Introdução
Referência para vídeo com o MiniMax H3 HighSpeed monta um clipe de 768p de 4 a 15 segundos com som a partir dos arquivos que você envia: imagens para pessoas e lugares, clipes de vídeo para o movimento, áudio para uma voz. O trabalho guiado por referências combina com um nível voltado a conteúdo diário, então experimente-o primeiro quando um rosto, um figurino ou um lugar precisar permanecer consistente de uma publicação para outra.
Escolha um modo pelo material de partida
| O que você tem | Modo |
|---|---|
| apenas uma ideia | MiniMax H3 HighSpeed Texto para vídeo |
| um quadro para animar, com um quadro final opcional | MiniMax H3 HighSpeed Imagem para vídeo |
| pessoas, figurinos, lugares, clipes de movimento ou vozes | MiniMax H3 HighSpeed Referência para vídeo |
Recursos e destaques
Até 15 referências
Uma solicitação aceita 9 imagens, 3 clipes de vídeo e 3 clipes de áudio. Cada arquivo pode trazer algo diferente: uma pessoa, um figurino, um cômodo, um movimento ou uma voz.
Nomeie-as no prompt
Cite cada arquivo no prompt como Image 1, Video 1 ou Audio 1, por exemplo “a mulher de Image 1 fazendo o movimento de Video 1”. Os números seguem a ordem das listas que você envia.
Cobrança que acompanha as entradas
Os segundos de vídeo de referência contam pela tarifa de saída, imagens depois da quinta têm uma pequena cobrança e o áudio é grátis. Todo o resto segue a tarifa habitual por segundo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório. Aceita de 1 a 7.000 caracteres e rejeita o que for mais longo. pelo menos 1 caracteres · no máximo 7000 caracteres |
reference_image_urls | Não | Até 9 imagens, numeradas na ordem da lista para o prompt (Image 1, Image 2 etc.). Cinco estão incluídas no preço; cada uma a partir da sexta acrescenta uma pequena cobrança. pelo menos 1 itens · no máximo 9 itens |
reference_video_urls | Não | Até 3 clipes de 2 a 15 segundos cada, 15 segundos combinados, chamados de Video 1, Video 2 e Video 3. Seus segundos são cobrados pela tarifa de saída. pelo menos 1 itens · no máximo 3 itens |
reference_audio_urls | Não | Até 3 arquivos WAV ou MP3 que guiam uma voz ou um som, sem custo. Combine-os sempre com pelo menos uma imagem ou um vídeo e deixe no prompt as palavras a serem faladas. pelo menos 1 itens · no máximo 3 itens |
aspect_ratio | Não | Formato do quadro: 16:9 por padrão, ou 9:16, 1:1, 4:3, 3:4 ou 21:9. Não afeta o preço. |
resolution | Não |
|
duration_seconds | Não | Um número inteiro de 4 a 15 (padrão 5); cada segundo é cobrado pela tarifa de 768p. Uma solicitação de 4 segundos voltou como um clipe de 3,75 segundos. |
Preços
Você paga cada segundo do clipe pronto em 768p. O vídeo de referência soma seus próprios segundos à mesma tarifa, as primeiras 5 imagens de referência estão incluídas, as seguintes têm uma pequena cobrança e o áudio é grátis. A tarifa atual está na página do modelo.
| Especificação | Preço |
|---|---|
| $0.072 / segundo |
Casos de uso
Cenas montadas a partir de arquivos separados
Envie um retrato, uma foto de figurino e uma imagem de um cômodo como três imagens e acrescente um clipe de voz como Audio 1 se o personagem falar. O resultado coloca essa pessoa com essas roupas nesse lugar.
O mesmo personagem em vários clipes
Use o mesmo retrato como Image 1 em cada solicitação e o rosto e o figurino passam de uma publicação para outra enquanto a cena muda. Assim, personagens recorrentes e apresentadores virtuais continuam reconhecíveis.
Copiar um movimento
Forneça um clipe curto como Video 1 e peça o movimento dele com a pessoa de Image 1, para uma dança, um gesto ou um movimento de câmera. Mantenha o clipe curto e limpo, pois os segundos dele são cobrados.
Guia de prompt e dicas práticas
Uma função por referência
Decida se cada arquivo traz a identidade, o lugar, o movimento de câmera ou a voz e cite-o por tipo e número. Comece com um sujeito e uma ação e depois acrescente as outras referências.
Áudio precisa de uma imagem
Envie sempre pelo menos uma imagem ou um vídeo junto com um clipe de áudio. Coloque cada fala exata entre aspas duplas, nomeie quem fala e confira juntos a voz, o tempo e a ação no resultado.
Corte primeiro o vídeo de referência
Corte o clipe até o trecho mais curto que mostre o movimento de que você precisa; até 15 segundos no total são aceitos e todos são cobrados. Remova as introduções e diga no prompt qual ação transferir.
Você paga cada segundo do clipe pronto em 768p. O vídeo de referência soma seus próprios segundos à mesma tarifa, as primeiras 5 imagens de referência estão incluídas, as seguintes têm uma pequena cobrança e o áudio é grátis. A tarifa atual está na página do modelo.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-highspeed/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
