Introdução
A API de referência para vídeo do MiniMax H3 Lite cria clipes com som de 4 a 15 segundos em 480p ou 768p, orientados por imagens, vídeos e áudio. Nomeie no prompt cada imagem, clipe e voz, e confirme que o elenco funciona bem antes de planejar uma série. Seu design leve é adequado para testar ideias e produzir várias versões. Cada solicitação gera um único MP4 em que imagem e som saem juntos.
Escolha um modo pelo material de partida
| Seu ponto de partida | Modo a abrir |
|---|---|
| apenas uma ideia | MiniMax H3 Lite Texto para vídeo |
| um quadro para animar, com um quadro final opcional | MiniMax H3 Lite Imagem para vídeo |
| pessoas, figurinos, lugares, clipes de movimento ou vozes | MiniMax H3 Lite Referência para vídeo |
Recursos e destaques
Até 15 referências
O MiniMax H3 Lite aceita até 9 imagens, 3 clipes de vídeo (15 segundos no total) e 3 clipes de áudio em uma só requisição. Cada arquivo pode trazer algo diferente: uma pessoa, um figurino, um ambiente, um movimento ou uma voz.
Nomeie-as no prompt
Refira-se a eles como "a mulher na Image 1", "o movimento do Video 1" e "a voz do Audio 1". Os números seguem a ordem de cada lista.
Cobrança que acompanha as entradas
As primeiras 5 imagens estão incluídas e cada imagem após a quinta acrescenta um pequeno valor; os segundos de vídeo de referência são cobrados como os segundos de saída, e o áudio é grátis.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório, até 7,000 caracteres; um maior que isso é rejeitado. Coloque as falas entre aspas duplas. pelo menos 1 caracteres · no máximo 7000 caracteres |
reference_image_urls | Não | Até 9 imagens, numeradas na ordem que o prompt usa (Imagem 1, Imagem 2...). As 5 primeiras são grátis; cada imagem a partir da sexta soma 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 no conjunto. Seus segundos contam como segundos de saída. pelo menos 1 itens · no máximo 3 itens |
reference_audio_urls | Não | Até 3 clipes WAV ou MP3 que definem uma voz ou um som, sem custo. Envie junto com eles pelo menos uma imagem ou um vídeo. pelo menos 1 itens · no máximo 3 itens |
aspect_ratio | Não | Um destes: 16:9 (o padrão), 9:16, 1:1, 4:3, 3:4 ou 21:9. Não altera o preço. |
resolution | Não |
|
duration_seconds | Não | Número inteiro de segundos, entre 4 e 15, com 5 por padrão. Cobrado por segundo junto com a resolução. |
Preços
Cada segundo de saída é cobrado pela tarifa da resolução escolhida, 480p ou 768p. Os segundos de vídeo de referência contam como segundos de saída, as 5 primeiras imagens de referência estão incluídas, cada imagem adicional soma uma pequena cobrança e o áudio não custa nada. A tarifa atual sempre aparece na página do modelo.
| Especificação | Preço |
|---|---|
| $0.025 / segundo |
| $0.04 / segundo |
Casos de uso
Cenas montadas a partir de arquivos separados
Um retrato, uma foto de figurino e uma imagem de um ambiente podem ser enviados como três imagens, e o MiniMax H3 Lite coloca essa pessoa com essa roupa naquele lugar, com um clipe de voz como Audio 1 se o personagem fala.
O mesmo personagem em vários clipes
Envie o mesmo retrato como Image 1 em cada requisição e o MiniMax H3 Lite mantém o rosto e o figurino enquanto a cena muda ao redor; assim, um personagem recorrente ou um apresentador virtual continua reconhecível em uma série de clipes.
Copiar um movimento
Envie um clipe curto como Video 1 e peça ao MiniMax H3 Lite que recrie o movimento com a pessoa da Image 1, para dança, gestos ou movimentos de câmera. Um clipe de referência curto e limpo deixa o movimento legível e reduz a conta, porque seus segundos são cobrados.
Guia de prompt e dicas práticas
Uma função por referência
Dê a cada arquivo um papel claro: um rosto, um figurino, um ambiente, um movimento ou uma voz, e diga esse papel no prompt. Se vários papéis se misturam numa imagem, o resultado fica menos previsível; um rosto recortado funciona melhor do que uma foto de grupo.
Áudio precisa de uma imagem
Clipes de áudio não podem ser a única referência; envie pelo menos uma imagem ou um vídeo, e escreva as falas no prompt entre aspas duplas. O áudio define como a voz soa, e o prompt decide o que é dito e quem fala.
Corte primeiro o vídeo de referência
Os clipes são ajustados para 2 a 15 segundos cada e 15 segundos no total, e esses segundos são cobrados como saída; corte a referência até a parte que mostra o movimento que você quer antes de enviar.
Cada segundo de saída é cobrado pela tarifa da resolução escolhida, 480p ou 768p. Os segundos de vídeo de referência contam como segundos de saída, as 5 primeiras imagens de referência estão incluídas, cada imagem adicional soma uma pequena cobrança e o áudio não custa nada. A tarifa atual sempre aparece 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-lite/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
