MiniMax H3 Image LoRA vs Video LoRA: qual tarefa cria o primeiro quadro?

O MiniMax H3 Image LoRA cria um still; o MiniMax H3 LoRA cria um vídeo. Ambos executam o mesmo modelo H3 com pesos abertos e aceitam os mesmos arquivos LoRA, então você pode definir um personagem ou um visual em stills baratos e levar a mesma configuração loras para o clipe. Use o passo de still quando precisar criar ou corrigir o primeiro quadro; se já tiver o quadro, vá direto para imagem para vídeo. Com base nos nossos testes de setembro de 2026, as duas rotas são sem censura, com uma diferença em imagem para vídeo tratada abaixo.

Para uma comparação das quatro famílias de vídeo do H3 (H3 padrão, Spicy, LoRA, Singularity), veja o guia de versões do H3. Esta página mostra como o still e o clipe se encaixam.

Qual tarefa para cada trabalho

As duas tarefas de still e todas as três tarefas de vídeo aceitam até três entradas LoRA, cada uma com um link .safetensors mais uma força de 0 a 4, sem cobrança extra para carregá-las. Se você não usar nenhuma LoRA, o H3 imagem para vídeo base custa menos ($0.037 por segundo a 768p), mas não tem o campo loras.

Experimente no Playground. Fique na aba Playground, na visualização Form, e entre com a conta para executar.

1. Abra a página do H3 Image LoRA de texto para imagem, escreva o Prompt (palavra-gatilho primeiro, se a LoRA tiver uma) e escolha 1k em Resolution.
2. Em Style LoRAs, cole o link direto do arquivo em LoRA file, defina Strength e pressione Add item até três vezes. Defina um Seed para poder comparar as forças. Comece com uma LoRA e anote o link do arquivo e a força junto com o quadro.
3. Pressione Run model e repita até o quadro ficar certo.
4. Abra a página do H3 LoRA de imagem para vídeo, adicione o still aprovado em Input image, cole as mesmas entradas LoRA, defina Resolution em 480p e Duration em 3 segundos, e descreva a ação em Prompt. Confira a estimativa de preço e execute.

Depois execute pelo código

Instale o SDK do Python (pip install spicyapi) e defina SPICY_API_KEY. É isso que gera o still; o link da LoRA é o mesmo link direto de arquivo do Playground.

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY
loras = [{"path": "https://huggingface.co/KennethFal/vh5tape-vhs-lora-minimax-h3/resolve/d25a4ab75aba899aa508220321525c8465ac11af/vh5tape.safetensors", "scale": 0.8}]
still = client.create_task(
    model="minimax/h3-image-lora/text-to-image",
    input_data={"prompt": "vh5tape, a woman in a red coat on a rainy city street at night, neon reflections", "resolution": "1k", "seed": 42, "loras": loras},
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)
print(output_assets(client.wait_for_terminal(still["taskId"]))[0]["url"])

Para o clipe, envie o still aprovado como image_url com os mesmos loras para minimax/h3-lora/image-to-video (resolution 480p, duration_seconds 3). O uso completo do SDK está na documentação do SDK Python.

Ou deixe um Agent executar. Com a CLI, coloque o mesmo input em input.json e execute spicyapi tasks create --model minimax/h3-image-lora/text-to-image --input-file input.json --wait. Com o servidor MCP, seu assistente chama spicyapi_task_create e pede que você confirme o preço. npx skills add spicyapi-ai/spicy-skill instala o Agent Skill, para que um assistente de programação leia o esquema atual em vez de adivinhar campos.

Ilustração conceitual: aprove o quadro primeiro nos stills; o movimento vem depois.

O que passa do still para o clipe

O mesmo arquivo LoRA e a mesma força funcionam nos dois casos. LoRAs de personagem e de estilo aparecem com clareza em um único quadro, então um still diz se você tem o rosto ou o visual certo. LoRAs de movimento e de câmera não podem ser julgadas em um still, porque um quadro não tem movimento; teste-as em um clipe curto.

A escala muda conforme a etapa. Nos stills, comece as LoRAs de estilo entre 0.7 e 1 e mantenha-as moderadas quando a identidade importa, pois uma LoRA de estilo forte pode puxar os rostos na direção dos dados de treinamento dela. Em imagem para vídeo, comece as LoRAs de conceito entre 0.6 e 0.8: em 1 elas podem afastar o clipe do seu quadro. Se um clipe derivar, reduza a LoRA mais forte antes de reescrever o prompt.

Duas regras de arquivo salvam execuções que falharam. Use o link direto …/resolve/… do arquivo de pesos, não a página …/blob/… do Hugging Face. E um link …/resolve/main/… segue o que o autor enviar em seguida, então troque main pelo hash do commit se quiser que o clipe do próximo mês combine com este. Use pesos documentados para o MiniMax H3 e para a tarefa que você está executando; arquivos de outra família de modelos podem ser rejeitados como incompatíveis em vez de serem carregados silenciosamente.

Um exemplo publicado do H3 Image LoRA: um still com iluminação de nível cinematográfico.

Prepare o still para o movimento

• Proporção. Imagem para vídeo não tem campo de proporção; o clipe mantém o formato do seu quadro. Escolha a proporção de entrega quando você faz o still. Referência para vídeo aceita apenas 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 e 9:21, então fique dentro dessa lista se for misturar rotas.
• Resolução. Um still em 1k tem cerca de um megapixel, mais ou menos um quadro de vídeo 768p, o que basta para rascunhos e entrega em 768p. Use 2k quando o clipe vai terminar em 1080p ou quando o still em si for o entregável.
• Espaço para se mover. Um sujeito cortado na borda ou uma mão escondida atrás de um objeto de cena deixa pouco para o clipe trabalhar. Se a ação exigir uma segunda pessoa, coloque-a no quadro em vez de apresentá-la por texto.
• Prompt para o que vem depois. Em imagem para vídeo, descreva a ação, a câmera e o som, e não descreva a imagem outra vez. Um prompt que move o sujeito para outra cena briga com o primeiro quadro, especialmente com uma LoRA forte.
• Quadro final. Para uma revelação ou pose final planejada, adicione um último quadro; o clipe vai da primeira imagem até ele.
• Referências. Duas ou três referências limpas com funções distintas, como um retrato e um traje, sustentam melhor a identidade do que nove sobrepostas, e cada referência depois da primeira acrescenta ao preço da edição.

Conteúdo adulto: stills frente a imagem para vídeo

Na escada de conteúdo (L1 Sugestivo, L2 Temas maduros, L3 Forte, L4 Intenso, a cena íntima mais intensa entre adultos, mais as sondagens L5a de contenção e L5b de gore), o H3 Image LoRA entregou todas as classes exatamente como escritas tanto no texto para imagem quanto na edição, sem nenhuma LoRA carregada, três execuções cada. H3 LoRA de texto para vídeo e de referência para vídeo fizeram o mesmo. Imagem para vídeo foi a que recuou: no L4, duas das três execuções sem LoRA sugeriram a cena em vez de mostrá-la.

Com uma LoRA para adultos carregada, a sondagem L4 foi renderizada exatamente como escrita em texto para vídeo, imagem para vídeo e referência para vídeo, e nas duas rotas de still. Para um quadro intenso que você quer animar, carregue a LoRA para adultos na requisição de imagem para vídeo, ou construa o plano com referência para vídeo ou texto para vídeo. Um still aprovado bonito não garante que o clipe mantenha o conteúdo, então verifique o próprio clipe.

Uma ordem de trabalho mais barata

Um still é cobrado por imagem; um clipe é cobrado por segundo. Cinco stills 1k custam $0.21: menos que um clipe de 5 segundos em 480p ($0.25) e menos de metade do preço do mesmo clipe em 768p ($0.50).

1. Rascunho em 1k com seed fixo. Defina rosto, traje e luz, mudando uma escala de LoRA por vez. Rode novamente o vencedor em 2k só se precisar.
2. Teste o movimento no menor clipe. Envie o quadro aprovado e o mesmo array loras para imagem para vídeo em 480p e 3 segundos. Verifique o início, o meio e o fim em busca de deriva de rosto, mudanças de traje, pessoas extras e se a ação pedida se completa.
3. Finalize na resolução de entrega. Mantenha o mesmo quadro, seed e prompt ao passar para 768p ou 1080p.
4. Depure pilhas removendo. Se um clipe com três LoRA der errado, mantenha o seed e o prompt e remova uma entrada por vez; a execução que se recuperar aponta para aquele adaptador ou para a interação dele com o resto da pilha.

Qual escolher

Quadro novo: texto para imagem. Manter uma pessoa a partir de uma referência: edição. Depois envie a imagem aprovada para o H3 LoRA de imagem para vídeo. Use referência para vídeo quando o personagem vier das referências em vez de um primeiro quadro. Pule o passo do still quando você já tiver um quadro com o sujeito, a composição e os direitos corretos, quando não usar nenhuma LoRA (o H3 imagem para vídeo base é mais barato), ou quando a imagem for um cartaz que nunca vai se mover. As avaliações de H3 Image LoRA e H3 LoRA contêm todos os testes de conteúdo.