia się w każdym nowym ujęciu.
Dłuższe sceny, ujęcie po ujęciu
Łącz 15-sekundowe klipy w pełną scenę: ostatni kadr każdego zaakceptowanego klipu staje się pierwszym kadrem następnego, więc strój, scenografia i światło przechodzą przez cięcie.
Wskazówki
Wypróbuj w playgroundzie
Wybierz tryb powyżej (zdanie, własny kadr startowy lub kilka zdjęć referencyjnych), wklej jeden z promptów z tej strony i uruchom. Dokładna cena pojawia się, zanim cokolwiek zostanie pobrane.
Zdobądź klucz API
Załóż konto, doładuj saldo kartą lub kryptowalutą i utwórz klucz w konsoli. Bez abonamentu: płacisz za sekundy wideo, które wygenerujesz.
Wyślij to samo żądanie ze swojego kodu
Skopiuj żądanie z zakładki API – to to samo body, które playground właśnie wykonał. Gotowy klip trafia na twój webhook albo pobierasz go po ID zadania.
Wprowadzenie
MiniMax H3 Przedłużanie wideo kontynuuje klip, który już masz. Wyślij go jako video_url razem z promptem opisującym, co dzieje się dalej. Ostatnia klatka klipu staje się klatką początkową nowego ujęcia image-to-video w MiniMax H3 trwającego od 4 do 15 sekund, a całość jest łączona w jeden plik MP4: najpierw oryginał, potem ciąg dalszy, bez powtórzonej klatki na łączeniu. Nowy segment wraca też jako osobny plik, więc możesz dalej przedłużać albo edytować kawałki oddzielnie.
Najważniejsze cechy
Ciągłość bierze się z ostatniej klatki
Strój, plan, światło i ustawienie wszystkich osób zostają, bo nowy segment dosłownie zaczyna się na Twojej ostatniej klatce. Ruch nie przenosi się w ten sam sposób: model widzi jeden obraz, a nie cały klip, więc opisz ruch, który ma trwać dalej, zamiast zakładać, że zachowa tempo lub kierunek.
Jeden plik w odpowiedzi i nowy kawałek osobno
Połączony MP4 zachowuje liczbę klatek na sekundę i kadrowanie Twojego klipu, bez czarnych pasów. Aby dopasować łączenie, obraz może zostać przycięty lub skorygowany o kilka procent przy krawędziach. Jeśli model zwróci wyraźnie inne proporcje, nowy segment zostanie przeskalowany tak, aby wypełnić Twój kadr, i wyśrodkowany, a to, co wystaje, zostanie przycięte. Nowy segment ma dźwięk wygenerowany w tym samym przebiegu; dźwięk Twojego źródła zostaje, a łączenie płynnie przechodzi w ułamku sekundy. Jeśli jedna strona jest niema, druga jest uzupełniana ciszą. Drugi zasób wyjściowy to sam nowy segment z rolą segment, gotowy do kolejnego przedłużenia lub do edytora.
Opcjonalna klatka końcowa
last_image_url jest opcjonalne. Wyślij obraz, a nowy segment zatrzyma się na nim; pomiń je, a zakończenie będzie swobodne. Klatka końcowa dopasowuje tylko zakończenie, a im dłuższy segment, tym bardziej środek może się od niej oddalić. Segment 4-sekundowy jest dostępny tylko w 768p, a 2k wymaga co najmniej 5 sekund.
Cała reszta to image-to-video w MiniMax H3
Nowy segment działa na tych samych trasach, z tym samym zakresem treści i tą samą ceną za sekundę co endpoint image-to-video, a nieudana generacja jest zwracana tak samo. Jeśli generacja się uda, ale połączenia nie da się zbudować, zadanie kończy się błędem, a opłata jest zwracana.
Zastosowania
Wydłużanie ujęcia, które skończyło się za wcześnie
Obrotowy stolik z produktem, który zatrzymuje się, zanim etykieta spojrzy w kamerę, albo spacer ucięty, zanim postać dojdzie do drzwi. Przedłuż o kilka sekund i opisz tylko brakujący ruch.
Budowanie dłuższej sekwencji krok po kroku
Jedno żądanie daje najwyżej 15 sekund. Aby pójść dalej, wygeneruj pierwsze ujęcie, przedłuż je, a potem przedłuż jeszcze raz połączony wynik; każdy krok rozlicza tylko sekundy, które dodaje. Ponieważ każdy krok zaczyna od jednej klatki, sprawdź każde łączenie, zanim dołożysz następne.
Przewodnik po promptach i wskazówki
Opisz następny takt, nie całą scenę
Klatka już ustala, kto i gdzie, więc prompt przeznacz na kolejną akcję, ruch kamery i dźwięk. Powtórz język kamery, na którym skończył się klip, na przykład powolny dojazd albo statyczne ujęcie, aby łączenie wyglądało jak jedno ujęcie.
Przytnij przed przedłużeniem
Ostatnia klatka to jedyne, co widzi model, więc rozmyte, urwane w połowie ruchu albo mocno skompresowane zakończenie przechodzi prosto do ciągu dalszego. Najpierw utnij źródło na czystej, ostrej klatce. Źródła do 60 sekund są przyjmowane jako MP4, MOV lub WebM.
Utrzymaj spójną rozdzielczość
Rozdzielczość decyduje tylko o tym, jak ostry jest generowany nowy segment, więc niższe ustawienie sprawia, że nowa część wygląda miękciej niż oryginał. Dopasuj rozdzielczość do źródła i ustaw duration_seconds na długość, której naprawdę potrzebujesz: opłata dotyczy wyłącznie nowego segmentu.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/video-extend",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
