Introdução
MiniMax H3 LoRA Referências para vídeo monta um plano a partir do seu material de referência e de até três arquivos LoRA seus no MiniMax H3 de pesos abertos. Envie até nove imagens, três clipes e três áudios, chame cada um pelo número no prompt e receba um MP4 de 3 a 15 segundos com trilha sonora estéreo em 480p, 540p, 768p ou 1080p, em uma entre sete proporções.
Escolha o modo pelo material de partida
| O que você tem | Modo |
|---|---|
| uma cena escrita | MiniMax H3 LoRA Texto para vídeo |
| uma imagem inicial | MiniMax H3 LoRA Imagem para vídeo |
| imagens, clipes ou áudios de referência | MiniMax H3 LoRA Referências para vídeo |
Recursos e destaques
Três tipos de referência numa só requisição
Imagens fixam um rosto, um figurino ou um ambiente. Clipes trazem movimento, ritmo e câmera, e o som deles vem junto automaticamente. Áudios dão uma voz, uma batida ou um som ambiente para seguir. Chame-os de Picture 1, Video 1 e Audio 1 para que cada entrada tenha uma função clara.
LoRAs e referências juntos
Um LoRA de personagem e fotos de referência da mesma pessoa seguram a identidade melhor do que qualquer um dos dois sozinho. Acrescente um LoRA de estilo num scale mais baixo e o plano inteiro ganha o seu visual sem perder o sujeito.
Sem censura em todas as entradas
As imagens de referência são aceitas como são, mostrem o que mostrarem. Com um LoRA feito para o conteúdo mais forte e nosso prompt mais forte, o plano foi renderizado exatamente como escrito com o sujeito de referência, e a trilha sonora voltou no mesmo arquivo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Chame cada entrada pelo número e dê uma única função a ela: <Picture 1> é a mulher, <Picture 2> é o quarto, <Video 1> é o movimento de câmera, Audio 1 é a voz dela. pelo menos 1 caracteres · no máximo 7000 caracteres |
reference_image_urls | Não | Até nove imagens. Cada uma acrescenta uma cobrança por referência. pelo menos 1 itens · no máximo 9 itens |
reference_video_urls | Não | Até três clipes para movimento, ritmo ou câmera. Os segundos deles são cobrados como segundos de saída, com teto de 15 no total. pelo menos 1 itens · no máximo 3 itens |
reference_audio_urls | Não | Até três áudios para uma voz, uma batida ou um ambiente. Cada um acrescenta uma cobrança por referência. pelo menos 1 itens · no máximo 3 itens |
aspect_ratio | Não | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 ou 9:21. Não muda o preço. |
resolution | Não | 480p, 540p, 768p ou 1080p. O valor por segundo sobe a cada degrau. |
duration_seconds | Não | Duração da saída, de 3 a 15 segundos. Na cobrança, os segundos dos clipes de referência entram por cima. |
loras | Não | Até três entradas {path, scale} treinadas para o MiniMax H3; scale de 0 a 4. Um LoRA de personagem mais fotos de referência da mesma pessoa é o que segura melhor a identidade. Valor padrão: |
seed | Não | Mantém uma série comparável enquanto você troca referências ou scales. |
Preços
Cobrado por segundo na resolução escolhida; os segundos dos clipes de referência contam como segundos cobrados (até 15 no total), e cada imagem ou áudio de referência acrescenta uma cobrança por referência. LoRAs não geram cobrança à parte.
| Especificação | Preço |
|---|---|
| $0.06 / segundo |
| $0.09 / segundo |
| $0.12 / segundo |
| $0.24 / segundo |
Casos de uso
Um personagem recorrente em cenas novas
Mantenha as mesmas duas ou três fotos do seu personagem, acrescente o LoRA dele e mude só as linhas de cenário e ação entre os planos. Cada cena nova parte da mesma identidade, em vez de sorteá-la de novo.
Copiar um movimento de um clipe
Envie um clipe curto da dança, do golpe de luta ou do movimento de câmera que você quer, mais uma foto do novo artista, e descreva o novo cenário. Diga com todas as letras que a pessoa vem da imagem e que do clipe vem só o movimento: no nosso teste, deixar essa frase de fora trouxe a dançarina do clipe junto com o movimento. Mantenha o clipe curto, já que os segundos dele são cobrados como segundos de saída.
Colocar uma voz por baixo da imagem
Acrescente um clipe de voz ou de música como Audio 1 e diga ao modelo quem fala ou ao som de quê a cena se move. É o jeito mais rápido de conseguir uma fala numa voz que você já tem.
Guia de prompt e dicas práticas
Abra com o mapa
Comece o prompt com uma frase curta por entrada: Picture 1 é a mulher, Picture 2 é o quarto de hotel, Video 1 é o travelling. Depois escreva a ação e feche com o som. Entradas sem função costumam acabar misturadas.
Fique de olho no orçamento de referências
Cada imagem e cada áudio de referência acrescentam uma pequena cobrança, e os segundos de clipe são cobrados como segundos de saída, até 15 no total. A estimativa ao vivo mostra o valor completo antes do envio. Nove fotos que se sobrepõem custam mais e costumam segurar pior a identidade do que três boas.
Deixe o LoRA cuidar do visual
Com um LoRA de estilo carregado, não descreva também esse estilo em detalhe no prompt. Descreva o sujeito e a ação e deixe os pesos cuidarem da renderização.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-lora/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.

















